Início/ Gerador IA de lip sync
Gerador IA de lip sync
Dê um rosto e uma voz. LTX-2 Lipsync sincroniza a boca da sua imagem ao arquivo de áudio enviado — o clipe tem exatamente a duração da fala.
Lip sync coloca fala sobre um rosto. Você envia um MP3 ou WAV do que deve ser dito e uma imagem de referência da pessoa que fala; LTX-2 Lipsync anima a boca para seguir o áudio. A duração segue seu áudio, não um seletor — até ~20 segundos por run — e renderiza em 480p, 720p ou 1080p, cobrado a cada 5 segundos de áudio.
- Modelo
- LTX-2 Lipsync
- Começa com
- Uma imagem e áudio
- Resultado
- MP4
- Duração
- Segue a duração do áudio
- Resolução
- 480P / 720P / 1080P
- Som
- Segue o seu áudio
- Créditos
- a partir de 32 créditos
- Uso comercial
- Incluído — ver preços
Seu áudio move a boca
Envie um MP3 ou WAV — diálogo, voz, narração — e a duração do clipe segue o arquivo: sem frase cortada nem ar morto.
Uma referência de rosto
Uma imagem frontal onde a boca aparece é tudo que o modelo precisa para decidir quem fala.
Você vê a duração antes de pagar
O estúdio lê a duração do seu áudio e estima os créditos antes de gerar — um take de 20 segundos nunca surpreende.
Rascunhe barato, finalize em 1080p
Preveja em 480p enquanto afina o take; depois o final em 720p ou 1080p.
Como sincronizar um rosto ao áudio
- Passo 1Envie o áudioMP3 ou WAV. Gravações limpas de um único falante sincronizam melhor — música pesada sob a fala confunde a boca.
- Passo 2Adicione o rostoUma imagem frontal onde a boca não está coberta. Óculos de sol ok, mão na boca não.
- Passo 3Confira a duração detectadaO estúdio mostra a duração de áudio lida — essa é a duração do clipe e a base do orçamento de créditos.
- Passo 4Reproduza contra o áudioObserve as consoantes na preview antes de renderizar o mesmo take em resolução maior.
Onde o lip sync se paga
Dublar um personagem
Dê diálogo real a uma figura ilustrada ou gerada — sem rigging, sem pipeline 3D.
Localizar um clipe falado
Troque a trilha de idioma e regenere a boca em vez de refilmar.
Memes de voz e retratos que cantam
Um retrato cantando um clipe de áudio é um formato social comprovado.
Consertar diálogo depois
Reescreva uma fala, regenere a sincronização — muito mais barato que reanimar o plano inteiro.
O que saber antes de gerar
- Dois inputs são obrigatórios: um arquivo de áudio MP3/WAV e uma imagem de rosto.
- Duração do clipe = duração do áudio, até ~20 segundos por run.
- Cobrança por cada 5 segundos de áudio: 32 créditos em 480p, 42 em 720p, 64 em 1080p.
- Áudio limpo de um único falante sincroniza muito melhor que gravação ruidosa ou com vários falantes.
Perguntas sobre lip sync
Que formatos de áudio valem?
MP3 e WAV. O estúdio lê a duração no upload e cobra a partir daí.
Quanto custa?
Por cada 5 segundos de áudio: 32 créditos em 480p, 42 em 720p, 64 em 1080p. Um clipe 720p de 10 segundos ≈ 84 créditos.
Posso enviar um vídeo em vez de um rosto?
Esta página toma imagem de rosto mais áudio. Para mudar o visual de um vídeo existente, use vídeo-para-vídeo.
Funciona com dois falantes?
É feito para um rosto e uma trilha — áudio multi-falante dá instruções ambíguas à boca.
Quão longo pode ser o áudio?
Clipes são produzidos na faixa de 5–20 segundos mostrada no estúdio; discursos longos se dividem em partes.
Ponha palavras num rosto
Abra o LTX-2 Lipsync com um arquivo de áudio e um retrato.
Continue por aqui
Ferramentas e páginas próximas que costumam vir a seguir.
Outras páginas de modelos
Cada página abre o seu modelo no mesmo estúdio.
Preços

