Говорящий аватар — это видео, где человек с фотографии произносит нужный текст: губы двигаются в такт словам, глаза моргают, голова слегка поворачивается. Раньше для этого требовались два сервиса — один анимировал лицо, другой озвучивал. Видеомодели 2026 года делают и то и другое за одну генерацию. В этом гайде разберём три способа создать говорящий аватар в CreatorHub AI: Seedance 2.5, Kling 3.0 и Veo 3.1 — с текстом в промпте или с загрузкой своего аудио.

Как работает анимация лица по аудио

Фотография становится первым кадром ролика. Модель достраивает следующие кадры: движение губ, мимику, моргание, мелкие повороты головы. Реплика в кавычках в промпте превращается в речь — модель генерирует голос и синхронизирует с ним губы. Так работают Veo 3.1, Kling 3.0 и Seedance 2.5: у всех трёх звук создаётся вместе с видео.

Есть и второй путь: загрузить готовую аудиозапись. Seedance 2.5 принимает до 10 аудиофайлов как референсы, так что речь может звучать вашим голосом или голосом, записанным заранее. Это называется липсинк — синхронизация губ с готовой звуковой дорожкой. Kling 3.0 и Veo 3.1 такой режим пока не поддерживают, но генерируют речь по тексту на русском языке.

Три модели для говорящего аватара: что выбрать

Мы протестировали три видеомодели на одном портрете и одной фразе на русском. Все сохранили лицо, веснушки и серёжку, но по-разному расставили паузы и мимику.

• Veo 3.1 — самая выразительная мимика, начинает говорить с первого кадра, речь почти до конца ролика. Длина до 8 секунд за генерацию. Подходит для эмоциональных роликов в соцсети.
• Kling 3.0 — спокойная «дикторская» артикуляция, начинает с закрытым ртом (0,5 с тишины), одна пауза посередине, в конце 2 секунды тишины и улыбка. Длина до 15 секунд. Удобно склеивать несколько фраз подряд.
• Seedance 2.5 — точнее всех следует пунктуации, четыре фразы с чёткими паузами 0,4–0,9 с, сдержанная артикуляция. Длина до 30 секунд. Единственная из трёх принимает свою аудиозапись — идеальна для липсинка со своим голосом.

Произношение конкретной фразы перед публикацией проверяйте на слух: Google не публикует список языков, на которых Veo 3.1 озвучивает речь, но русский поддерживается.

Как сделать говорящий аватар в CreatorHub AI: пошаговая инструкция

Откройте Telegram-бот @CreatorHubAI_bot или веб-приложение eazium.ru. На старте вы получаете 20 бесплатных кредитов — этого хватит на первое видео Seedance 2.5 Fast (8 кредитов ≈ 11–14 ₽).

Способ 1: текст в промпте (Veo, Kling, Seedance)

1. Нажмите «🎬 Видео» в главном меню бота или перейдите в раздел /c/video на сайте.
2. Загрузите портрет (лицо анфас, хорошее освещение, нейтральное выражение).
3. Выберите модель: Seedance 2.5 Fast (8 кредитов), Kling 3.0 (от 33 кредитов) или Veo 3.1 (от 72 кредитов).
4. В промпте напишите: A person speaks: "Ваш текст на русском". Реплику заключайте в кавычки.
5. Нажмите «Генерировать». Модель озвучит текст и синхронизирует губы.

Способ 2: свой голос через аудио (только Seedance 2.5)

1. Запишите реплику на телефон в тихой комнате, 5–15 секунд.
2. Загрузите портрет как первый кадр и аудиофайл как референс в Seedance 2.5.
3. В промпте напишите, что речь берётся из аудио: A person speaks following the provided audio reference.
4. Нажмите «Генерировать». Модель подгонит губы под вашу запись.

Если аудио длиннее 10 секунд, разбейте на несколько файлов или обрежьте — Seedance 2.5 принимает до 10 референсов за раз.

Цены и расход кредитов

Один кредит стоит примерно 1,4–1,7 ₽. Цены видео зависят от модели и длительности:

• Seedance 2.5 Fast — 8 кредитов за ролик до 5 секунд (≈ 11–14 ₽).
• Kling 3.0 — от 33 кредитов за ролик до 5 секунд.
• Veo 3.1 — от 72 кредитов за ролик до 8 секунд.

На стартовые 20 бесплатных кредитов новичку хватит на два-три ролика Seedance 2.5 Fast. Не советуем начинать с Kling или Veo — их стоимость выше, а бесплатных кредитов на полноценный тест не хватит. Пополнить баланс можно в рублях прямо в боте или на сайте.

Советы для лучшего результата

• Используйте портрет анфас с чётким лицом и нейтральным выражением — модель лучше держит черты.
• Если нужна длинная речь, разбейте на несколько коротких роликов и склейте в редакторе — так меньше шансов на артефакты.
• Для эмоциональных роликов выбирайте Veo 3.1, для ровного дикторского тона — Kling 3.0, для липсинка со своим голосом — Seedance 2.5.
• Проверяйте произношение на слух перед публикацией: иногда модель спотыкается на сложных словах или именах.

Говорящий аватар нейросетью — это быстрый способ оживить фото для соцсетей, презентаций или обучающих роликов. Попробуйте все три модели в CreatorHub AI и выберите ту, что подходит вашей задаче по балансу качества, скорости и цены.

Примеры: как это выглядит на самом деле

Пример сделан нашим сервисом — промпт указан, результат можно повторить:

FLUX Schnell. Промпт: «A photorealistic 3D digital avatar face mid-speech with visible sound waves and neural network nodes glowing around it, cinematic lighting, futuristic holographic interface style»