怎么用 AI 让狗狗说话（一张照片就够）

一句话： 一张狗正对镜头的照片，一段你自己录的台词，剩下的交给会说话的宠物 AI 页：MiniMax H3 Max 把照片当第一帧，在录音播放时让嘴动起来。5 秒一条 63 积分，按 9.90 美元首单包约 0.62 美元，生成前先显示价格。

这篇讲的是 Cicadas 的流程，Cicadas 是我们做的。其他 App 的做法不一样的地方（内置合成语音、模板）我们会说明，但没有测试过它们。

1. 选照片

• 一只动物，一张照片。会说话的宠物页不收有人的照片，先把人裁掉。
• 正对镜头，嘴清楚，头别被切掉。坐着的狗效果最好，因为模型主要只动头和嘴。
• 光线均匀。暗房间里的深色毛会看不见嘴，窗边或正面一盏灯就能解决。
• 竖的照片出竖屏视频。视频保持照片的形状，发 TikTok、Reels、抖音就拍 9:16。

2. 录台词

• 用手机自己把台词说一遍：MP3、WAV 或 M4A，至少 2 秒，最大 15 MB。不含歌曲，也不生成合成语音，视频的声音就是你的录音，一点不改。
• 短一点。一两句自然念完；5 秒大约 12 个字到 20 个字，时长会跟着录音走（也可以改成 10 或 15 秒）。
• 结尾留一拍。声音停了以后嘴还会动大约半秒，结尾留一点安静比硬切好看。

3. 生成并下载

1. 在会说话的宠物 AI 页登录，上传照片。
2. 上传录音，勾选“这是我自己的录音，或我已获准使用”。
3. 查看报价（480P 5 秒 63 积分；10 秒和 15 秒分别 125、188），生成，在“我的视频”下载 MP4。失败会退回积分。

上面是工具页上那条真实录制的 H3 Max 宠物说话样片：一张手机照片，一句台词，5 秒。

嘴到底怎么动

嘴是大致跟着录音的声音动，不是逐字对口型。辅音不会像人脸口型模型那样对应到唇形；你拿到的是一只嘴随你的声音一张一合、头轻微晃动的宠物。做“我家狗顶嘴”这种格式足够了，这也是为什么短而有表情的台词比长篇大论好。

不只是狗

猫、兔子、马、鸟都一样：一张清楚的照片，嘴可见。毛和羽毛比鳞片动得自然。想让宠物对着镜头跟你的录音吵架，Bad Times 宠物版页用同样的录音步骤，构图是特写。

授权和隐私

只用你自己宠物的照片或主人同意的照片，录音用你自己的或有权使用的音频。你的视频留在你的账户里，不会公开展示。付费生成的下载没有水印。