Skill talking-photo | sync. labs

Instale esta skill com npx skills add synchronicity-labs/skills --skill talking-photo, ou obtenha todas as skills com o plugin do Claude Code. Veja Skills de agente.

O que faz

A talking-photo transforma uma imagem estática em um vídeo falado. Envie uma foto, um retrato ou um personagem ilustrado, junto com um roteiro ou uma gravação, e ela devolve um MP4 desse rosto falando. O vídeo tem a mesma duração da fala.

Se você ainda não tem uma imagem e o seu agente consegue gerar imagens, ele se oferece para criar uma que funcione bem: um único rosto nítido, olhando para a câmera, enquadrado da cabeça aos ombros.

Quando usar

O que você tem	Use
Uma foto, um retrato ou um personagem ilustrado	`talking-photo`
Um vídeo de uma pessoa real	lipsync
Um clipe de vídeo gerado	ai-video-to-talking

Experimente

“Faça o retrato da nossa CEO dizer: bem-vindo à Acme, que bom ter você aqui”
“Crie uma barista simpática em estilo cartoon e faça ela dizer bom dia”
“Faça ./portrait.png dizer o que está em ./greeting.mp3”

O que você precisa

O servidor MCP da sync. conectado ou SYNC_API_KEY definida. A skill setup orienta você em qualquer uma das opções.
Uma imagem com um único rosto humano ou humanoide nítido. Animais e personagens não humanoides não são compatíveis.
Um roteiro, ou um arquivo de áudio, uma URL ou um asset da sync.

Perguntas frequentes

Ela pode escolher a voz por mim?

Sim. Ela lista as vozes da sua conta e sugere duas ou três que combinam com o personagem. Diga “escolha você mesma” e ela decide.

Por que a estimativa é “aproximada”?

Com um roteiro, a duração da fala é estimada pela contagem de palavras até que ela seja gerada. A síntese de voz é cobrada separadamente do lipsync, e o agente avisa isso.

Minha imagem foi rejeitada.

A sync. precisa de um único rosto nítido e de tamanho razoável. Fotos em grupo, rostos muito pequenos e perfis são as causas mais comuns. O agente explica qual é o caso e sugere um enquadramento mais fechado, da cabeça aos ombros.

Posso fazer uma celebridade dizer algo?

Não. A skill se recusa a colocar palavras na boca de uma pessoa real e identificável para enganar. Suas próprias fotos, sua equipe (com autorização) e personagens fictícios não têm problema.

Está funcionando se

O agente escolhe uma voz da lista da sua conta, não um ID inventado.
Você vê a estimativa antes de o vídeo ser criado.
O resultado é um único MP4 do rosto dizendo exatamente as suas palavras.