Inicio/ Generador IA de lip sync
Generador IA de lip sync
Dale una cara y una voz. LTX-2 Lipsync sincroniza la boca de tu imagen con el audio que subas — el clip dura exactamente lo que dura el habla.
El lip sync pone habla sobre una cara. Subes un MP3 o WAV con lo que debe decirse y una imagen de referencia de la persona que habla; LTX-2 Lipsync anima la boca para seguir el audio. La duración sigue a tu audio, no a un selector — hasta ~20 segundos por run — y renderiza en 480p, 720p o 1080p, facturado por cada 5 segundos de audio.
- Modelo
- LTX-2 Lipsync
- Empieza con
- Una imagen y audio
- Resultado
- MP4
- Duración
- Coincide con tu audio
- Resolución
- 480P / 720P / 1080P
- Sonido
- Sigue tu audio
- Créditos
- desde 32 créditos
- Uso comercial
- Incluido — ver precios
Tu audio mueve la boca
Sube un MP3 o WAV — diálogo, voz, voiceover — y la duración del clip sigue al archivo: nada de frases cortadas ni aire muerto.
Una referencia de cara
Una imagen frontal donde la boca se vea es todo lo que el modelo necesita para decidir quién habla.
Ves la duración antes de pagar
El estudio lee la duración de tu audio y estima los créditos antes de generar — un take de 20 segundos nunca sorprende.
Borra barato, finaliza en 1080p
Previsualiza en 480p mientras ajustas el take; luego el final en 720p o 1080p.
Cómo sincronizar una cara con audio
- Paso 1Sube el audioMP3 o WAV. Las grabaciones limpias de un solo hablante sincronizan mejor — música pesada bajo el habla confunde a la boca.
- Paso 2Añade la caraUna imagen frontal donde la boca no esté tapada. Gafas de sol sí, una mano sobre la boca no.
- Paso 3Comprueba la duración detectadaEl estudio muestra la duración de audio leída — esa es la duración del clip y la base de la estimación de créditos.
- Paso 4Escúchala contra el audioObserva las consonantes en la preview antes de renderizar la misma toma a mayor resolución.
Dónde el lip sync se paga
Doblar a un personaje
Dale diálogo real a una figura ilustrada o generada — sin rigging ni pipeline 3D.
Localizar un clip hablado
Cambia la pista de idioma y regenera la boca en vez de regrabar.
Memes de voz y stills que cantan
Un retrato cantando un clip de audio es un formato social probado.
Arreglar diálogo después
Reescribe una línea, regenera la sincronización — mucho más barato que reanimar el plano entero.
Qué saber antes de generar
- Se requieren dos inputs: un archivo de audio MP3/WAV y una imagen de cara.
- La duración del clip iguala la del audio, hasta ~20 segundos por run.
- Facturación por cada 5 segundos de audio: 32 créditos en 480p, 42 en 720p, 64 en 1080p.
- El audio limpio de un solo hablante sincroniza mucho mejor que grabaciones ruidosas o con varios hablantes.
Preguntas sobre lip sync
¿Qué formatos de audio valen?
MP3 y WAV. El estudio lee la duración al subir y cobra a partir de ahí.
¿Cuánto cuesta?
Por cada 5 segundos de audio: 32 créditos en 480p, 42 en 720p, 64 en 1080p. Un clip 720p de 10 segundos ≈ 84 créditos.
¿Puedo subir un video en vez de una cara?
Esta página toma imagen de cara más audio. Para cambiar el aspecto de un video existente, usa video a video.
¿Soporta dos hablantes?
Está hecho para una cara y una pista — el audio con varios hablantes da a la boca instrucciones ambiguas.
¿Cuánto puede durar el audio?
Los clips se producen en el rango de 5–20 segundos que muestra el estudio; los discursos largos se dividen en partes.
Pon palabras en una cara
Abre LTX-2 Lipsync con un archivo de audio y un retrato.
Sigue explorando
Herramientas y páginas cercanas que suelen abrirse después.
Otras páginas de modelos
Cada página abre su modelo en el mismo estudio.
Precios

