上传视频和你想要的语音。AI 对口型会重绘嘴部,让每个字都对上,适合配音、改台词和 AI 角色。
你会得到一个带有新语音和匹配嘴型的 MP4。大多数短视频需要 2–3 分钟。
这是我们自己的一次完整测试。打开声音,在无声原片和对口型结果之间切换对比。
他用英语说了这句台词:“嗨,你好。一分钟前这段视频还是无声的,现在我说的每个字都对得上嘴型。”

一张并不存在的人物照片:正对镜头、嘴巴闭合、光线均匀。

用 Veo 3.1 Lite 从这张照片生成 8 秒视频,人物会眨眼并轻微转头。

AI 对口型为每个字重绘了他的嘴部,画面其余部分保持原样。
AI 对口型是一种修改视频中嘴部动作、使其与新音轨匹配的工具。你提供一段人物视频和想要的语音,它会逐帧重绘嘴唇、下颌和牙齿,直到台词和嘴型完全对上。
它能省下一次重拍。配音广告、改正的产品名称、需要声音的 AI 角色,过去都意味着重新拍摄或手工制作动画。AI 对口型用你现有的视频就能完成。
模型先听音频,把它拆分成音素,也就是语音中的各个发音。每个发音对应一种嘴型,称为视素:发 M 时双唇闭合,发 A 时张大,发 O 时呈圆形。然后模型在每一帧中重新绘制下半张脸,准时做出这些嘴型,并与周围的皮肤和光线融为一体。
构图、背景、光线、头部动作和脸部其他区域都保持原样,只重绘嘴部区域。
嘴唇、牙齿和下颌跟随新的语音运动,新音频会替换视频原有的声音。
整个 AI 对口型流程都在浏览器中完成,无需剪辑软件,也无需插件。
拖入一段 2 到 60 秒的 MP4 或 MOV。画面中只有一个人面对镜头、嘴部清晰可见时,效果最好。
上传 10 MB 以内的 MP3、WAV、M4A 或 AAC 音频。可以用手机录制、从配音工具导出,或使用一段配音。
勾选授权确认框,然后点击“开始同步”。大多数短视频两到三分钟即可生成 MP4。
AI 对口型只能重绘它找得到的嘴。下面五点决定它能不能找到。
正脸或略微侧脸效果最好。完全侧脸会挡住一半嘴唇。
模型需要看到两侧嘴角,才能放准每个嘴型。
特写镜头至少使用 720p。脸部太小或模糊,嘴唇会发虚、糊成一片。
嘴部周围像素越多,可重绘的细节就越多。
镜头里只保留一张清晰的脸。人多时,口型可能会对到错误的人身上。
这个工具每段视频只驱动一张脸。
手、麦克风、口罩和浓密的胡须挡住嘴唇都会造成干扰。
嘴部被遮挡的部分会重绘得很差,或者根本无法重绘。
快速转头和闪烁的光线会让嘴部很难逐帧追踪。
运动模糊会遮住模型要修改的嘴型。
结果会保持视频的时长,费用也按视频秒数计算。下面是两个文件时长不一致时的情况。
| 你的文件 | 得到的结果 | 建议 |
|---|---|---|
| 音频与视频一样长 | 整段视频嘴部都在动 | 配音的理想情况 |
| 音频比视频短 | 音频结束后,说话者停止说话 | 先把视频剪到和音频一样长,计费秒数更少 |
| 音频比视频长 | 音频在视频结束处被截断 | 加快台词语速,或换一段更长的视频 |
工具会在同步前显示两者的时长,时长不一致不会让你措手不及。
要得到一段某人说出你台词的视频,有三种方法。选哪种取决于你手上有什么。
Imgveo 价格
5 秒视频 40 积分
Imgveo 价格
8 秒带声音视频 30 积分起
价格读取自我们的实时价目表。照片说话这一行正是我们制作上方示例时用的流程。
AI 对口型是配音的最后一步。同一段素材无需重拍,就能说西班牙语、日语或德语。
翻译台词并大声读一遍,尽量接近原句的长度。
请母语者录音,或从配音工具中把台词导出为 MP3 或 WAV。
剪掉开头和结尾的静音,让语音填满整段视频。
上传原视频和新音频。每种语言重复一次。
有些语言表达同样的意思需要更多音节。如果德语台词偏长,请精简措辞,而不是加快语速,否则听起来会很赶。AI 对口型会跟随音频本身的节奏。
只要屏幕上的人需要说出拍摄当天没说过的话,就能用上。
修改价格、产品名称或行动号召,无需再约主持人。
保留一条主持人看着镜头的干净素材,方便以后修改。
一段视频发布多种语言版本,每种语言的嘴型都对得上。
先做最重要的市场,确认效果后再做其他语言。
给生成的角色配上声音,以及一句符合剧情的台词。
生成角色时让它面向镜头、嘴巴闭合,就像我们的示例一样。
替换演讲、课程或短视频里说错的一个词,无需重拍。
只剪出那一句,对好口型,再拼回你的剪辑中。
我们用自己的视频测试了它的极限。以下是你可以预期的情况。

如果脸背对镜头、太小或因运动而模糊,同步会停止,积分会退还给你。
每段视频只同步一张脸。如果是对话,请把每位说话者剪成单独的视频。
AI 对口型匹配的是嘴型,不是表演。平淡的录音听起来依然平淡。
AI 对口型支持什么、输出什么、价格多少。
视频:MP4 或 MOV,2 到 60 秒,最大 100 MB,至少 360p。音频:MP3、WAV、M4A 或 AAC,最大 10 MB。
与原视频等长的 MP4,以新语音作为音轨,嘴型与之匹配。
按视频时长每秒 8 积分,按整秒取整。仅限付费套餐。失败的任务会退还积分。
| 视频时长 | 积分 |
|---|---|
| 5 秒 | 40 |
| 10 秒 | 80 |
| 30 秒 | 240 |
| 60 秒 | 480 |
AI 对口型可以让人“说出”没说过的话,所以我们会先征求许可。每次运行前,你都需要确认自己有权使用视频中的脸和声音。
打开 Imgveo Studio,在一个工作台里用同一套积分运行本工具以及所有其他 AI 视频和图像模型。
先做出视频,再给它配上声音。
上传视频和你想要的语音,剩下的交给 AI 对口型,几分钟即可完成。