声明:本文来自于微信公众号 数字生命卡兹克，作者:数字生命卡兹克，授权站长之家转载发布。
上周我不是写了一篇海螺新上线的AI声音克隆吗，那篇文章数据蛮不错，有很多人转发和评论。
30秒就能完美复刻你的声音，这就是当今的中文AI语音克隆。
但是吧，我没想到的一点是，居然有N多人问我的一个问题是:
给我整不会了。
因为那篇文章中，我为了让大家有一个更直观的视觉化的感受，所以把所有的生成的语音，都变成了一段AI视频，这样大家的观感可能会更好。
那里面的视频是这样的:
让我没想到的是，不仅语音大家很关心，这个对口型的视觉化的过程，大家也关心。。。
所以，今天，我也就写一篇文章，正好跟大家说一下口型驱动的做法，统一解决一下困惑，让人人，都能做出一些有趣的创作。
首先，还是说工具，工具是我们的老朋友:
即梦。
网址在此:https://jimeng.jianying.com/ai-tool/home
即梦我已经安利过N次了，国庆期间写过他们的智能画布，上上周写过他们的v2.1新模型一键生成海报，这次又是它。
说真的，好想说一句:即梦打钱。。。
进入首页后，找到视频生成。
在视频生成的界面中。找到这个对口型。
这个功能，就能让照片，开口说话了。
而我们要做的，就是准备一张照片和一段语音，就能用这段语音，驱动这张照片，开口说话。
比如，现在我想做一个帅哥用坤哥声音模仿《大话西游》里面那个经典的片段。
我们先随便生成一个亚洲帅哥的照片。
看看这个充满忧郁感的小眼神。
然后，跟上周的教程一样，我们用海螺Audio跑一段坤哥的声音克隆，然后，让他来念出那一段经典台词:
“曾经有一份真挚的感情摆在我的面前，我没有珍惜，等我失去的时候才追悔莫及。
如果上天能给我再来一次的机会，我会对那个女孩说三个字:我爱你!如果非要在这份爱上加一个期限，我希望!是一万年!”
我们来听一下，这段音频。
曾经...，数字生命卡兹克，19秒
再把我们的帅哥的图片，上传到角色那，音频上传到语音那。
当然如果你不想用克隆的声音，当然也可以用即梦自己的文本朗读，它里面默认给你塞了N多音色，你可以选用，可惜就是没有AI声音克隆，所以如果对创作有需求的话，我觉得还是可以用海螺跑完，再扔到即梦里。
最重要的一点是，在最后的生成效果上，一定要选生动。
标准是只动嘴不动头，看起来就非常不自然，而生动模式是真的嘴、眼睛、头都在自然的运动，真实也自然很多。
目前的缺陷就是，你不管上传什么比例的角色，都会给你自动裁成1:1的，无法调整，在一个群里看到他们说这块在改了，12月可能会上，我也还在等。
一切就绪之后，直接点击生成视频，开跑，积分消耗的不多，基本就是1s1积分。每天登录几乎都会送60～100的积分。
大概1分钟不到，一个19s的视频就跑完了。
我们来看看效果。
就很坚毅，很深情，整体的表情，也都非常的自然。
而这整套，真的也就几分钟，就完事了。也真的，有手就行。
而且其实不止是真人，一些2D、3D的动漫人物，也可以用语音驱动让照片说话。
比如这个。
而且不止是普通说话，也能做唱歌的。
比如我自己，录一首奇奇怪怪的《两只老虎》，让马斯克唱出来。
这就是照片说话的魅力。
你看，我把照片喂进去，配音扔进去，轻轻一点生成，几分钟搞定，甚至简单到无聊。
可就是这么无聊的事情，却让人觉得有趣。
大概是因为，平凡中总能偶尔翻起点波浪。
我还记得次看到照片说话的作品的时候，是2023年初，汗青的AI.Talk，年轻的乔布斯和已在太空漫游的年老的马斯克的对话。
坦率的讲，这个作品，给我的震撼是相当大的，这是可能只有在AI时代，才会出现的一种作品形式。
让不可能再出现的人，让不可能的时空，交织在一起。
这就像魔法。
后面，我自己也会去模仿汗青，做类似形式的作品。不过不像汗青那种非常深度、有哲理性的表达，而是更偏整活为主。
比如今年苹果发布会和华为发布会在同一天召开硬碰硬，苹果又非常拉胯，我就做了一个相同的形式，来去吐槽苹果。
数字生命卡兹克，赞708
这个片子里的说话镜头，就是即梦的对口型做的。
当时我只有一个想法，如果乔布斯还在，当他看到如今的苹果，他会说些什么?
得益于AI，我们可以只花几个小时的时间，一切都能，跃然纸上。
你甚至不用想太多，只需要动动手，分分钟，就造一个世界。
那个乔布斯和库克还能在一起对谈的，平行世界。
这是历史、当下和未来。
就像小时候，我们经常在老家的树林里，偷偷摸摸捡起一根枯树枝，用它来在地上画画，用它来一场小孩子之间的决斗游戏，用它，来肆意的发挥我们的想象力。
那就像一个，无所不能的神器。
而现在，你手上的AI，就是新的枯树枝。
这就是技术的浪漫。
当你也想去试试，AI Talk的形式，来做一点自己的小作品的时候。
那一刻，你会发现，
这不仅仅是照片开口说话，
而是你心里的某个声音。
被放大了。