口型同步视频 — 让人像跟着你的人声开口

这里的 AI 对口型，是用一张静帧人像和一段人声音频生成对口型视频。MusGen 会让口型跟上说话或演唱。这是「照片 + 音频」的对口型，不是拿现成脸部视频去改嘴。

不是。这个对口型流程只接收一张人像和音频。本页不能上传人脸视频做配音、翻译或多说话人换嘴。

添加一张人像和人声音频，写提示词，选好画幅和分辨率，再点「创作」。先把音频裁到 3–30 秒。可在「结果」或历史记录里预览。

图片：JPG、PNG 或 WebP，最大 50MB，且须一张清晰完整的脸。音频：MP3、WAV、AAC 或 M4A，最大 30MB。请用人声清楚的素材，不要纯伴奏。

每条任务必须在 3 到 30 秒之间。更长的音频要先裁再创作。

是的。生成需要登录，积分按时长乘以分辨率计算（768P 与 1080P 的单价，新用户和回头客不同）。部分会员档位还有每日任务上限。

可以。从「我的音乐」选已完成的曲目，或上传本地人声文件，再裁到 3–30 秒。

「在线免费」指你可以打开工具，用现有积分试用。不等于无限免费生成、免费商用授权，或免登录生成。

口型同步视频始终用一张人像和人声，做成口型对齐的说话或演唱短片。照片视频制作器是把照片做成音乐视频，对口型只是可选项。想做照片 MV 请用照片视频制作器，不要把本页当专用对口型表演工具的替代。