图音成片

单图音频驱动(180s) · OmniHuman 双引擎
人物/主体图片（必填）
单张 jpg/png，< 5MB，< 4096×4096；支持真人 / 动漫 / 宠物
音色
0/3000复制清空
声音克隆（可选）· 复刻你的声音做专属口播音色
上传 10~30 秒清晰人声（wav/mp3，无背景音乐、无杂音）
标准档：单图音频驱动，保持原图比例，最长 180 秒，约 0.3 元/秒；高清档：OmniHuman 1.5，1080P/720P，最长 60 秒，1 元/秒。文案最长约对应 120 秒语音（TTS 单次上限）。
注：智能生成的内容仅供参考，不代表平台立场
档位
分辨率

图音成片

一张人物图 + 一段文案 = 数字人开口说话的口播视频
人物图
1 张·真人/动漫/宠物
+
文案+音色
系统合成语音
口播视频
图音成片
SevenAISEVENAI

欢迎登录

或
深圳市文恩传媒有限公司 · 粤ICP备 ________ 号

模型接入设置

Key 保存在本机 proxy-config.json（由本地代理读取），浏览器不会拿到明文。正式上线时把代理这层搬到服务器上，前端永远不碰 Key。