上传一张图片和一个音频文件
上传人像或场景图作为视觉底图，再附上音频轨（语音、音乐或环境音）。两项输入都是必需的——图片提供画面框架，音频驱动动画。
视频工具
音频转视频转换器
用 AI 把音频转成视频，让人像或场景图与上传音轨同步动起来，适合音乐短片、播客与歌词可视化。
预览video
Audio to Video
Animate a portrait or scene image in sync with an uploaded audio track using AI video generation.
上传参考
PNG、JPG、WebP，最大 10MB
上传音频
MP3、WAV、M4A，最大 50MB
使用方式
如何使用 音频转视频
管线将音频同步到动画
Kling v3、Veo 3 或 Wan 2.6 会分析音频波形，驱动面部动画、场景运动和节奏与音频内容同步。语音音频能产生最精准的唇部动作。
下载合成后的 MP4
提交任务后，音频和视频会合并为单个 MP4 文件，在历史记录页交付——可直接上传社交媒体或嵌入演示文稿。
为什么使用
为什么使用 AI Pin Maker 视频工具
按工作流组织
每个页面都把一个用户任务映射到所需视频输入和模型族。
模型匹配
Seedance 支持通过参考音频元数据驱动角色口播动画，适合数字人工作流。
可运行工具
可用工具会连接到 AI Pin Maker 视频生成工作台。
路线衔接
相关视频工具帮助从特效继续到编辑、音乐和生产流程。
常见问题
视频工具常见问题
- 任意类型的音频都可以吗——音乐、语音还是音效？
- 语音音频的唇形同步和面部动画最精准；音乐片段会产生有节奏感的场景运动；环境音则驱动细腻的环境动态。三种类型都支持。
- 音频转视频能根据语音生成唇形同步吗？
- 能——当音频包含语音时，模型会把音素时序映射为人像的口型动画。干净清晰的人声录音搭配正面人像，准确度最高。
- 音频文件可以多长？
- 大多数线路接受不超过 60 秒的音频。更长的音频可以先分段，生成后在常规视频编辑器中把片段拼接起来。
- 这个工具和会说话头像生成器有什么区别？
- 两者都基于音频驱动的视频合成。音频转视频处理任意图片与音频组合的通用场景动画；会说话头像生成器则专为"人像 + 人声"组合优化，配有专门的唇形同步调节层。
相关工具
继续探索视频工具
Image to Videovideo
创作工具可用
AI 数字人/会说话头像生成器
上传一张人像照片和一段语音，即可生成会说话的数字人视频，AI 自动呈现自然表情与精准对口型，适合讲解与广告。
talking-avatarlip-syncseedance
音频打开工具
Videovideo
创作工具即将推出
AI 音乐视频生成器
制作 AI 音乐视频，将音频、图片与场景提示融合成富有节奏感的画面。完整音画同步上线前可先预览生成器。
music-videoaudiopreview
音频打开工具
Text to Videovideo
创作工具可用
文字转视频生成器
用文字提示生成 AI 视频，可自由设置模型、画面比例、时长与运镜方向，仅凭文字即可创作电影级短片。
text-to-videopromptcamera-motion
提示词打开工具