Correção, 2026-10-02: as perguntas frequentes diziam que roteiros de lip sync mais longos são divididos e unidos com o Merge Videos. O Merge Videos (o nó Montage) gera um arquivo sem som, então perderia a voz. Agora elas dizem para juntar os clipes de lip sync na linha do tempo do modo Video Editor do 8frame ou no seu próprio editor.
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 app 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 1.5). 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, a ferramenta abre no OmniHuman v2: 71 créditos por 5 segundos, cobrados por segundo de áudio, de 4 a 35 segundos.
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 em vários clipes e unidos na linha do tempo do modo Video Editor do 8frame (com camadas de vídeo e som) ou no seu próprio editor. Não os junte com o Merge Videos: o arquivo final não tem som.
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: o app do 8frame, consultado em 2026-09-30; uso em produção: dados de produção do 8frame, somente leitura, 2026-09-30
- O arquivo do Merge Videos (Montage) não tem faixa de áudio: o app do 8frame, consultado em 2026-10-02; camadas do modo Video Editor: o app do 8frame, consultado em 2026-10-02
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.