AI语音转文字技术本身并不涉及让图片中的嘴巴说话。这种技术主要关注将音频信号转换为可读的文本格式，它通过分析音频信号中的语音特征，如音调、音量、语速等，来识别出对应的文字内容。
然而，要实现让图片中的嘴巴说话的效果，通常需要结合其他技术，如计算机视觉和图像处理技术，以及深度学习算法。这些技术可以识别图片中的嘴巴形状和运动，并将其与语音数据进行匹配和同步。通过这种方法，可以创建出一种视觉上看起来像是嘴巴在说话的效果，但实际上这仍然是对预先录制的语音数据进行处理和呈现的结果。
需要注意的是，这种技术目前仍处于发展阶段，并且面临着一些挑战和限制。例如，对于不同人的嘴巴形状和运动，以及不同语言和口音的语音数据，可能需要进行大量的训练和优化才能达到较为准确和自然的效果。此外，这种技术也可能涉及到一些伦理和隐私问题，需要在使用时谨慎考虑。
总之，AI语音转文字技术本身并不涉及让图片中的嘴巴说话，但结合其他技术和算法，可以实现类似的效果。然而，这种技术仍面临一些挑战和限制，需要在实际应用中仔细考虑和评估。