Создаёт говорящее видео: оживляет лицо на фото и синхронизирует мимику и губы с вашим аудио. Цена: 480p — 7 ₽/сек., 720p — 14 ₽/сек.
LongCat Avatar — нейросеть Meituan, которая превращает фото и запись голоса до двух минут в говорящее видео: губы, мимика и голова двигаются под звук. Модель учили не замирать в паузах, и в нашей пробе герой в тишине улыбался, щурился и чуть поводил головой.
Входы для проб те же, что мы давали InfiniteTalk: так модели можно сравнить честно. Портрет женщины создан в GPT Image 2, такого человека нет, её голос синтезирован в «Меге». Рыжего кота в очках нарисовала Nano Banana 2 Lite, говорит он голосом из MiniMax Speech 2.8. Оба героя и оба голоса выдуманы, качество в обеих пробах — 480p.
«Привет! Это я, только на фото. И я правда говорю» длится 3,6 секунды, оплачены 4. Задание такое же, как в пробе InfiniteTalk.
Спокойно говорит в камеру, лёгкая улыбка, естественно моргает
LongCat Avatar · 480p, запись 3,6 с · от 7 ₽/сек.
Губы попадают в слова. Улыбка вышла не лёгкой, а широкой, с зубами, почти на весь ролик; спокойная полуулыбка появляется только на последнем слове. Ещё героиня понемногу подаётся к камере, и к концу её лицо занимает в кадре заметно больше места. Нам показалось, что вблизи оно стало чуть шире, чем на исходном снимке. Стена за спиной и свитер не плывут. Ролик пришёл примерно через три минуты.
Разработчики пишут, что учили модель не застывать на тишине: у многих говорящих нейросетей лицо в паузе каменеет. Мы проверили это на коте. Из его реплики оставили «Добрый вечер» (около секунды), а дальше добавили почти две секунды тишины. Всего 2,85 секунды, к оплате 3.
Кот-библиотекарь говорит доброжелательно и с хитрецой, слегка наклоняет голову, моргает, придерживает книгу лапами
LongCat Avatar · 480p, фраза 1 с и пауза 1,7 с · от 7 ₽/сек.
На «Добрый вечер» кот открывает кошачью пасть и хитро жмурится. Потом звук кончается, а кот продолжает жить: рот не сразу закрывается, ещё полсекунды виден кончик языка, затем морда складывается в довольную улыбку, голова чуть покачивается, а в самом конце он снова щурится. Беззвучно «говорить» в тишине он не стал. Очки, книга и полки за спиной всё время на месте.
Загрузите снимок героя в поле Фото и его реплику длиной до двух минут в поле Аудио. Голос модель не меняет и слов не добавляет: в ролике звучит ваш файл, а лицо подстраивается под него. Если своей записи нет, синтезируйте её в разделе «Озвучка текста» и скачайте MP3.
Поле Задание необязательное: в нём описывают настроение и манеру. В поле Качество выбирают 480p или 720p; по умолчанию стоит 720p. Длина видео равна длине записи, ориентация берётся с фото.
Оплата посекундная, по длине записи, неполная секунда считается целой. Сумма появляется на кнопке Отправить, как только загружено аудио. Готовое видео приходит в ленту под формой и неделю хранится в Моих результатах: его можно скачать или сохранить в библиотеку. Изменить вернёт фото, запись и настройки в форму, Повторить сразу запустит то же задание ещё раз.
| Поле | Что ставить | Когда менять |
|---|---|---|
| Качество | 480p для проб и роликов в мессенджер | 720p — для итогового ролика на большой экран; секунда стоит дороже |
| Фото | Снимок, где в кадре один человек или персонаж и хорошо видны губы. JPG, PNG, WebP или HEIC с iPhone | Для крупного плана обрежьте снимок до загрузки, сама модель кадр не приближает |
| Аудио | Чистый голос без музыки, до 120 секунд; подойдёт любой распространённый формат звука, включая M4A с iPhone | Срежьте тишину в начале и в конце, если она не нужна: каждая секунда оплачивается |
| Задание | Пусто или одна фраза о настроении, до 2000 знаков | Когда нужен определённый характер: строгий, весёлый, сдержанный |
Хватает одной строки: кто в кадре, с каким настроением говорит, куда смотрит, как держит голову. Мы писали по-русски, и модель это понимала: кот получился хитрым, как просили. Реплику в задание не переписывайте, губы всё равно следуют только за звуком.
Заготовки:
[Кто] говорит [деловито / мягко / с иронией], без широкой улыбки, сидит ровно, взгляд в объектив
[Кто] рассказывает с увлечением, улыбается, иногда кивает, между фразами задумчиво смотрит в сторону
Где ошибаются чаще всего:
Платите за каждую секунду звука, в 720p секунда дороже.
| Качество | Длина записи | Цена |
|---|---|---|
| 480p | 5 с | 35 ₽ |
| 720p | 5 с | 70 ₽ |
| 480p | 30 с | 210 ₽ |
| 720p | 30 с | 420 ₽ |
| 480p | 2 мин | 840 ₽ |
| 720p | 2 мин | 1 680 ₽ |
Форма открывается с 720p. Для первой пробы переключите на 480p и отправьте кусок записи секунды на три-четыре: так видно, подходит ли фото и манера. Полную запись в 720p стоит запускать, когда проба устроила.
На странице проекта разработчики сравнивают свою модель с InfiniteTalk: по их словам, у той движения бывают скованными, будто герой приклеен к исходному снимку, а LongCat играет живее. Мы отправили в обе нейросети один и тот же портрет, ту же фразу и то же задание, обе в 480p:
LongCat Avatar · 480p · от 7 ₽/сек.
InfiniteTalk · Обычная, 480p · от 3 ₽/сек.
Кадр одинаковый, 544×720, губы в обоих роликах попадают в слова. InfiniteTalk улыбается на приветствии, а дальше говорит почти серьёзно и держится на одном месте. LongCat улыбается почти до конца и выглядит эмоциональнее, но от задания «лёгкая улыбка» отходит дальше. Для тёплого приветствия или рекламы мы бы взяли LongCat, для спокойного ведущего — InfiniteTalk. У InfiniteTalk к тому же есть модель «Быстрая» для дешёвых проб, а в наших пробах InfiniteTalk отвечал быстрее даже в «Обычной».
Версия 1.5 Multi — продолжение той же модели, разработчики выложили её в мае 2026 года. На сайте она сделана для двоих: одно фото с людьми слева и справа, две записи и поле Порядок речи, где выбирают, говорят ли они по очереди или одновременно. Если в кадре один герой, берите эту страницу; если двое и у каждого своя реплика — 1.5 Multi.
| Нейросеть | Цена | Что делает | Когда брать |
|---|---|---|---|
| LongCat Avatar 1.5 Multi | от 6 ₽/сек. | фото с двумя людьми и две записи, общая длина в цене до 64 секунд; 480p или 720p | диалог, интервью, сценка на двоих |
| InfiniteTalk | от 3 ₽/сек. | фото и одна запись до 10 минут; модели «Обычная» и «Быстрая» | спокойная подача и длинные записи |
| OmniHuman 1.5 | 35 ₽/сек. | снимок и звук без поля задания: игру лица и рук подбирает по смыслу сказанного | когда не хочется ничего описывать |
| Kling AI Avatar 2 | от 10 ₽/сек. | портрет и звук длиной до 5 минут; модели Standard и Pro | нужен кадр крупнее 720p: в нашей пробе Pro дала 1072×1920 |
Как с тем же портретом справляются другие модели, показано в разделе каталога «Говорящее фото».
Описание обновлено 20 октября 2026 г.