Volcengine Video Lip Sync
Video Lip Sync 使用一段既有影片和一段目標人聲音訊重新製作嘴型。輕量模式適合正面單人影片，基礎模式則適合較複雜的單人場景，並可開啟場景偵測。
一句話瞭解
這個模型表現如何？
影片必須符合 360p–1080p、24–60 FPS 與 1–30 Mbps；本站另採用 95 MB 檔案上限。檔案大小、長度、解析度和 FPS 會由上傳簽章證明，音訊長度則直接納入建立任務前的預授權。
關鍵參數總覽
協助你快速評估此模型是否符合你的業務情境。
其他名稱
同一個模型在不同資料中可能有不同名稱，這裡統一整理，方便搜尋與比較。
使用者常見問題
從實際任務、輸入條件和結果要求出發，整理選擇模型時最需要確認的問題。
選擇指南
還在猶豫該用哪個模型嗎？先查看這幾個關鍵決策點。
鏡頭簡單、人物正面且只需循環對齊時，輕量模式的欄位更適合。
需要場景切分和說話者辨識方向時使用基礎模式。
本模型必須上傳影片；只有靜態圖片時可比較 OmniHuman 1.5。
使用者常搜尋的比較
把常見候選放在同一任務下比較，協助你確認輸入方式、控制項和成本差異。
模型橫向比較表
還在猶豫該選哪一個嗎？這張表協助你快速看清目前模型與替代方案的核心差異。
實際使用體驗
結合公開資料、目前站內邊界和典型任務，說明模型適合與不適合的情況。
對嘴不等於完整配音製作
可信媒體中繼資料同時支援安全與計費
功能詳解
影片嘴型重定向
輕量循環對齊
複雜場景處理
適合做什麼
多語言口播
課程配音更新
行銷影片改稿
提示詞技巧
準備乾淨人聲
選擇正面清楚的畫面
先檢查音畫長度
選擇它的理由
使用前須知
可調整參數
協助你快速評估此模型是否符合你的業務情境。
點數消耗
依已驗證的目標音訊長度，以每秒 8 credits 計算建立任務前的預授權並無條件進位；輸出片長會跟隨音訊，任務完成後再按實際消耗結算。
批次生成圖片或影片前，建議先用同一組素材，在目前模型與同類候選模型之間進行 AB 測試；確認效果後再批次執行，避免浪費點數。
常見問題
同類模型推薦
還沒決定該用哪個嗎？也可以比較這幾個同類候選模型。
OmniHuman 1.5
OmniHuman 1.5 目前的核心路徑會以一張人物、寵物或動漫主體圖片和一段音訊生成驅動影片。音訊長度由上傳簽章驗證，並直接決定建立任務前的預授權。
Kling AI Avatar Standard
能力標籤: 前台要求恰好 1 張 JPEG 或 PNG 圖片及 1 段 MPEG、WAV、X-WAV、AAC、MP4 或 OGG 音訊。圖片最大 10 MB；音訊最大 100 MB、最長 5 分鐘。 依已驗簽的音訊長度按 8 點/秒計算並向上取整；長度缺失、無效或超過 5 分鐘時無法送出。
資訊來源
頁面內容結合模型資料、功能說明和 Kyeo AI 目前可用設定整理。
瞭解 Video Lip Sync 的影片加音訊輸入、輕量／基礎模式、360p–1080p、24–60 FPS、每秒音訊 8 點及參數邊界。 依已驗證的目標音訊長度，以每秒 8 credits 計算建立任務前的預授權並無條件進位；輸出片長會跟隨音訊，任務完成後再按實際消耗結算。
用於核對本站目前接入版本的輸入模式、可見設定、素材限制與可用狀態；實際選項以頁面和工作台為準。