双人说话
生成双人对话或播客视频
用一张双人图片生成自然的播客或对话视频。可以分别上传两位说话者的音频，也可以先把完整播客音频拆成不同角色轨道。
使用模型口型同步图像（两位说话者）
操作步骤
- 1上传双人图片。
- 2分别上传两条说话者音频。
- 3生成双人口型同步视频。
建议
如果使用音频分离，请先预听拆分结果。每条音轨应只包含对应角色的声音，同时保持原始时间轴。
AI 播客视频生成器
AI 播客视频生成器根据双人图片和说话者音频生成对话场景。独立音轨有助于将每个声音对应到正确的人物。 每位说话者使用独立音轨，并保留原始时间轴。生成前试听分离音轨，确认人物与声音的对应关系。
图像口型同步（两位说话者）：推荐——非常适合播客与对话场景；支持两位说话者。
*1. 上传照片或生成/编辑图像
选择上传两条已分好的角色音轨、分离一个已有播客，或先生成播客音频。
至少上传一个音频。如果左侧角色未上传音频，该角色将保持沉默。
至少需要上传一个角色音频。任何未上传音频的角色都将保持沉默。
至少上传一个音频。如果右侧角色未上传音频，该角色将保持沉默。
输出视频中两个音源的顺序。'meanwhile' 表示两个音源将同时播放，'left_right' 表示左侧音频将首先播放，然后播放右侧音频，'right_left' 表示右侧音频将首先播放，然后播放左侧音频。
公开展示
登录可领取每日免费点数，开始生成视频。关闭页面后任务仍会继续，请勿重复提交同一任务。历史结果可在“我的创作”中查看。
如何生成口型同步视频
第 1–3 个，共 9 个
说话人控制
控制多人画面中由哪个角色说话
当图片或视频中有多个人物，但只希望其中一个角色说话时，用说话人控制功能精确指定嘴型同步区域。
使用模型口型同步图像（最长10分钟，可控说话人）口型同步视频（可控说话人）
操作步骤
- 1先上传图片或视频。
- 2使用“控制谁说话”功能为说话角色创建遮罩。
- 3上传音频并生成。
建议
请在图片或视频上传成功后再创建遮罩。用白色覆盖说话角色的嘴唇、脸部、身体以及其它需要控制的区域。
一人说话一人倾听
让一个人说话，另一个人保持倾听
生成一个人说话、另一个人安静倾听的双人画面，适合访谈、反应视频、教学片段和播客场景。
使用模型口型同步图像（两位说话者）
操作步骤
- 1上传双人图片。
- 2只上传一条音频。
- 3生成倾听式视频。
建议
只提供一条说话音频时，选中的角色会开口说话，另一位角色保持静默，形成自然的倾听效果。
日语
西班牙语 / 源视频
西班牙语
源视频
AI 视频翻译
翻译视频并同步说话者嘴型
把一个源视频本地化成带翻译配音和口型同步的新版本，适合课程、产品演示、广告、教程和社媒内容出海。
使用模型AI 视频翻译
操作步骤
- 1上传源视频。
- 2选择目标语言。
- 3选择快速模式或高级模式。
- 4生成翻译后的视频。
建议
快速模式适合先出草稿；更重视质量时选择高级模式。
参考图片 · 参考音频 · 提示词
参考图片
@audio1
提示词
Use the song from @audio1 to generate a video of a man singing.
