Создаёт говорящее видео: анимирует лицо на фото и подгоняет движения губ под загруженное аудио. Цена: 5 ₽/сек. (зависит от длительности аудио, округление до целой секунды вверх).
Wan 2.1 MultiTalk — нейросеть команды MeiGen-AI, которая делает говорящего персонажа из одного фото и вашей записи: губы, мимика и голова двигаются под речь или песню. В наших пробах она оживила портрет, мультяшного кота и певицу, а поле «Задание» меняло настроение героя.
MultiTalk придумали для разговорных роликов, отсюда и «Multi» в названии: в исходной версии модель получает отдельную запись на каждого героя. В форме сайта поле Аудио одно, и мы проверили, получится ли у нейросети говорящий персонаж с одной записью, в четырёх случаях: обычный портрет, нарисованный кот, песня под музыку и двое ведущих подкаста за одним столом. Всех героев мы придумали и нарисовали картиночными нейросетями сайта (кота, певицу и ведущих — в Nano Banana 2 Lite), голоса синтезированы озвучкой сайта. Ни этих людей, ни этих голосов в жизни нет.
Начали с простого: портрет женщины на светлом фоне и фраза «Привет! Это я, только на фото. И я правда говорю», озвученная в «Меге». Запись длится 4 секунды, в задании просили спокойную речь и лёгкую улыбку.
Спокойно говорит в камеру, лёгкая улыбка, естественно моргает
Wan 2.1 MultiTalk · портрет 3:4, запись 4 с · 5 ₽/сек.
Губы идут за словами, героиня моргает и чуть поворачивает голову. «Лёгкую» улыбку модель поняла по-своему: на «Привет» женщина улыбается во весь рот, и дальше подача остаётся заметно бодрее, чем мы просили. Ролик пришёл вертикальным, 544×720 точек, через минуту с небольшим.
Разработчики MultiTalk обещают, что модель справится и с нарисованными героями. Мы проверили это на рыжем коте в очках: картинка в стиле 3D-мультфильма, мужской голос «Иван» с эмоцией «Радость» из MiniMax Speech 2.8, фраза на 5 секунд.
Кот-библиотекарь говорит доброжелательно и с хитрецой, слегка наклоняет голову, моргает, придерживает книгу лапами
Wan 2.1 MultiTalk · 3D-персонаж, запись 5 с · 5 ₽/сек.
Говорит кот своей мордой: двигаются щёки и подбородок, человеческий рот у него не появился. В паузе после «Добрый вечер» рот закрыт, а на второй фразе кот хитро щурится и наклоняет голову, как просило задание. Книга остаётся в лапах все пять секунд, очки на месте.
Для пения мы взяли шесть секунд припева «Последний трамвай» из песни, которую раньше сделали в Suno, и фото женщины в вечернем трамвае. Музыку под голосом оставили как есть.
Женщина мечтательно поёт, слегка покачивает головой в такт, за окном проплывают огни города
Wan 2.1 MultiTalk · песня с музыкой, 6 с · 5 ₽/сек.
Героиня поёт, прикрыв глаза, и покачивает головой, на долгих гласных рот остаётся открытым. Музыка под голосом модели не помешала. Вторую половину задания MultiTalk пропустила: огни за окном стоят на месте. В нашей пробе двигался только сам герой, а фон оставался таким, как на фото.
Последнюю пробу мы сделали ради слова «Multi». На фото двое ведущих подкаста. Запись сделали в Gemini 3.1 Flash TTS в режиме «Диалог»: мужской голос задаёт вопрос, женский отвечает. В задании прямо написали, кто где сидит и кто говорит.
Мужчина слева задаёт вопрос, женщина справа отвечает ему. Пока один говорит, второй молчит, слушает и кивает
Wan 2.1 MultiTalk · двое на фото 16:9, одна запись 8 с · 5 ₽/сек.
Обе головы живые: кивают, переглядываются, улыбаются.
Только роли достались не тем. Пока звучит мужской вопрос, губы шевелятся у женщины, а на её ответе говорит мужчина. Так модель повела себя с одной общей записью: какой голос чей, она угадывает сама, и подсказка в задании в нашей пробе не помогла. Для диалога двоих есть InfiniteTalk Multi, где у каждого героя своя запись, слева и справа.
В форме два обязательных поля. В Фото загружают героя, в Аудио — то, что он должен сказать или спеть. Слов от себя MultiTalk не придумывает и голос не подменяет, поэтому в готовом ролике звучит ровно ваш файл. Подойдёт запись с диктофона или озвучка из раздела «Озвучка текста».
Поле Задание необязательно. В нём пишут, с каким настроением говорит герой и что делает лицом: улыбается, щурится, кивает. Длина ролика равна длине записи, ориентация повторяет фото. Выбирать качество не нужно: оно одно, 480p.
