LipSync Studio 将图片与音轨组合成说话或唱歌视频。图片提供角色和构图，音频提供语言或演唱内容。 使用光线充足、无遮挡的人脸和清晰音频。先生成短片，检查嘴部动作后再制作长视频。
表现力更强的 AI 虚拟人视频生成器（AI avatar video generator），对人像控制更好，也能更多保留原图中的文字和细节；可通过提示词控制情绪、表情强度和动作风格，适合演讲、产品展示等表现型场景。
*1. 上传照片或生成/编辑图像
*2. 上传音频或生成音频
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。
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。
操作步骤
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。
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。
操作步骤
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。
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。
操作步骤
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。
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。
操作步骤
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
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。
操作步骤
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
@audio1
提示词
Use the song from @audio1 to generate a video of a man singing.
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。
操作步骤
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
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"
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。
操作步骤
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
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.
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。
操作步骤
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。
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。
操作步骤
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。
LipSync Studio 将图片与音轨组合成说话或唱歌视频。图片提供角色和构图，音频提供语言或演唱内容。 使用光线充足、无遮挡的人脸和清晰音频。先生成短片，检查嘴部动作后再制作长视频。
一张清晰图片，以及一段说话、旁白或演唱音频。
使用光线充足、无遮挡的人脸和清晰音频。先生成短片，检查嘴部动作后再制作长视频。
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。
支持的模型提供不同分辨率选项，部分流程可选择最高 4K 输出。请查看当前模型的选项、时长与积分费用。
从真人照片到动漫角色、插画人物和动物形象，为不同类型的角色添加说话或唱歌表演，选择适合素材的模型即可开始。
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。
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。
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。
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。
标准版
* 年订阅额度一次性发放，按年周期刷新（每12个月）。
安全支付
可用支付方式因设备和地区而异。
专业版
* 年订阅额度一次性发放，按年周期刷新（每12个月）。
安全支付
可用支付方式因设备和地区而异。
基础版
* 年订阅额度一次性发放，按年周期刷新（每12个月）。
安全支付
可用支付方式因设备和地区而异。
按需付费，点数永久不过期。
安全支付
可用支付方式因设备和地区而异。
使用我们的尖端音频转视频 AI 释放音频文件的全部潜力。学习如何从音频生成视频、创建无缝的带音频图像转视频同步，并在几次点击中应用专业 AI 视频配音。
我们的音频转视频 AI 引擎利用下一代深度学习连接声音与视觉。它精确对齐音素与视觉动态，让从音频生成视频自然真实。体验最佳的带音频图像转视频技术。
导入你的音轨（WAV、MP3），开始音频转视频流程。
选择参考图片或头像，进行带音频的图像转视频转换。
我们的音频转视频 AI 引擎综合输入以从音频生成视频。
预览你惊艳的带音频图像转视频作品，并以高质量下载。
