Mixer AI
Kling AI Avatar v2
Um retrato que fala ou canta a partir de uma foto e de um áudio pronto: Standard em 720p e Pro em 1080p.
Quando escolher
O Kling AI Avatar v2 serve quando o texto já está gravado e falta um rosto na tela. O modelo anima o retrato conforme a sua faixa de áudio, então aprove antes as palavras, a voz e as pausas. Envie uma foto e um arquivo de áudio; a descrição da expressão e da entonação é opcional. O clipe dura o mesmo que o áudio e cada segundo de áudio é cobrado.
- Usa a sua gravação em vez de inventar uma fala a partir de uma descrição.
- O Standard entrega 720p e o Pro, 1080p.
- Áudio de até 300 segundos e 100 MB em MP3, WAV, AAC, M4A, MP4 e OGG.
Modos e configurações
- Uma foto JPG ou PNG de até 10 MB e um arquivo de áudio.
- Standard é 720p, Pro é 1080p; a duração é a do áudio, até 300 segundos.
- Descrição opcional da expressão, da entonação e do movimento de até 5000 caracteres; 1, 2 ou 4 resultados por execução.
Preço em moedas
| Versão | Qualidade / tamanho | Entrada | Moedas / segundo |
|---|---|---|---|
| Standard | 720p | Retrato + áudio | — |
| Pro | 1080p | Retrato + áudio | — |
A cobrança é por segundo, não por clipe de duração fixa. A tarifa é multiplicada pela duração cobrada; o total do pedido é arredondado para cima uma única vez, até a próxima moeda inteira.
A duração segue o áudio enviado; a tarifa depende da qualidade escolhida.
≈ indica uma tarifa arredondada para duas casas na exibição; o cálculo usa a precisão completa.
O preço em dólares segue a taxa atual da moeda.
O que você pode criar
- Um apresentador para um vídeo de treinamento curto sem filmagem.
- Um personagem cantando um trecho vocal preparado.
Como orientar o resultado
- Prepare uma gravação limpa de uma só voz com pausas naturais.
- Use um retrato de frente ou quase de frente, com a boca livre.
Exemplo: a saudação de um apresentador
Foto: retrato do peito para cima olhando para a câmera, com boca e queixo bem visíveis. Áudio: uma saudação breve de uma só voz sem música. Descrição: sorriso calmo, um leve aceno no início. Rode primeiro o Standard com um trecho de dez segundos e confira lábios e pausas.
O que levar em conta
- Não dá para digitar um texto no lugar do áudio: o modelo usa só a gravação.
- Um perfil acentuado, um rosto coberto ou várias vozes podem prejudicar a sincronização labial.
Fontes
Guias e comparações com este modelo
Perguntas frequentes
Posso apenas digitar o texto?
Não. É preciso um áudio pronto: o modelo anima o retrato conforme a sua gravação.
Como o Standard difere do Pro?
O Standard entrega vídeo 720p e o Pro, 1080p. A tarifa por segundo do Pro é maior.
O que define a duração do vídeo?
A duração do áudio, até 300 segundos. O preço é contado por segundo de áudio.
Quais formatos de áudio servem?
MP3, WAV, AAC, M4A, MP4 e OGG de até 100 MB.
Por que testar antes um trecho curto?
Assim você vê se a foto e a gravação combinam antes de pagar a faixa inteira.
Posso fazer dois falantes?
Não: são necessários uma foto e um arquivo de áudio com uma só voz.
O que muda o preço?
A tarifa por segundo depende da qualidade, do modo e, em alguns modelos, do som. Ela é multiplicada pela duração cobrada. Quando o vídeo de entrada é cobrado, sua duração também conta. O total é arredondado uma única vez.
Preciso de uma assinatura do modelo?
Não. No Mixer AI, você recarrega um saldo em moedas e usa esse saldo nas tarefas que precisar. Não é necessário assinar este modelo separadamente.