Lip sync IA: faça qualquer foto falar
Uma foto falante é um retrato que diz as palavras que você digita. Você escreve o roteiro, ele vira fala com uma voz natural e os lábios da foto acompanham o áudio: é o lip sync com IA. O roteiro pode ter até 200 caracteres, cerca de 13 segundos de fala. Escolha entre HeyGen Avatar IV, OmniHuman 1.5 e MiniMax H3 Max Lip Sync.
Como funciona
Três passos
Envie um retrato e confirme o consentimento
Escolha uma foto de frente, com o rosto nítido. Confirme que a pessoa autorizou; sem isso, a geração não começa.
Digite o roteiro e escolha uma voz
Até 200 caracteres. Escolha uma entre 8 vozes.
Escolha um modelo e gere
A narração e o lip sync rodam em sequência. O vídeo costuma ficar pronto em um a cinco minutos e vai para a sua Biblioteca.
Modelos
Modelos que você pode usar
Os preços são em créditos, e você vê o custo exato antes de gerar. Os pacotes de créditos começam em R$ 27,90 por 75 créditos.
MiniMax H3 Max Lip Sync
MiniMax
Movimento facial mais natural, com opção de alta resolução.
HeyGen Avatar IV
HeyGen
A pessoa da foto fala seu texto com expressões naturais. É rápido.
OmniHuman 1.5
ByteDance
O movimento de rosto e corpo mais realista. Feito para vídeos promocionais e anúncios.
Destaques
Por que criar aqui
Vozes com som de gente
O roteiro é narrado por um modelo próprio de texto para fala e depois entra no vídeo. Por isso a fala soa natural.
Três modelos, três orçamentos
HeyGen Avatar IV pela velocidade, OmniHuman 1.5 pelo movimento mais realista e MiniMax H3 Max Lip Sync pelo menor preço.
Lip sync preciso
O movimento da boca segue o áudio, e a sua pontuação define as pausas e a entonação.
Vertical ou horizontal
O HeyGen Avatar IV gera na vertical para Reels ou na horizontal para YouTube. Os outros dois mantêm o formato da sua foto.
Consentimento embutido
Toda geração pede que você confirme que a pessoa autorizou, e a confirmação fica registrada com ela.
Créditos de volta se falhar
Se uma geração não terminar, seus créditos voltam automaticamente.
Modelos
Três jeitos de fazer uma foto falar
A coluna de créditos mostra o preço do roteiro mais longo (200 caracteres). Roteiros mais curtos custam menos.
| Modelo | Ponto forte | Saída | Créditos | Espera típica |
|---|---|---|---|---|
| HeyGen Avatar IV | Expressões naturais e rapidez. Mantém o rosto consistente. | Vertical ou horizontal, 720p | 95 | 1,5 min |
| OmniHuman 1.5 | O movimento de rosto e tronco mais realista. Para divulgação e anúncios. | 720p ou 1080p | 242 | 5 min |
| MiniMax H3 Max Lip Sync | A opção mais econômica, com movimento facial natural. | 480p, 768p ou 1080p | 77 | 3,5 min |
O preço cresce com a duração da fala, e o clipe cobrável mais curto tem 5 segundos. A foto falante mais barata é uma frase curta no MiniMax H3 Max Lip Sync em resolução padrão: 26 créditos (R$ 5,13–R$ 9,67). Os 20 créditos grátis que você ganha ao criar a conta valem só para narração. A foto falante é liberada depois da sua primeira compra de créditos; a opção mais barata é o pacote Mini, com 75 créditos por R$ 27,90. Todos os pacotes estão na página de preços.
Como escrever o que a foto vai dizer
- Você tem 200 caracteres, cerca de 13 segundos de fala. Se precisar de mais, divida o texto e faça alguns vídeos.
- Escreva do jeito que as pessoas falam. A pontuação marca as pausas: a vírgula é uma respiração curta; o ponto, uma mais longa.
- Escreva por extenso o que deve ser lido em voz alta: “vinte reais” em vez do valor com o símbolo da moeda, e “doutora” em vez de “Dra.”.
- Uma pessoa e uma fala funcionam melhor. Para uma conversa, faça um vídeo para cada pessoa que fala.
Frases de exemplo:
- “Oi, eu sou a Bia. Obrigada pela visita. Olha o que chegou de novo na loja esta semana.” (86 caracteres)
- “Feliz aniversário, vó. A gente sente muito a sua falta e se vê no Natal.” (72 caracteres)
- “Nossa padaria abre às seis da manhã, e a primeira fornada de pão francês sai às seis e meia.” (92 caracteres)
Como escolher a foto
- Um retrato de frente, com o rosto bem visível e iluminado por igual.
- Uma pessoa por foto. Fotos em grupo e de perfil quebram a sincronia labial.
- Nada cobrindo a boca: nem mãos, nem microfone, nem sombras fortes.
Foto falante, narração ou imagem para vídeo?
Se você só precisa do áudio, para uma narração por exemplo, a narração com IA entrega as mesmas vozes em MP3, sem vídeo. Se a pessoa só precisa sorrir, piscar ou acenar sem falar, use Imagem para vídeo. Para alguém apresentar um produto segurando ele na mão, os vídeos UGC com IA combinam a foto de um apresentador com a foto do seu produto.
