让静态照片“开口说话”，听起来像是电影里的黑科技，但小云雀AI把这个门槛几乎降到了零。打开APP，选一张正面人像，输入你想让它说的话，调整一下音色和情绪，30秒内就能得到一个口型同步、带环境音的说话视频。整个过程不需要剪辑经验，也不需要调音轨或者第三方工具，今天就把完整的操作流程拆开来说清楚。

启动并进入“照片会说话”功能

首先，确保小云雀APP版本在V1.1.2及以上，并且已登录抖音账号。打开APP后，在首页底部导航栏点击【灵感】图标，然后在功能列表中找到并点击【照片会说话】入口。

这里有个关键点：这个功能只在手机APP端开放，网页版暂时用不了。所以操作时一定要用手机。

上传照片与设置语音内容

准备照片有两种方式。如果你相册里已经有合适的照片，直接点击“选择照片”，从相册里选一张清晰的正脸人像图就好。建议选择纯色背景、面部无遮挡、光线均匀的照片，这样系统识别面部关键点会更精准。选好照片后，输入你想让TA说的台词——比如“今天天气真好呀”。

另一种情况是手头没有合适的照片。这时候可以先去首页点击【AI设计】，输入一段提示词，比如“写实风格、亚洲女性、微笑、浅灰背景、高清证件照质感”，生成一张满意的图片后长按保存，再回到【照片会说话】功能里上传这张图。

需要提醒的是：上传侧脸、戴口罩、严重反光或者多人同框的照片，口型很容易错位，语音也会不同步，失败率会超过70%。这个问题在实际使用中非常普遍，值得特别留意。

调整参数并生成视频

照片和台词都准备好了，接下来就是调整细节。

第一步：语速和情绪。默认语速是适中的，如果想要更自然的说话节奏，可以把语速滑块向左微调到0.9倍。情绪选“亲切”比“正式”更贴合日常聊天的感觉。

第二步：配音音色。目前提供了5种中文音色可选。如果追求自然的听感，推荐选【林薇】（女声，语调柔和带有轻微气声）或者【陈哲】（男声，节奏稳、吐字清晰）。需要注意的是，方言暂时不支持。

第三步：环境音同步。这个开关默认是关闭的，但开启后系统会根据台词内容自动叠加轻量的环境音。比如台词里说了“下雨了”，生成的视频会自带雨声底噪，听起来真实感会强很多。如果不需要环境音，关闭后就只有纯人声输出。

一切就绪，点击【生成】按钮，等8到12秒，预览窗口里就会出现带口型动画的说话视频。

导出与保存

视频生成后，点击右下角的【保存到相册】，系统会自动以MP4格式存入手机DCIM文件夹，文件名会含时间戳，比如“xiaoyunque_20260618_110823.mp4”。

值得注意的是，导出的视频会自带小云雀水印，目前无法直接去除。如果需要去水印，必须通过任推邦平台回填作品链接后申请权益解锁——这一点在实际分享作品时需要提前考虑。