Как оживить фото нейросетью со звуком и голосом: инструкция 2026

Оживить фото нейросетью со звуком — значит сделать видео из фото: вы загружаете снимок стартовым кадром видеомодели, описываете словами, что должно двигаться, и звук генерируется вместе с роликом. Проще всего это сделать в Kling 3.0 или PixVerse V6: звук у обеих включён по умолчанию, ролик от 1–3 до 15 секунд. Если нужно добавить голос с вашим текстом, портрет и озвучку загружают в Kling Avatar или OmniHuman 2.0, а оживить фото под музыку можно в Seedance 2.5, подав трек референсом @Audio1. Так же оживляется картинка или рисунок. Всё делается за несколько минут в студии ИИшки — на русском, без VPN, с оплатой токенами.

Какую нейросеть выбрать, чтобы оживить фото

Если не знаете, с чего начать, — берите Kling 3.0: это самый предсказуемый вариант для одного фото, а звук приходит в том же ролике.

Если нужно повторить движение из готового ролика, Kling Motion Control — рабочий проверенный вариант, но для результата лучше режим Подмена: загрузите ролик от 4 до 30 секунд и фото, и персонаж повторит позы, мимику и движения губ, а звук оригинала сохранится. Промпт писать не нужно.

Как оживить фото нейросетью: 5 шагов

1

1. Подготовьте фотографию

Нейросеть работает с тем, что видит. Чем чище исходник, тем меньше артефактов:

• Загружайте оригинал, а не скриншот или пережатую копию из мессенджера.
• Лицо должно быть хорошо освещено и занимать заметную часть кадра.
• Один человек в кадре анимируется стабильнее, чем группа.
• Старое или мелкое фото сначала восстановите: как это сделать, разобрано в гайде как улучшить качество фото.

2

2. Выберите модель и загрузите фото как стартовый кадр

В студии откройте нужную модель и в слот «стартовый кадр» загрузите фото. У Kling 3.0 и PixVerse V6 это первый кадр будущего видео, у Seedance 2.5 фото можно подать и как референс @Image1, на который вы ссылаетесь в промпте.

3

3. Опишите движение, а не картинку

Главная ошибка новичка — описывать то, что уже есть на фото. Модель это видит. Промпт должен описывать, что меняется:

Портрет: человек медленно улыбается и слегка поворачивает голову к камере, естественная мимика, мягкий свет, камера неподвижна.

Рабочие формулы:

• Портрет «медленно улыбается», «моргает и смотрит в камеру», «ветер слегка шевелит волосы».
• Пейзаж или город «проезжают машины, идут люди», «облака медленно плывут, вода блестит».
• Камера «медленный наезд», «камера неподвижна», «лёгкий параллакс». Одно движение камеры на ролик.

Для звука добавьте одну фразу про аудио: «звуки улицы», «тихий шум дождя», «фоновая музыка без слов».

4

4. Задайте длительность и формат

Для сторис и Reels — 9:16, для YouTube и презентаций — 16:9. Длительность держите минимальной: 5 секунд для портрета почти всегда лучше 10 — на длинных роликах вероятность искажений растёт, а цена тоже. Стоимость генерации показывается в карточке модели до запуска.

5

5. Запустите и скачайте результат

Генерация занимает от одной до нескольких минут. Готовое видео сохраняется в разделе «Мои генерации» и, если привязан Telegram, приходит файлом в бот. Если результат не устроил — правьте промпт, а не фото: обычно достаточно смягчить движение или убрать лишнюю деталь из описания.

Как оживить фото со звуком, голосом или под музыку

Запрос «оживить фото и добавить голос» означает одно из трёх: нужен живой звук сцены, нужен конкретный текст из уст человека на фото или нужно попасть движением в музыку. Под каждую задачу — свой способ.

Способ 1. Звук генерирует сама видеомодель

Самый быстрый вариант: одна генерация, ничего склеивать не нужно. У Kling 3.0 и PixVerse V6 параметр «Звук» включён по умолчанию — проверьте, что вы его не выключили. Реплику пишите в кавычках и коротко: модель укладывает речь в длину ролика.

Женщина на фото поднимает взгляд на камеру, улыбается и говорит: «Привет, это я двадцать лет назад». Тихий шум кафе на фоне, камера неподвижна.

Голос в этом способе выбирает модель: тембр нельзя задать точно, только описать — «низкий спокойный мужской голос».

Способ 2. Голос с вашим текстом

Когда важны точные слова и конкретный голос — для поздравления, обращения или ведущего, — разделите работу на два шага:

1. Озвучьте текст в MiniMax: есть русские голоса и настройка скорости речи. Подойдёт и своя запись с диктофона. Скачайте аудиофайл.
2. Откройте Kling Avatar (аудио от 2 до 300 секунд) или OmniHuman 2.0 (до 5 минут), загрузите портрет и этот файл. Длина ролика задаётся дорожкой, губы и мимика подстраиваются под речь.

Делаете серию роликов — берите один и тот же голос во всех озвучках, иначе персонаж будет звучать по-разному. Подробный разбор с промптами — в гайде как сделать говорящее фото.

Способ 3. Оживить фото под музыку

Для клипа, сторис под трек или поздравления с песней:

1. Возьмите трек: свой или сгенерированный. Для Seedance 2.5 одна дорожка — до 30 секунд, поэтому вырежьте нужный кусок заранее.
2. В Seedance 2.5 выберите режим «Референсы», загрузите фото и аудио и сошлитесь на них в промпте:

Пара с @Image1 медленно кружится в танце в ритм @Audio1, лёгкий ветер в волосах, тёплый вечерний свет, камера плавно облетает их по кругу.

Seedance 2.5 держит до 30 секунд — этого хватает на куплет или припев. Если в кадре человек поёт и важно попасть губами в слова, берите OmniHuman 2.0: он строит мимику по самой песне.

Как оживить картинку или рисунок нейросетью

Картинка, рисунок, иллюстрация или арт из нейросети оживляются тем же способом, что и фото: изображение уходит стартовым кадром в видеомодель. Разница в промпте и в том, как модель обращается со стилем.

Три правила для рисованных изображений:

• Назовите стиль в начале промпта. Без этого модель тянет картинку к реализму, и рисунок превращается в «почти фото».
• Движения меньше, чем для фото. У рисованных лиц нет «правильной» анатомии, и резкий поворот головы ломает черты сильнее.
• Фон тоже можно оживить. Для пейзажей и открыток часто лучше двигать не героя, а мир вокруг: воду, облака, листву.

Акварельный рисунок, стиль сохраняется: девочка с воздушным шаром медленно поднимает голову к небу, шар покачивается на ветру, облака плывут, камера неподвижна. Звук: лёгкий ветер и далёкие птицы.

Частые ошибки и как их исправить

Что дальше

Оживлённое фото — обычно первый шаг. Если нужно, чтобы человек на фото заговорил, — гайд как сделать говорящее фото; если хочется танца из фото — танец из фото нейросетью; а сравнение видеомоделей по качеству и звуку собрано на странице лучшие нейросети для анимации фото.