想让一张静态照片开口说话—比如人像会张嘴、眨眼，还能把你输入的内容说出来？用 VisionStory，你只需一张图片，在浏览器里就能轻松做到——无需摄像头，也不需要任何剪辑经验。上方视频会带你走一遍完整流程，下方的分步指南则会把每个环节讲得更细。
跟着做的过程中，你会上传一张人像，并把它准备成你自己的可复用头像。其他用户看不到它；以后做视频时，你也可以直接再次选择它，不用每次都重复上传同一张图片。你只需一个免费账号，就能在 VisionStory 的照片说话工具里完成全部操作。
第 1 步：上传一张清晰的人像
打开 AI 视频。在 Characters 面板中选择 Upload，从设备中选取图片，或直接把照片拖到拖拽区域。建议使用一张清晰的正脸人物照，脸部和肩膀可见，眼睛和嘴巴无遮挡，并在人物四周留一点空间，方便后续重新取景。
- 支持的文件：JPG、JPEG、PNG、WebP、HEIC。
- 最大文件大小：30 MB。
- 建议起始尺寸：人像至少 512 x 768 像素。
- 上传规则：一次仅支持 1 张源图片。
让源图构图尽量贴近最终发布场景。一张裁得很紧的人像在 9:16 里可能刚好，但放到 16:9 就会变成过于贴脸的裁切，因为左右没有多余画面来填满更宽的画幅。
第 2 步：让 VisionStory 校验并准备头像
上传后，VisionStory 会检查图片中是否包含可用人物，并将其准备成角色。上传失败几乎都与源照片有关：可能脸太小、遮挡严重、侧脸角度过大、画面模糊，或与另一张脸靠得太近。
如果准备失败，不要反复重试同一个裁切。请换一张更清晰的源图：单张更大的脸、更正的角度、肩膀可见、光线均匀、遮挡更少。
处理完成后，你的头像会出现在公开角色库上方，并自动打开预览。它仅你可见。
第 3 步：预览或更换分配的音色
VisionStory 会根据人物看起来的年龄与性别，自动分配一个合适的初始音色。你可以直接使用它、预览它，或换成其他音色。
- 点击当前音色，打开音色库。
- 点击音色右侧的播放按钮，试听示例。
- 如果不合适，可按 Language、Gender、Age、Use Case 进行筛选。
- 多试听几个候选，选择既匹配头像、又符合视频用途的音色。
某个音色可能在年龄和性别上“对得上”，但用于旁白、教学、广告或对话内容时仍会显得不合适。要匹配的是“人物 + 用途”，而不只是人群特征。
第 4 步：按发布场景重新取景
在头像预览中决定最终视频里要展示人物的多少。拖动画面来调整人物位置，用缩放控制拉近或拉远。然后选择与你要发布的平台相匹配的宽高比：
- 9:16 竖版：适用于 TikTok、Instagram Reels、YouTube Shorts 等移动端优先场景。
- 1:1 方形：适用于方形社媒帖、以人物为中心的版式，以及灵活的嵌入展示。
- 16:9 横版：适用于 YouTube、演示、网站与宽屏课程。
缩放无法“变出”不存在的像素。如果人物已经贴到源图四周边缘，别硬拉成更宽的裁切；换一张背景更多的图片会更好。
第 5 步：弄清楚 Change Look 和 Generate Image 的区别
头像旁边有两个 AI 图像工具，使用前先了解它们的差异会更省事。
Change Look 会打开一个 AI 对话，并自动附上你当前的头像，让你描述新的穿搭、场景或风格。它是图生图流程，同时原始头像仍会保留可用。Generate Image 则从文字角色描述开始，而不是从照片开始，因此是文生图流程。两种方式都支持继续对话来不断优化结果。
简单来说：角色已存在但想换造型，就用 Change Look；想通过提示词从零创建角色，就用 Generate Image。
第 6 步：写一段短脚本并生成会说话视频
选中你上传的头像，在 Script 框中输入一句简短、口语化的台词。短句渲染更快，也更便于你同时判断照片清晰度、裁切、音色、口型同步与动作效果。
点击 Generate Talking Video。VisionStory 会使用你选择的头像、构图、脚本与音色来驱动面部动画，让口型与声音同步，并加入逼真的眨眼与头部运动。渲染通常需要几分钟。
把第一次生成的结果当作对源照片的实用测试，并重点检查 4 件事：
- 最终尺寸下，脸部是否依然足够清晰。
- 运动过程中，眼睛和嘴巴是否始终无遮挡。
- 头部与肩膀在所选画幅里是否舒适不拥挤。
- 动态头像是否仍像源图中的那个人。
如果裁切太紧或脸部在动作中显得发虚，优先修正源图或取景；改脚本解决不了构图问题。
第 7 步：复用或删除你的照片说话头像
回到 Characters 列表，你上传的头像会显示在公开角色库上方。之后只要你想再次使用同一个出镜者，随时都可以直接选它。其他用户看不到它；订阅用户还能创建并保留无限数量的头像。
- 复用：直接选择该头像，无需再次上传照片。
- 切换造型：打开头像，选择已保存的造型缩略图之一。
- 删除：将鼠标悬停在头像上，右上角会出现删除按钮；确认后即可删除该头像及其所有造型。
常见照片问题排查
VisionStory 找不到可用的人脸。请使用更亮、更清晰的图片，确保只有 1 张更大、正脸的人脸。避免眼睛或嘴巴被遮挡、侧脸角度过大，以及其他人脸贴近主体的照片。
横版裁切太贴脸。很可能源图左右两侧画面不够。换一张更宽的源图，或人物周围留白更多的照片。
头像仍在准备中。在使用角色前先等待准备完成。若长时间卡住，刷新 Characters 视图，并确认头像是否已经出现，再决定是否需要重新上传。
生成效果看起来发虚。从更高分辨率、对焦清晰的照片开始，并避免把小脸过度放大。输出分辨率无法补回源图缺失的细节。
让照片开口说话其实就这么简单：上传一张人像、匹配音色、调整取景、点击生成。现在，你的照片已经变成一个可复用的会说话头像，随用随取。
想了解完整的脚本、音色、设置、积分与生成流程？继续阅读 How to Create an AI Talking Avatar，或将完整脚本批量生成 AI 视频。也可以现在就开始：免费制作你的第一张会说话照片。