Оплата идёт за секунды записи, неполная секунда округляется вверх. Сумму покажет кнопка Отправить, как только загрузится аудио. Ролик приходит в ленту прямо под формой, а в Моих результатах хранится неделю: за это время его стоит скачать или сохранить в библиотеку. Изменить вернёт фото, запись и задание в форму для правки, Повторить запустит то же задание заново.
| Поле | Что нужно | Когда менять |
|---|---|---|
| Фото | Один герой, лицо целиком в кадре, рот не прикрыт рукой, микрофоном или шарфом. JPEG, PNG, WebP или HEIC с iPhone, до 10 МБ | Вертикальное фото даёт вертикальный ролик, горизонтальное — горизонтальный. Нужен крупный план — обрежьте снимок заранее |
| Аудио | Речь или песня от 1 секунды до 10 минут: MP3, WAV, M4A, AAC, FLAC, OGG или OPUS, до 100 МБ | Обрежьте тишину в начале и в конце. Запись кота после обрезки стала 4,98 секунды, и мы заплатили за 5 секунд вместо 6 |
| Задание | До 2000 знаков, можно оставить пустым | Заполняйте, когда важны настроение и мимика. Текст реплик сюда переписывать не нужно |
Удобный порядок: кто говорит, с каким настроением, что делает лицом и головой. Русский язык модель понимает: каждое наше задание было по-русски. Настроение модель меняет охотно, а вот точное время жеста держит плохо. Ту же фразу, что в первой пробе, мы отправили с другим заданием.
Говорит удивлённо и весело, высоко поднимает брови, на последних словах дважды кивает, в конце подмигивает
Wan 2.1 MultiTalk · то же фото и та же фраза, другое задание · 5 ₽/сек.
Героиня сразу распахнула глаза и подняла брови, подача стала удивлённой. Подмигнула она тоже, но не в конце, как мы просили, а перед словами «правда говорю», и кивнула один раз вместо двух. На точный жест в нужную секунду мы бы не рассчитывали.
Шаблоны, в которые остаётся подставить своё:
[Кто] говорит [спокойно / весело / серьёзно], смотрит в камеру, [улыбается / щурится / поднимает брови], слегка кивает на паузах
[Кто] поёт [мечтательно / громко / с улыбкой], закрывает глаза на долгих нотах, покачивает головой в такт
Три частые ошибки. Просить движение фона или камеры: огни за окном трамвая у нас так и не поехали. Переписывать в задание текст реплик: губы всё равно следуют только за звуком. И надеяться, что задание само распределит реплики между двумя героями.
Цена одна на любую запись и зависит только от её длины в секундах.
| Длина записи | Цена |
|---|---|
| 5 с | 25 ₽ |
| 10 с | 50 ₽ |
| 30 с | 150 ₽ |
| 1 мин | 300 ₽ |
| 5 мин | 1 500 ₽ |
| 10 мин | 3 000 ₽ |
Для первой пробы хватит отрывка на 4–5 секунд. Он покажет, справилась ли модель с вашим фото и настроением, и только потом есть смысл отправлять запись целиком, будь то минутное обращение или куплет песни. Упавший запуск не оплачивается: деньги возвращаются на баланс.
Ближайший сосед, Wan 2.2 Avatar от Alibaba, устроен так же: та же форма с фото, записью и заданием, плюс выбор 480p или 720p. Мы отправили в обе нейросети одно и то же: портрет из первой пробы, четырёхсекундную фразу и задание «Спокойно говорит в камеру, лёгкая улыбка, естественно моргает». Wan 2.2 Avatar мы тоже запускали в 480p.
Wan 2.1 MultiTalk · 480p · 5 ₽/сек.
Wan 2.2 Avatar · 480p · от 6 ₽/сек.
Ролики оказались похожи сильнее, чем мы ждали: одинаковый размер 544×720, губы в обоих идут за словами, ждали оба чуть больше минуты. Разница в характере. MultiTalk играет ярче и смеётся во весь рот, у Wan 2.2 Avatar улыбка ближе к «лёгкой» из задания.
MultiTalk мы бы взяли для мультяшного героя и живой, эмоциональной подачи. Wan 2.2 Avatar лучше подойдёт, когда нужен 720p, кадр по пояс с жестами рук или сдержанная манера. Ещё две альтернативы собраны в таблице.
| Нейросеть | Цена | Что делает | Когда брать |
|---|---|---|---|
| Wan 2.2 Avatar | от 6 ₽/сек. | говорящее фото в 480p или 720p, жесты по заданию | нужен 720p или кадр по пояс с руками |
| InfiniteTalk Multi | от 3 ₽/сек. | двое на фото, по записи на каждого, говорят по очереди или одновременно | диалог, интервью, подкаст |
| OmniHuman 1.5 | 35 ₽/сек. | человек говорит или поёт, мимику и жесты подбирает по смыслу слов, настроек нет | выразительная игра без всякого задания |
Все говорящие нейросети сайта на одном портрете сравнивает раздел «Говорящее фото», а про остальные модели семейства рассказывает обзор Wan.
Описание обновлено 2 октября 2026 г.