首页/ AI 唇形同步视频生成器
AI 唇形同步视频生成器
给它一张脸和一段声音。LTX-2 Lipsync 会把你图里的嘴型对上上传的音频——片子长度和这段声音一模一样。
速览
唇形同步是把一段说话的声音安到一张脸上。你上传一段 MP3 或 WAV 音频,再加一张说话者的参考图,LTX-2 Lipsync 会让嘴型跟着声音动。片长由音频决定,没有时长选项——一次约 20 秒以内——输出 480p、720p 或 1080p,按音频每 5 秒计费。
- 模型
- LTX-2 Lipsync
- 输入
- 图片 + 音频
- 输出
- MP4
- 时长
- 与音频时长一致
- 分辨率
- 480P / 720P / 1080P
- 声音
- 跟随你的音频
- 积分
- 32 积分起
- 商用
- 含商用授权,见价格页
嘴型跟着你的音频走
上传 MP3 或 WAV——台词、演唱、配音都行——片长自动跟着文件走,不会出现话说一半被剪掉。
一张人脸参考图
正面、嘴部无遮挡的图就够了,模型据此决定谁在说话。
先看到长度再付钱
工作台会读出音频时长并预估积分,20 秒的音频也不会给你惊喜账单。
便宜试片,1080p 出片
先在 480p 下调好这段表演,再用 720p 或 1080p 出最终版。
怎么把脸对上声音
- 步骤 1上传音频MP3 或 WAV。干净的单人录音对得最准——人声下面垫很重的音乐会把嘴型搞乱。
- 步骤 2加上那张脸正面、嘴没被挡住的图。墨镜没关系,手捂着嘴不行。
- 步骤 3核对读出的时长工作台会显示读到的音频长度——这就是片长,也是积分估算的依据。
- 步骤 4对着音频回放检查先看预览里的辅音咬字对不对,再决定要不要渲高分辨率版本。
唇形同步能用在哪
给角色配音
让插画或生成的人物说真台词,不用绑骨骼也不用 3D 流程。
给说话片段换语言
换一条语言轨重新生成嘴型,比重拍便宜。
唱歌梗图和人声段子
一张肖像唱一段音频,是被验证过的社交格式。
事后改台词
改一句词、重跑同步,比重做整个镜头便宜。
生成前要知道的
- 需要两个输入:一段 MP3/WAV 音频和一张人脸图。
- 片长等于音频长度,一次约 20 秒以内。
- 按音频每 5 秒计费:480p 为 32 积分,720p 为 42,1080p 为 64。
- 干净的单人录音效果明显更好;嘈杂或多人混音的音频会让嘴型无所适从。
唇形同步常见问题
支持什么音频格式?
MP3 和 WAV。上传后工作台会读出时长并按它计价。
多少积分一次?
音频每 5 秒:480p 32 积分,720p 42,1080p 64。10 秒的 720p 约 84 积分。
能上传视频代替人脸图吗?
本页是人脸图 + 音频。要改已有视频的画面,请用视频转视频页。
两个人说话能处理吗?
它是一张脸配一条音轨的设计——多人音频会让嘴型无所适从。
音频能有多长?
工作台里可选时长约 5–20 秒;更长的台词要拆成几段跑。
让一张脸开口说话
打开 LTX-2 Lipsync,准备一段音频和一张肖像。
接着做
相邻的工具和页面,大家通常接着打开这些。
其他模型页
每个页面都会在工作台里打开对应模型。
价格

