Глоссарий
Фото в видео (photo-to-video)
Генерация движущегося видео из одной фотографии — чаще всего за счёт анимации лица, которое начинает говорить.
Модель photo-to-video анализирует лицо на снимке, строит его объёмное представление, а затем покадрово перерисовывает лицо под аудио. Исходное освещение, фон и идентичность сохраняются, а рот, челюсть, глаза и небольшие движения головы синтезируются.
Работает на портретах, сгенерированных ИИ-лицах, исторических фото и даже иллюстрациях. Предупреждение: фото низкого разрешения и лица, частично закрытые волосами, руками или очками, дают худший результат.
Два значения «фото в видео»
Под этим названием скрываются две разные задачи. Говорящее фото оставляет снимок как есть и оживляет лицо, чтобы оно произнесло звуковую дорожку: на входе портрет и звук. Изображение в видео делает фото первым кадром и приводит в движение всю сцену — камеру, объект, свет — так, как описано в промпте: на входе картинка и описание движения. Первому нужно чёткое лицо, второму — ясное представление о том, что должно произойти дальше.
Говорящее фото в VlogMe
Раздел Говорящее фото в Video Studio берёт один портрет и один текст:
- Выберите чёткое фото лица анфас (JPG, PNG или WebP).
- Введите текст и озвучьте его в Audio Studio или загрузите готовую запись.
- Отрендерите MP4 в формате 9:16, 1:1 или 16:9 и сделайте субтитры SRT из той же дорожки.
Цена зависит от длины звука, оценка в кредитах видна до рендера. Одно фото на утренней кухне и одна фраза о кофейном ритуале — и вертикальный ролик готов для Reels; через неделю тот же портрет произнесёт новый текст без нового снимка.
Чтобы двигалась вся сцена, а не только лицо, используйте Изображение в видео: там кадр оживляют движки вроде Kling 3.0 Pro, Veo 3.1 и Grok Imagine.
Ограничения и риски
- Сильные фильтры, резкие ракурсы и несколько лиц на одном снимке сбивают модель; обрежьте фото до одного человека.
- Губы следуют за звуком: чистый голос даёт более точную артикуляцию, чем речь поверх музыки.
- Для чужого портрета, в том числе старого семейного фото, нужно разрешение изображённого человека или того, кому принадлежат права (Условия, раздел 6).
Вопросы
Сколько может говорить фото?
Столько же, сколько длится звук: в VlogMe до 10 минут на видео с Hedra Avatar и до 60 секунд с OmniHuman 1.5.
Подойдут ли иллюстрации и маскоты?
Да, если глаза и рот хорошо видны: картины, нарисованные маскоты и сгенерированные персонажи работают. Вот как превратить любое изображение в говорящее видео.
Можно ли выпустить результат на другом языке?
Да. Озвучьте текст на этом языке тем же голосом и отрендерите заново — или переведите и озвучьте готовое видео.
