想让一张静态照片开口说话—像人像照一样张嘴、眨眼，还能把你输入的内容说出来？用 VisionStory 你只需一张图片，就能直接在浏览器里做到：无需相机，也不需要任何剪辑经验。上方视频会带你走完整个流程，下面的一步一步指南则会把每个细节讲清楚。
跟着做的过程中，你会上传一张人像照，并把它准备成你自己的可复用虚拟人。其他用户看不到它；之后你也可以在新视频里再次选择它，不用每次都重复上传同一张图片。你只要用免费账号，就能在 VisionStory 的会说话照片工具 里完成全部操作。
第 1 步：上传一张清晰的人像照
打开 AI 视频。在 Characters 面板中选择 Upload，从设备里选一张图片，或直接把照片拖到拖拽区域。建议使用一张清晰、正面的人像照：脸部与肩膀可见，眼睛和嘴巴无遮挡，并在人物周围留一点空间，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：人像照至少 512 x 768 像素。
- 上传方式：一次仅上传 1 张源图片。
尽量让源图片的构图贴近最终视频的用途。一张裁得很紧的人像照在 9:16 里可能还行，但到了 16:9 就会变成过于贴脸的特写，因为左右没有足够的画面区域来填满更宽的画幅。
第 2 步：让 VisionStory 校验并准备虚拟人
上传后，VisionStory 会检查图片里是否有人脸可用，并将其准备成角色。上传失败几乎都和源照片有关：人脸可能太小、遮挡严重、侧转角度太大、画面模糊，或离另一张脸太近。
如果准备失败，不要一直用同一个裁切反复重试。换一张更清晰的源图：单一更大的脸、更正的角度、肩膀可见、光线均匀、遮挡更少。
处理完成后，这个虚拟人会显示在公共角色库上方，并在预览中打开。它只对你可见。
第 3 步：预览或更换系统分配的音色
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。你可以直接用它，也可以预览或换成其他音色。
- 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。
- 多试听几个选项，再选择最符合虚拟人和视频用途的音色。
有些音色在年龄与性别上可能匹配，但用于旁白、教学、广告或对话内容时依然会显得不对。要匹配的是“人物 + 用途”，不只是人口特征。
第 4 步：为最终发布场景重新取景
在虚拟人预览中决定最终视频里要出现多少人物画面。拖动照片来调整主体位置，用缩放控件拉近或拉远。然后选择适合发布平台的宽高比：
- 9:16 竖版：适合 TikTok、Instagram Reels、YouTube Shorts 等移动端优先的场景。
- 1:1 方形：适合方形社媒贴文、以头像为中心的版式，以及更灵活的嵌入。
- 16:9 横版：适合 YouTube、演示文稿、网站，以及宽屏课程。
缩放无法凭空“变出”不存在的像素。如果人物已经贴到源图边缘，建议换一张背景更多的图片，而不是强行拉出更宽的裁切。
第 5 步：了解 Change Look 和 Generate Image 的区别
虚拟人旁边有 2 个 AI 图像工具，使用前先弄清它们的差别会更顺手。
Change Look 会打开一个 AI 对话，并自动附上你当前的虚拟人作为起始图，让你描述新的服装、场景或风格。这是一个 image-to-image 工作流，原来的虚拟人仍会保留。Generate Image 则从文字角色描述开始而不是从照片开始，因此是 text-to-image 工作流。两种方式都可以继续对话来不断优化结果。
简单来说：角色已存在但需要换造型时用 Change Look；想从提示词创建角色时用 Generate Image。
第 6 步：添加一段短文稿并生成会说话视频
选中你上传的虚拟人后，在 Script 输入框里写一句简短、口语化的句子。短句渲染更快，也更容易同时判断照片清晰度、裁切、音色、对口型和动作效果。
点击 Generate Talking Video。VisionStory 会用你选定的虚拟人、取景、文稿与音色为人脸做动画、对齐嘴型，并加入逼真的眨眼与头部动作。渲染通常只需几分钟。
把第一次生成的结果当作一次实用的源照片测试，重点检查 4 点：
- 在最终尺寸下，人脸依然足够清晰。
- 动作过程中，眼睛和嘴巴没有被遮挡。
- 头部与肩膀在所选画幅里留白舒适。
- 动起来的虚拟人依然像源照片里的人。
如果裁切太紧，或脸在动作里看起来发虚，先从源图或取景开始调整。改文稿并不能解决构图问题。
第 7 步：复用或移除你的会说话照片虚拟人
回到 Characters 列表，你上传的虚拟人会显示在公共角色库上方。之后只要想用同一个出镜人，随时都能选它。其他用户看不到它；订阅用户还能创建并保留无限数量的虚拟人。
- 复用：直接选择该虚拟人，无需再次上传照片。
- 切换造型：打开虚拟人，选择已保存的造型缩略图之一。
- 移除：将鼠标悬停在虚拟人上，右上角会出现删除按钮；确认后会删除该虚拟人及其所有造型。
常见照片问题排查
VisionStory 找不到可用的人脸。换一张更亮、更清晰、正面且脸更大的照片。避免眼睛或嘴巴被遮挡、明显侧脸角度，以及有另一张脸紧贴主角的照片。
16:9 横版裁切太近。源人像照两侧可能没有足够的画面区域。换一张更宽的源图，或人物周围留白更多的照片。
虚拟人仍在准备中。等准备完成后再使用角色。如果一直卡住，刷新 Characters 视图，并先确认虚拟人是否已出现，再决定要不要重新上传。
效果看起来发软。尽量从更高分辨率、对焦清晰的照片开始，并避免把很小的脸放大得太夸张。输出分辨率无法补回源图缺失的细节。
让照片开口说话就是这么简单：上传一张人像照、匹配音色、调整取景，然后生成。你的照片现在已经变成一个可复用的会说话虚拟人，随时需要都能再用。
想了解完整的文稿、音色、设置、积分与生成流程？可以继续看 How to Create an AI Talking Avatar，或把完整文稿批量生成 AI 视频。或者现在就开始：免费制作你的第一张会说话照片。