Consentimento
Só faça falar quem autorizou
Uma foto falante coloca palavras na boca de alguém, então o consentimento não é opcional. Antes de cada geração, você confirma que a pessoa da foto deu permissão; sem isso, a geração não começa, e a sua confirmação fica registrada junto com ela. Se a pessoa tiver menos de 18 anos, a permissão vem do pai, da mãe ou do responsável legal.
- Fotos de celebridades, políticos e autoridades públicas não são permitidas.
- Não use uma foto falante para fazer parecer que uma pessoa real disse algo que não disse.
- Ao publicar, diga que foi feito com IA. Em anúncios, avise também; TikTok, Meta e YouTube têm regras para rotular conteúdo realista gerado com IA.
FAQ
Dúvidas frequentes
Como fazer uma foto falar?
Envie um retrato, confirme que a pessoa autorizou, digite o que ela deve dizer e escolha uma voz. Primeiro o roteiro vira fala, depois a boca da foto é sincronizada com o áudio. Escolha um modelo e gere; o vídeo costuma ficar pronto em poucos minutos.
Existe foto falante com IA grátis?
Aqui, não. Pagamos ao provedor de IA por cada vídeo e imagem que geramos, e os testes grátis deixavam esse custo alto demais. Antes de comprar, você pode ver na nossa página de exemplos resultados sem edição que fizemos com esses mesmos modelos. Os 20 créditos grátis que você ganha ao criar a conta e confirmar o e-mail valem para narração. Uma frase curta no MiniMax H3 Max Lip Sync custa 26 créditos, e a opção mais barata é o pacote Mini, com 75 créditos por R$ 27,90. Você paga por vídeo; não é preciso assinar nada.
Quanto custa uma foto falante?
Depende do modelo e do tamanho do roteiro. Uma frase curta no MiniMax H3 Max Lip Sync custa 26 créditos (R$ 5,13–R$ 9,67). Um roteiro completo de 200 caracteres custa 95 créditos no HeyGen Avatar IV, 242 no OmniHuman 1.5 e 77 no MiniMax H3 Max Lip Sync. O preço aparece antes de você gerar.
Qual modelo de lip sync escolher?
HeyGen Avatar IV para um resultado rápido e equilibrado. OmniHuman 1.5 para o movimento de rosto e corpo mais realista. MiniMax H3 Max Lip Sync para o menor preço e a opção em 1080p. Testar a mesma foto em dois modelos é o jeito mais rápido de decidir.
Posso usar a minha própria voz?
Não. Não há clonagem de voz nem envio de áudio; a fala vem de vozes prontas. Isso também significa que ninguém consegue clonar a voz de outra pessoa aqui.
Preciso baixar algum app de foto falante?
Não precisa baixar nada. Funciona no navegador do celular ou do computador, e o processamento acontece nos servidores do provedor do modelo, então a velocidade do seu aparelho não faz diferença.
Dá para fazer uma foto antiga de família falar?
Tecnicamente sim, se o rosto estiver nítido e de frente para a câmera. Tenha cuidado com fotos de pessoas que já faleceram: converse com a família antes e não coloque na boca delas palavras que elas não diriam.
Posso fazer a foto de outra pessoa falar?
Pode, com a permissão da pessoa e para um uso honesto. Fazer parecer que uma pessoa real disse algo que não disse pode ser ilegal e vai contra os nossos termos. Fotos de celebridades, políticos e autoridades públicas não são permitidas.
Quanto tempo demora?
Normalmente de um a cinco minutos, porque a narração e o lip sync rodam um depois do outro. O HeyGen Avatar IV é o mais rápido. Você pode fechar a aba; o vídeo fica esperando na sua Biblioteca.
- O roteiro tem no máximo 200 caracteres, cerca de 13 segundos. Divida falas mais longas em vários vídeos.
- Não dá para enviar uma gravação sua nem clonar uma voz. Você escolhe uma das vozes prontas.
- Os 20 créditos grátis do cadastro valem para narração, não para foto falante. A foto falante exige compra de créditos e começa em 26 créditos para a frase mais curta no modelo mais barato.
- Fotos de outras pessoas precisam da permissão delas. Celebridades, políticos e autoridades públicas não podem ser usados.
- Fotos de perfil, rostos cobertos e fotos com várias pessoas costumam dar errado.
Páginas relacionadas
- Narração com IAAs mesmas vozes em MP3, sem vídeo.
- Vídeos UGCUm apresentador falando com o seu produto na mão.
- Gerador de personagens com IAUm rosto fictício para fazer falar, igual em todos os vídeos.
- Imagem para vídeoSorrir, piscar ou acenar, sem fala.
- Efeitos de vídeo com IATemplates de abraço, dança e envelhecimento.
- PreçosPacotes de créditos e planos.
Experimente agora
O cadastro é grátis. Esta ferramenta é liberada depois da sua primeira compra de créditos, e os pacotes começam em R$ 27,90 por 75 créditos. Não precisa de assinatura, e você pode ver os exemplos acima antes de decidir.
Fazer uma foto falar