希望让照片中的人物同步开口唱歌，或是让多张面孔轮流念出同一段台词？小云雀AI提供了一套直接在网页端即可完成的操作方案。全程无需下载任何软件，也无需手动拼接音频，甚至连额外注册都不需要——只需使用抖音账号登录即可。

这或许是许多用户都会遇到的实际需求：让多张人物照片在同一段视频中同步开口唱歌，或者让不同角色轮流口播同一段文案。无需使用剪辑软件、无需拼接音频、也无需手动对口型——小云雀AI的“照片合唱”与“多角色口播”功能，直接在网页端即可一键触发，全程无感响应。

上传照片并启用合唱模式

首先，访问小云雀AI官方网站（xiaoyunque.ai），使用抖音账号扫码登录。随后，点击首页上的「照片合唱」入口，再选择「上传照片」。每次最多可以选取4张正面清晰、无遮挡的人物照片。每张照片大小不超过5MB，仅支持JPG或PNG格式。

上传完成后，页面会自动跳转至合唱配置页面。此时，你会在参数面板的右上角看到一个选项——必须勾选“启用多图同步驱动”，否则系统默认仅处理第一张图片，其余三张将被静音跳过。这一行灰色文字很容易被忽略，若不勾选，相当于其余照片白传了。

点击【生成合唱】按钮，等待12至25秒，系统便会输出一段15秒的合唱视频。视频中所有人物嘴唇动作高度同步，音调统一，节奏也保持一致。

设置多角色口播台词与分工

返回首页，点击「多角色口播」，将完整台词粘贴到输入框中。建议台词控制在200字以内，过长内容会自动被截断。

这里提供了两种分配方式：

方法一：手动分配角色
在下方“角色列表”中，依次点击每张已上传照片对应的小圆圈，弹出一个输入框，填入该角色需要念的句子。例如“大家好，我是李明”“今天带你看AI绘画新玩法”。需要注意的是，每句台词必须是一个完整的语义单元，不能在半句话中间切断，否则最终的口型将出现卡顿。

方法二：AI智能拆分
点击【让AI分配台词】按钮，系统会根据语义停顿和主谓结构自动进行切分，生成3至5段带有角色标签的文本块。这一过程大约需要8秒，生成后你可以手动拖拽调整顺序。但特别提醒：请勿删除其中任何一段，否则在视频合成阶段会出现报错并退出。

确认无误后，点击【开始口播合成】，等待进度条走完，即可得到成品视频。视频中包含了角色切换转场、自然的呼吸停顿，以及差异化的语速变化。

导出与替换单角色音色

生成完成后，页面右侧会显示预览窗口和【导出】按钮。点击即可下载MP4文件，默认分辨率为1080×1920，且无任何水印。

如果需要更换其中某位角色的声音——例如将女声换成男声——只需将鼠标悬停在该角色预览缩略图上，点击浮现的【音色】图标，从下拉菜单中选取“磁性男声V3”“知性女声R7”等12种内置音色。确认后，系统会自动重新渲染该片段，耗时比首次生成降低约60%。

所有音色替换完毕后，再次点击【导出】按钮，新视频将覆盖旧文件，历史版本不会被保留。至此，最终输出直接完成。