最佳视频生成
生成带镜头控制的全新口型同步视频
通过参考图片、参考音频和提示词生成新视频。适合需要控制镜头运动、画面风格、表情、动作或叙事的场景。
使用模型#1 最好的视频生成
操作步骤
- 1上传参考图片。
- 2上传参考音频。
- 3编写包含场景、镜头、动作和风格的提示词。
- 4生成视频。
建议
当你不只是要基础口型同步，而是需要电影感构图、镜头运动或风格化画面时，优先使用这个流程。
提示词
提示词
A panda sits on the left and looks at the camera, saying, "Hello everyone." After that, a raccoon on the right speaks and says, "Welcome to Lip Sync Studio"
提示词台词
从文本提示词生成说话视频
直接用文本提示词生成说话或对话视频。在提示词里写清角色要说的台词，同时描述场景、表情、节奏和镜头。
使用模型#1 最好的视频生成视频生成（经济版）
操作步骤
- 1选择最佳视频生成或视频生成模型。
- 2在提示词中写出完整台词。
- 3描述说话者、场景、镜头和时间顺序。
- 4生成说话视频。
建议
把台词直接写进提示词中，模型才能为每个角色生成同步语音和嘴型动作。
参考图片 · 提示词
参考图片
提示词
A cinematic, ultra-realistic SaaS video ad with native synchronized high-quality voiceover. At the opening frame, the bold white text "lipsync.studio" dynamically drops from the top, settling in the center with a soft organic bounce and a subtle glowing neon orange light, before scaling down to the bottom watermark. The camera dynamically zooms into @image1. The cat stands on stage holding the microphone, its whiskers twitching naturally and fur swaying as it speaks like a stand-up comedian, enthusiastically saying: "Why sing when you can just talk?". With a smooth slide-transition, it cuts to @image2. The cool gorilla leans its arm comfortably on the car window, blinking naturally and nodding its head as it talks in a deep, humorous voice: "Exactly, buddy. Just let AI do the talking." A fluid warp transition pans to @image3. The baby closed-eyes, swaying gently, holding the microphone with a natural grip, babbling happily with a sweet baby voice: "Try it for free now!". Photorealistic, 60fps fluid motion.
视频广告生成
生成电影感口型同步视频广告
用多张参考图片和详细提示词生成短视频广告。适合每个镜头都需要清晰角色、旁白和转场的品牌内容。
使用模型#1 最好的视频生成
操作步骤
- 1上传每个镜头对应的参考图片。
- 2粘贴包含 @image1、@image2、@image3 的提示词。
- 3描述旁白、镜头运动、转场和品牌文字。
- 4生成最终广告视频。
建议
让每个参考标签对应一个镜头，有助于模型保持角色身份和镜头顺序。
视频口型同步
替换或同步现有视频中的说话内容
上传已有视频和新的音频，生成口型同步版本。当视频中只有一个人需要说话时，也可以添加说话人遮罩。
使用模型口型同步视频（可控说话人）口型同步视频（仅唇部区域）
操作步骤
- 1上传源视频。
- 2上传新的音频。
- 3如有需要，可使用“控制谁说话”功能添加遮罩。
- 4生成口型同步视频。
建议
Lip Sync Video 会结合整体视频上下文；Only Lip Region 只聚焦嘴唇区域，并且原视频中的嘴唇必须清晰可见且有可检测动作。
图片转口型同步
用一张图片生成唱歌或演讲视频
上传一张人像和一段音频，即可生成唱歌、演讲或讲解类视频。适合数字人、虚拟主持、课程讲解、音乐头像和社媒短视频。
使用模型口型同步图像（最长10分钟，可控说话人）口型同步图像（最长5分钟，可控表情与动作）
操作步骤
- 1上传清晰的人像图片。
- 2上传演讲、旁白或唱歌音频。
- 3生成口型同步视频。
建议
