Fazer uma imagem fixa falar com a sua própria faixa de áudio custa no 8frame de 17 créditos por 5 segundos (Pruna Avatar em 720p) a 112 (OmniHuman 1.5), com o Hailuo H3 Max Lip Sync no meio, de 34 a 216 conforme a resolução. Um crédito vale US$ 0,01 no preço dos pacotes. Essas ferramentas recebem um retrato e uma faixa de áudio, e o resultado dura o mesmo que o áudio. O Runway Act Two é o outro caminho: uma atuação real gravada em vídeo move um personagem, a 8 créditos por segundo. Os preços foram lidos do código de preços do 8frame em 2026-09-30.
Ferramentas de lip sync no 8frame, numa tabela
| Ferramenta | O que você envia | Duração | 5 segundos | Créditos por segundo |
|---|---|---|---|---|
| Pruna Avatar | um retrato e uma faixa de áudio | a do áudio, até 35 s | 17 em 720p, 31 em 1080p | 3,4 / 6,1 |
| Hailuo H3 Max Lip Sync | uma imagem fixa e uma faixa de áudio | a do áudio, mínimo de 5 s, até cerca de 15 s | 34 / 54 / 108 / 216 em 480p / 768p / 1080p / 2K | 6,75 / 10,8 / 21,6 / 43,2 |
| OmniHuman 1.5 | uma imagem e uma faixa de áudio | de 5 a 35 s, cobrado em blocos de 5 segundos | 112 | 22,4 |
| Runway Act Two | um personagem (imagem ou vídeo) e um vídeo de atuação | de 3 a 30 s de referência | 40 | 8 |
Nenhuma dessas ferramentas teve gerações em produção no 8frame nos 30 dias até 2026-09-30, então citamos o preço, não a qualidade. Teste com o seu próprio retrato e a sua voz antes de fechar um projeto.
Como cada uma cobra
O Pruna Avatar cobra por segundo de vídeo gerado, e o vídeo acompanha o seu áudio, que o 8frame mede e arredonda para o segundo seguinte. Em 720p são 3,375 créditos por segundo; em 1080p, 6,075. Faixas com mais de 35 segundos são recusadas antes da cobrança. O resultado mantém o formato do retrato.
O Hailuo H3 Max Lip Sync também cobra a duração do áudio, com mínimo de 5 segundos, em quatro níveis de resolução; 768p é o padrão. Ele aceita cerca de 15 segundos de áudio por geração, então um roteiro mais longo vira vários clipes.
O OmniHuman 1.5 cobra em blocos de 5 segundos, de 5 a 35: uma faixa de 7 segundos é cobrada como 10 segundos, 224 créditos.
O Runway Act Two é de outro tipo: em vez de uma faixa de áudio, você envia um vídeo de alguém atuando, e ele transfere a atuação (rosto e ritmo) para o seu personagem, a 8 créditos por segundo da referência.
Uma cabeça falante de 30 segundos, com custos
Um retrato e um roteiro de 30 segundos lido por uma voz sintética:
| Caminho | Geração | Créditos |
|---|---|---|
| Retrato | Nano Banana 2, 1K | 11 |
| Faixa de voz (menos de 1.000 caracteres) | ElevenLabs texto para fala | 13 |
| Pruna Avatar, 720p, 30 s | um clipe | 102 |
| Pruna Avatar, 1080p, 30 s | um clipe | 183 |
| Hailuo H3 Max Lip Sync, 768p | dois clipes de 15 segundos | 324 |
| OmniHuman 1.5, 30 s | um clipe | 672 |
Ou seja, uma cabeça falante de 30 segundos custa de 126 créditos (retrato, voz e Pruna Avatar em 720p) a 696 (o mesmo com OmniHuman). Com a sua própria voz gravada em vez de texto para fala, tire os 13.
Qual usar
O mais barato, e com duração para um roteiro inteiro: Pruna Avatar, até 35 segundos num clipe só.
A maior resolução: Hailuo H3 Max Lip Sync em 2K (216 por 5 segundos).
Quando o ritmo de um ator real importa mais que uma faixa de voz: Runway Act Two, a partir de um vídeo de atuação.
Quando você não tem faixa de áudio: os modelos que geram uma pessoa falando com som numa só passada, como o Veo 3.1 (448 créditos por 8 segundos com áudio), produzem a voz do modelo, não a sua. Para uma voz específica, crie a faixa primeiro e use uma ferramenta de lip sync.
Antes de começar
Use um retrato que você tenha o direito de animar e uma voz que você tenha o direito de usar. O rosto ou a voz de uma pessoa real exige o consentimento documentado dela, e as plataformas têm regras para identificar pessoas sintéticas realistas.
O que conferir: o formato da boca nas consoantes fortes, dentes estáveis, piscadas naturais e se a cabeça não se afasta do enquadramento do retrato num clipe longo.
Perguntas frequentes
Qual é o lip sync com IA mais barato? No 8frame, o Pruna Avatar em 720p: 17 créditos por 5 segundos, 102 por 30 segundos.
Quanto custa o OmniHuman? No 8frame, 22,4 créditos por segundo, cobrados em blocos de 5 segundos de 5 a 35: 112 por 5 segundos, 672 por 30.
Quanto tempo pode ter um clipe de lip sync? Até 35 segundos com Pruna Avatar ou OmniHuman, e cerca de 15 segundos por clipe com o Hailuo H3 Max Lip Sync. Roteiros mais longos são divididos e unidos (o Merge Videos custa 10 créditos por junção).
Lip sync é o mesmo que avatar falante? É o núcleo dele: uma imagem fixa de uma pessoa animada sobre uma faixa de áudio. Todos os preços de vídeo por segundo estão em preço por segundo do vídeo com IA.
Fontes
- Preços, durações e regras de cobrança do lip sync no 8frame: funções de custo em créditos do registro de ferramentas do 8frame, lidas em 2026-09-30; uso em produção: dados de produção do 8frame, somente leitura, 2026-09-30
Crie a faixa de voz, escolha o preço e confira a boca. O canvas do 8frame é gratuito e ilimitado; a geração é paga a partir de US$ 19 por mês.