Volcengine Video Lip Sync AI 视频口型同步

当源视频的视觉效果已经符合要求，只有说话表演需要跟随另一条人声轨道时，可以使用它。这是视频加音频的口型同步工作流，并不是提示词驱动的视频生成器或肖像动画模型。

请上传恰好一个 MP4 或 MOV 视频，大小不超过 95 MB，以及一个 MP3、M4A、WAV、AAC 或 OGG 音频文件，大小不超过 10 MB。视频必须符合受支持的 360p 至 1080p 画面尺寸范围、24 至 60 fps 帧率和 1 至 30 Mbps 码率，并且两个文件的验签时长都必须为正数。

对于正对镜头的单人画面，如果需要更快处理和音频到视频的对齐设置，请选择 Lite。对于更复杂的单人场景，尤其是需要场景分段和说话人识别时，请选择 Basic。

在 Lite 模式中，当目标音频长于源画面时，音频对齐可以循环播放视频。只有开启对齐后才能使用反向循环；模板开始时间用于选择源序列的起点。Basic 模式不使用这些设置。

Rivya 按验签音频每秒 8 积分计费，输出时长跟随该音频。音频的小数时长会保留并参与完整计算，仅在任务预留总额处向上取整为整数积分。若收到的实际用量有效且不高于预留值，Rivya 会按实际用量结算；如果实际用量缺失、无效或高于预留值，任务会进入对账，而不会触发未说明的额外扣费。

将一个现有的单人视频与一条目标人声轨道配对，使画面中的说话动作跟随新音频，同时保留源视频作为视觉基础。

请使用说话人清晰可见且格式受支持的 MP4 或 MOV 文件，并准备一条清晰的人声轨道。检查视频大小不超过 95 MB，且分辨率、帧率和码率均在列出的限制内。

简单的正对镜头画面可先使用 Lite。场景较复杂，或需要场景分段和说话人识别时，请使用 Basic。

模型详情可公开查看，但上传素材和生成视频需要登录。验签音频每秒需要 8 积分，结果跟随音频时长，仅最终计算总额向上取整。

测试一个源视频与一条语音轨道可以留在此页面。当你需要保存多版配音、反复处理不同语言或录音版本、开展对比工作，或进行更长的本地化流程时，请打开 Studio。