如果图片里有文字，或需要更强的头部动作、表情控制，建议选择可控表情与动作的图片模型。
AI 播客视频生成器可以做什么？
AI 播客视频生成器根据双人图片和说话者音频生成对话场景。独立音轨有助于将每个声音对应到正确的人物。 每位说话者使用独立音轨，并保留原始时间轴。生成前试听分离音轨，确认人物与声音的对应关系。
需要准备什么
一张包含两个人的图片，以及分别对应两位说话者、时间对齐的音轨。
如何获得更好的效果
每位说话者使用独立音轨，并保留原始时间轴。生成前试听分离音轨，确认人物与声音的对应关系。
生成前请确认
可用模型、文件格式、时长、分辨率、积分和付费选项因流程而异。提交前请查看所选模型和生成器显示的费用。生成质量取决于原始素材，使用前请预览结果。
为什么选择我们的生成工具？
双人对话，轻松制作播客
用双人图片和独立音轨创建对话场景，将声音分配给对应人物，制作播客、访谈和一人说话一人聆听的视频。
高人物一致性
以原始人物、动物或角色的面部与参考细节为基础，保持角色在表演中的辨识度，让观众关注熟悉的形象和内容。
自然表情与生动表达
通过音频与表演提示词引导面部表情和动作，让角色传达更贴合台词的情绪。先预览短片，检查表情、嘴部与整体表达。
语音、音乐与图片工具集中使用
上传或录制音频，也可以使用文字转语音、声音克隆、音乐和图片生成工具准备素材。先试听和检查，再创建表演视频。
同时支持说话与演唱
利用说话、旁白或演唱音轨驱动角色。清晰的人声和可见的嘴部有助于制作问候、讲解和歌曲表演。
一个页面，生成视频、图片和音频
图片生成、录音、文字转语音、声音与音乐工具、视频动画集中使用，从准备素材到查看成片，在一个工作区完成创作。
常见问题
我需要准备哪些素材？
一张包含两个人的图片，以及分别对应两位说话者、时间对齐的音轨。
怎样提高生成效果？
每位说话者使用独立音轨，并保留原始时间轴。生成前试听分离音轨，确认人物与声音的对应关系。
需要确认哪些限制和费用？
可用模型、文件格式、时长、分辨率、积分和付费选项因流程而异。提交前请查看所选模型和生成器显示的费用。生成质量取决于原始素材，使用前请预览结果。
可以在这里准备语音、音乐和图片吗？
上传或录制音频，也可以使用文字转语音、声音克隆、音乐和图片生成工具准备素材。先试听和检查，再创建表演视频。
需要安装软件或准备显卡吗？
在浏览器上传素材并提交生成，无需安装 Python、CUDA 或配置本地 GPU。可以从已有图片或视频开始创作。
可以选择哪些输出分辨率？
可用模型、文件格式、时长、分辨率、积分和付费选项因流程而异。提交前请查看所选模型和生成器显示的费用。生成质量取决于原始素材，使用前请预览结果。
AI 播客视频生成器可以做什么？
AI 播客视频生成器根据双人图片和说话者音频生成对话场景。独立音轨有助于将每个声音对应到正确的人物。 每位说话者使用独立音轨，并保留原始时间轴。生成前试听分离音轨，确认人物与声音的对应关系。
嘴型同步 AI 定价
选择一个计划以即时访问由嘴型同步 AI 驱动的嘴型同步功能。使用嘴型同步 AI 为您的创意项目创建完美同步的视频。
标准版
$49.99
$39.99/月
-20%💎16,000点数
= 12,000 基础点数
+ 4,000 赠送点数 🎁+30%
* 年订阅额度一次性发放，按年周期刷新（每12个月）。
- 允许私有的嘴型同步 AI 视频
- 高质量嘴型同步 AI 输出
- 先进嘴型同步 AI 模型
- 优先的嘴型同步 AI 生成
安全支付
可用支付方式因设备和地区而异。
立省 50%
专业版
$99.99
$79.99/月
-20%💎33,000点数
= 25,200 基础点数
+ 7,800 赠送点数 🎁+30%
* 年订阅额度一次性发放，按年周期刷新（每12个月）。
- 允许私有的嘴型同步 AI 视频
- 高质量嘴型同步 AI 输出
- 先进嘴型同步 AI 模型
- 优先的嘴型同步 AI 生成
安全支付
可用支付方式因设备和地区而异。
基础版
$29.99
$24.99/月
-17%💎7,000点数
= 5,400 基础点数
+ 1,600 赠送点数 🎁+30%
* 年订阅额度一次性发放，按年周期刷新（每12个月）。
- 允许私有的嘴型同步 AI 视频
- 高质量嘴型同步 AI 输出
- 先进嘴型同步 AI 模型
- 优先的嘴型同步 AI 生成
安全支付
可用支付方式因设备和地区而异。
一次性购买
按需付费，点数永久不过期。
价格
点数
$9999
300,000
$4999
140,000
$2999
80,000
$1999
40,000
$999
16,000
$499
8,000
$199
3,000
安全支付
可用支付方式因设备和地区而异。
•
使用方法
如何使用AI播客视频生成器
上传音频和说话者图片，调整时长和质量等设置，即可立即生成专业的多人唇形同步播客视频。
AI驱动的多人唇形同步
我们的AI播客视频生成器使用先进技术对齐音素和面部动作，为专业播客视觉效果创建引人注目的多人唇形同步。
简单工作流程
01
上传音频和图片
将您的播客音频（MP3/WAV）和说话者图片（PNG/JPG）添加到AI播客视频生成器中。
02
调整设置
配置时长、质量和多人唇形同步偏好设置。
03
生成视频
创建具有同步多人唇形同步的专业播客视频。
04
预览和下载
查看您的AI生成播客视频，立即下载或分享。