Start/ KI Lip-Sync Video Generator
KI Lip-Sync Video Generator
Gib ihm ein Gesicht und eine Stimme. LTX-2 Lipsync bringt den Mund in deinem Bild auf die hochgeladene Audiodatei — der Clip ist exakt so lang wie die Sprache.
Lip-Sync legt Sprache auf ein Gesicht. Du lädst ein MP3 oder WAV mit dem Gesprochenen hoch und ein Referenzbild der Person; LTX-2 Lipsync animiert den Mund passend zum Audio. Die Länge folgt deinem Audio, nicht einem Dauerwähler — bis etwa 20 Sekunden pro Run — und rendert in 480p, 720p oder 1080p, abgerechnet pro 5 Sekunden Audio.
- Modell
- LTX-2 Lipsync
- Eingabe
- Ein Bild und Audio
- Ausgabe
- MP4
- Länge
- Entspricht der Audiolänge
- Auflösung
- 480P / 720P / 1080P
- Ton
- Folgt deinem Audio
- Credits
- ab 32 Credits
- Kommerziell
- Enthalten — siehe Preise
Dein Audio steuert den Mund
Lade ein MP3 oder WAV hoch — Dialog, Gesang, Voiceover — und die Clip-Länge folgt der Datei: kein abgeschnittener Satz, keine toten Sekunden.
Eine Gesichtsreferenz
Ein frontales Bild mit sichtbarem Mund genügt, damit das Modell weiß, wer spricht.
Länge sichtbar, bevor du zahlst
Das Studio liest deine Audiodauer und schätzt die Credits vor der Generierung — ein 20-Sekunden-Take überrascht nie.
Günstig entwerfen, in 1080p finishen
Preview in 480p, während du den Take feilst; dann das Finale in 720p oder 1080p rendern.
So synchronisierst du ein Gesicht zum Ton
- Schritt 1Audio hochladenMP3 oder WAV. Saubere Einzelsprecher-Aufnahmen syncen am besten — schwere Musik unter der Sprache verwirrt den Mund.
- Schritt 2Das Gesicht hinzufügenEin frontales Bild, auf dem der Mund frei ist. Sonnenbrille okay, Hand vor dem Mund nicht.
- Schritt 3Die erkannte Länge prüfenDas Studio zeigt die gelesene Audiodauer — das ist deine Clip-Länge und die Basis der Credits-Schätzung.
- Schritt 4Gegen das Audio abspielenAchte in der Preview auf die Konsonanten, bevor du denselben Take höher renderst.
Wo Lip-Sync sich auszahlt
Eine Figur synchronisieren
Gib einer Illustration oder generierten Figur echten Dialog — ohne Rigging, ohne 3D-Pipeline.
Einen sprechenden Clip lokalisieren
Sprachspur tauschen, Mund neu generieren — statt neu zu drehen.
Singende Stills und Voice-Memes
Ein Porträt, das einen Audioclip singt, ist ein bewährtes Social-Format.
Dialog nachträglich fixen
Zeile umschreiben, Sync neu generieren — billiger als den ganzen Shot neu zu animieren.
Vor dem Generieren wissen
- Zwei Inputs sind Pflicht: eine MP3/WAV-Audiodatei und ein Gesichtsbild.
- Clip-Länge = Audiolänge, bis etwa 20 Sekunden pro Run.
- Credits werden pro 5 Sekunden Audio berechnet: 32 in 480p, 42 in 720p, 64 in 1080p.
- Sauberes Einzelsprecher-Audio synct deutlich besser als laute oder mehrstimmige Aufnahmen.
Fragen zu Lip-Sync
Welche Audioformate funktionieren?
MP3 und WAV. Das Studio liest beim Upload die Dauer und preist den Run danach.
Was kostet es?
Pro 5 Sekunden Audio: 32 Credits in 480p, 42 in 720p, 64 in 1080p. Ein 10-Sekunden-Clip in 720p kostet etwa 84 Credits.
Kann ich statt des Gesichts ein Video hochladen?
Diese Seite nimmt Gesichtsbild plus Audio. Um den Look eines bestehenden Videos zu ändern, nimm Video-zu-Video.
Gehen auch zwei Sprecher?
Es ist für ein Gesicht und eine Tonspur gebaut — Mehrsprecher-Audio gibt dem Mund ambivalente Anweisungen.
Wie lang darf das Audio sein?
Clips werden im Bereich von 5 bis 20 Sekunden erzeugt, wie im Studio gezeigt; längere Reden müssen in Teile gesplittet werden.
Worte in ein Gesicht legen
Öffne LTX-2 Lipsync mit einer Audiodatei und einem Porträt.
Weiter geht’s
Naheliegende Werkzeuge und Seiten als Nächstes.
Andere Modellseiten
Jede Seite öffnet ihr Modell im selben Studio.
Preise

