照片唱歌，影片換聲
三種常見做法，要準備的東西不太一樣。
讓照片唱一段
挑一張正面、臉清楚的人像，配上一段清唱或歌曲。長輩的生日祝福、社團表演預告，都能用AI對嘴這樣做。照片會交給 kling-avatar 模型處理。
說話影片換語言
店家介紹、課程片段已經錄好，想給外國客人看。先準備英文或日文配音，再和原本的影片一起上傳。latentsync 會讓嘴型對上新的配音。
卡通和寵物開口
主角不一定要是真人。卡通角色、家裡的貓狗，臉和嘴看得清楚，就能試AI對嘴。配上一段旁白，就是一則社群小故事。
先問本人，再來對嘴
AI對嘴做得越像，越要想清楚怎麼用。
- 只用有授權的臉和聲音。照片、影片和聲音，要是你本人的，或已經取得本人同意。
- 不要拿藝人、公眾人物來做。刑事局提醒，有人用名人影像和聲音，合成「本人代言」影片騙投資。
- 不要讓真人說沒說過的話。在 YouTube，這類影片屬於必須揭露的AI內容。上傳時在「AI 使用情形」選「是」。
- 發布時講清楚。發布 AI 生成的影音時，主動標示是 AI 生成。
視訊來電談到錢，先停一下
警政署提醒，詐騙集團會用AI深偽變成親友的臉，打視訊電話來。
對方開口借錢，就先存疑。掛掉後，打親友原本的電話查證。
也可以請對方轉頭、在臉前揮手，看臉的邊緣有沒有破綻。或者問一句事先約好的通關密語。
滑到假名人代言的廣告，可以到數位發展部「網路詐騙查詢通報網」通報。
資料來源：內政部警政署、刑事警察局公告。
三款模型，點數不同
AI對嘴要花多少點數，先看你上傳的是照片還是影片。
| 上傳 | 模型 | 適合 | 按鈕點數 |
|---|---|---|---|
| 影片 | latentsync（預設） | 已經有說話影片，想換聲音或語言 | 以工具內顯示為準 |
| 照片 | kling-avatar-v2-standard | 只有一張人像，想讓它說話或唱歌 | 以工具內顯示為準 |
| 照片 | kling-avatar-v2-pro | 同上，面板寫「使用更高品質預設生成說話頭像。」 | 以工具內顯示為準 |
- 上傳照片，面板會換到照片模型。上傳影片，會換到 latentsync。
- 以工具內顯示為準
- 以工具內顯示為準
- 照片模型多一欄「語音描述」，標「選填」。可以寫表情或語氣，空著也能生成。
- 照片模型的音訊，長度要在2到300秒之間。
正臉清楚，聲音乾淨
素材先準備好，AI對嘴的嘴型比較不容易跑掉。
- 一個人，正對鏡頭。臉不要被手、口罩或頭髮擋住。側臉和多人畫面，嘴型比較難對。
- 影片裡要有人在說話。latentsync 要的是一段說話影片。原本嘴巴就有動，對起來比較自然。
- 人聲清楚，雜音少。背景音樂和環境聲壓低一點，嘴型會比較準。
- 唱歌選人聲清楚的版本。伴奏太大聲，嘴型可能跟不上歌詞。
- 音訊格式。可以傳 MP3、WAV、OGG、AAC、M4A 或 FLAC。點選或拖曳上傳都行，也能從歷史記錄挑之前用過的檔案。
AI對嘴常見問題
AI對嘴可以讓照片唱歌嗎？
可以。上傳一張正面人像，再放一段歌聲，面板會換到 kling-avatar 模型。歌聲要在2到300秒之間，人聲清楚，效果比較好。
照片和影片該選哪個模型？
照片做AI對嘴，用兩款 kling-avatar 模型。影片用 latentsync。上傳後，面板會自動換到對應的模型。
做一次AI對嘴要幾點？
生成需要點數。請登入後查看工具內目前設定的費用；帳戶優惠與方案權益以介面及價格頁為準。
聲音檔可以多長？
照片模型的音訊要在2到300秒之間，太短或太長都會跳出提醒。用 latentsync 時，面板沒有另外標示長度。
卡通或寵物也能對嘴嗎？
可以試。卡通角色、貓狗的照片都能當主角，臉和嘴要看得清楚。真人以外的主角，嘴型效果會因圖而異。
可以拿別人的臉來對嘴嗎？
拿別人的臉做AI對嘴，要先取得本人同意。不要用藝人、公眾人物的臉或聲音。做好的影片發布時，主動標示是 AI 生成。
放上 YouTube 要揭露嗎？
看內容。讓真人說出沒說過的話，YouTube 規定要揭露。上傳時在「AI 使用情形」選「是」。用自己的聲音配旁白，YouTube 列為不須揭露。
怎麼分辨假的視訊來電？
請對方轉頭，或在臉前揮手，看臉的邊緣有沒有模糊。談到錢就先掛斷，打親友原本的電話查證。懷疑遇到詐騙，可以撥 165 反詐騙諮詢專線。