Volcengine Video Lip Sync
Video Lip Sync 用一段已有视频和一段目标人声音频重做口型。轻量模式面向正面单人视频，基础模式面向更复杂的单人场景并可开启场景检测。
一句话了解
这个模型怎么样？
视频必须满足 360p–1080p、24–60 FPS 与 1–30 Mbps；本站还采用 95 MB 文件上限。文件大小、时长、分辨率和 FPS 由上传签名证明，音频时长直接进入创建前预授权。
关键参数一览
帮你快速评估这个模型和你的业务场景是否匹配。
它还叫什么
同一个模型在不同资料里可能有不同叫法，这里统一整理，方便搜索和比较。
用户常见问题
从实际任务、输入条件和结果要求出发，整理选择模型时最需要确认的问题。
选型指南
还在纠结用哪个模型？先看这几个关键决策点。
镜头简单、人物正面且只需循环对齐时，轻量模式字段更适合。
需要场景切分和说话人识别方向时使用基础模式。
本模型必须上传视频；只有静态图时可比较 OmniHuman 1.5。
用户常搜的对比
把常见候选放在同一任务下比较，帮助你确认输入方式、控制项和成本差异。
模型横向对比表
正在纠结选哪个？这张表帮你一眼看清当前模型和替代方案的核心差异。
实际使用体验
结合公开资料、当前站内边界和典型任务，说明模型适合与不适合的情况。
口型同步不等于完整配音制作
可信媒体元数据同时服务安全与计费
能力详解
视频口型重定向
轻量循环对齐
复杂场景处理
适合做什么
多语言口播
课程配音更新
营销视频改稿
提示词技巧
准备纯净人声
选择正面清晰画面
先检查音画长度
为什么选它
使用前要知道
可调参数
帮你快速评估这个模型和你的业务场景是否匹配。
积分消耗
按已验证目标音频时长每秒 8 credits 计算创建前预授权并向上取整；输出时长跟随音频，任务完成后再按实际消耗结算。
批量出图或出视频前，建议先用同一组素材在当前模型和同类候选之间做 AB 测试，确认效果后再批量跑，避免浪费积分。
常见问题
同类模型推荐
还没决定用哪个？顺手对比一下这几个同类候选。
OmniHuman 1.5
OmniHuman 1.5 当前核心路径用一张人物、宠物或动漫主体图片和一段音频生成驱动视频。音频时长由上传签名验证，并直接决定创建前预授权。
Kling AI Avatar Standard
能力标签: 前台要求恰好 1 张 JPEG 或 PNG 图片和 1 段 MPEG、WAV、X-WAV、AAC、MP4 或 OGG 音频。图片最大 10 MB；音频最大 100 MB、最长 5 分钟。 按已验签的音频时长，以 8 积分/秒计算并向上取整；时长缺失、无效或超过 5 分钟时不能提交。
信息来源
页面内容结合模型资料、功能说明和 Kyeo AI 当前可用设置整理。
了解 Video Lip Sync 的视频加音频输入、轻量／基础模式、360p–1080p、24–60 FPS、每个音频秒 8 积分及参数边界。 按已验证目标音频时长每秒 8 credits 计算创建前预授权并向上取整；输出时长跟随音频，任务完成后再按实际消耗结算。
用于核对本站当前接入版本的输入模式、可见参数、素材限制与可用状态；实际选项以页面和工作台为准。