您提到的“AI图片讲话”可能是指通过人工智能技术让图片中的角色或人物“说话”。这项技术通常被称为“深度伪造”（Deepfake）的一种应用形式，但它也可以有更广泛的用途，比如教育、娱乐和虚拟助手等。

实现这一功能的技术主要包括以下几种：

1、语音合成（TexttoSpeech, TTS）：将文本转换为自然流畅的语音。
2、面部动画生成：根据音频输入生成与之匹配的面部表情和口型变化。
3、图像处理与渲染：确保生成的内容看起来真实且无缝衔接。

如果您对这项技术感兴趣，可以关注相关领域的开源项目或者商业服务。不过需要注意的是，在使用此类技术时应当遵守法律法规和社会伦理规范，避免滥用造成不良影响。