Kuaishou via fal.ailipsync
Kling LipSync:让任何面孔开口
Kling LipSync 是快手的音频驱动说话头像模型。给定一张人像(或短视频)与一段音频,它生成音素级准确的口型,并伴随细微的头部运动、眨眼与表情,效果生动而非木偶化。它支持多语言,也适用于宠物与卡通等非真人面孔。youcut.ai 将其用于说话照片工具,并配合内置文字转语音。
优势
- • 多语言音素级口型
- • 自然的头部运动、眨眼与微表情
- • 适用于宠物、卡通与画作
- • 支持最长 60 秒音频
局限
- • 需要基本正面的人脸
- • 强侧光可能导致下颌伪影
- • 肩部以下基本静止
最适合
- • 代言与讲解视频
- • 将讲解者本地化为其他语言
- • 会说话的吉祥物与宠物
| 参数 | |
|---|---|
| 输入 | 人像图片 + 音频(MP3/WAV) |
| 最长音频 | 60 秒 |
| 输出 | 带音频的 MP4,最高 1080p |
| 延迟 | 约 1–3 分钟 |
| 接入标识 | fal-ai/kling-video/lipsync/audio-to-video |
在以下工具中试用 Kling LipSync
常见问题
什么样的照片效果最好?+
正面、光线均匀、闭嘴或中性表情,人脸宽度至少 512 像素。
能同步任何语言吗?+
可以。口型由音频音素驱动,适用于英语、中文、西班牙语、日语等。
价格如何?+
在说话照片工具中每 10 秒语音 20 积分。
能用于视频而非照片吗?+
模型支持视频输入;youcut.ai 目前提供照片流程,视频口型同步在规划中。
需要授权吗?+
需要。仅可为本人或已明确同意的人物制作,禁止冒充他人。