要让卡通角色既能说话又能唱歌，先准备一张原创、正面且嘴部结构清楚的角色图，用文字或人声生成说话版；再把同一张图和一段干净的歌曲音频放入 Make Photo Sing。下面两段原始结果只更换了音频，因此能直接比较普通说话与演唱的差别。
你需要准备什么
- 原始图片: 原图是专为本教程创作的红熊猫角色，不属于任何电影、游戏或现有 IP。眼睛与嘴部边界清楚，口鼻区域对比度足够，头部在画面中的占比也较大。
- 本例使用的输入音频: 说话版使用简短的合成人声；唱歌版使用一段 18 秒原创商店欢迎歌曲，主唱清楚、节拍稳定。复用同一张图片，可以固定角色、裁切和背景，只观察音频如何改变表演。
- 使用工具: Make Photo Sing
使用原创角色或已获得动画与商业使用授权的作品。不要暗示知名版权角色为某个产品、观点或歌曲背书。
原图与输入音频
本例使用的输入音频 1
下面保留共享演示音频中实际使用的英文台词或歌词：
I started as one drawing.
Now I can talk, tell a story, and welcome viewers without filming a single frame.
The same character can even sing when you switch the audio.
本例使用的输入音频 2
下面保留共享演示音频中实际使用的英文台词或歌词：
Welcome to our shop today, step right in and stay a while.
Something special's on the way, handpicked just to make you smile.
Come on in, come on in, your new favorite starts right here!
未经剪辑的生成结果
第一段展示普通说话，第二段展示同一角色跟随旋律和长音演唱。它们都不是完整讲解视频，而是未经剪辑的生成证据，便于直接判断工具结果。
分步操作
- 准备一张清晰的原图 — 优先使用正面、嘴部完整可见、光线均匀的图片，避免手、麦克风、头发或浓重阴影遮挡嘴唇。
- 打开对应的 FreeLipSync 工具 — 打开本教程链接的工具，并确认输入模式与手头素材一致：文字、上传的人声，或歌曲音频。
- 添加台词或音频 — 第一次测试只放入一段简短、干净的内容。这样更容易判断问题究竟来自图片还是音频。
- 生成口型同步结果 — 先生成一版未经剪辑的结果，不要同时更换多个变量；保持对照，后续排查会更快。
- 发布前完整检查 — 从头到尾开声音观看，检查嘴部可见度、节奏、发音，以及成片是否如实说明素材来源。
为什么这组素材更容易成功
卡通图不必追求写实，但仍需要可识别的面部结构。嘴部区域够大、正面角度稳定、背景简单，通常比复杂画风更重要。
生成前检查清单
- 嘴部最好有明确形状，不要只是一条藏在复杂口鼻中的细线。
- 优先使用清楚、独立的主唱；混响太重或乐器太拥挤会增加排查难度。
- 第一次选用较短、主唱进入清楚的歌曲片段。
常见问题
- 使用原创角色或已获得动画与商业使用授权的作品。不要暗示知名版权角色为某个产品、观点或歌曲背书。
- 不要第一次就使用长台词或整首歌。短片段更快，也更容易判断素材质量。
- 没有获得必要授权时，不要发布他人的面孔、角色、录音或歌曲。
常见问答
AI 口型同步能用于卡通角色吗？
可以，前提是角色尽量正面，嘴、眼睛和头部轮廓容易识别。高度抽象或侧脸角色的稳定性会更低。
说话版和唱歌版需要两张不同的角色图吗？
不需要。复用同一张图更容易保持角色一致，也能清楚比较人声与歌曲带来的变化。
可以直接使用知名卡通角色吗？
只有在你拥有必要权利时才可以。商业发布时，原创或获得明确授权的角色更稳妥。
制作你的版本
先用 AI Talking Photo Generator 测试说话版；图片通过后，再复用它和一段短原创歌曲制作唱歌版。
