Tekst til tale AI-agenter Musik Tale til tekst Stemmekløvning Stemmedesign Markedsplads Mere
Rapportér fejl / funktionsanmodning

AI Lip Sync Video Generator

Drej et ansigtsbillede og et lydklip til en talende-head video med læbesynkronisering, hovedstilling og blink. I øjeblikket ikke tilgængelig, mens vi leder efter en model, hvis licens tillader det.

Tilmeld dig gratis
Lip-sync er ikke tilgængelig lige nu. SadTalker-modellen, som den brugte, blev trænet på Basel Face-modellen, som kun er licenseret til ikke-kommerciel forskning, så vi kan ikke tilbyde den på en betalt service. Ingen udskiftning med en egnet licens er installeret endnu.

Upload ansigt + lyd

1.000 tegn pr. sekund

Træk & slip din fil her, eller gennemse

JPG, PNG, or short MP4/WebM. Max 10MB. One clear, well-lit face works best.

file.mp3

0 MB

Træk & slip din fil her, eller gennemse

MP3, WAV, M4A, or FLAC. Max 10MB. Free: up to 30 sec. Pro: up to 5 min.

file.mp3

0 MB

Det tager typisk 30 sekunder til 2 minutter at sende din video.

Din talende video

Hent MP4

Om SadTalker

SadTalker (CVPR 2023, Tencent ARC) er en open source talking-head model, der animerer en enkelt ansigtsbillede til at tale enhver lyd. I modsætning til Wav2Lip varianter, SadTalker også animerer hovedet pose, blinker og udtryk for et mere naturligt resultat.

SadTalker kode er Apache-2.0, men dens 3D ansigt genopbygning vægte blev trænet på Basel Face Model, hvis licens tillader ikke-kommerciel forskning kun. TTS.ai er en kommerciel tjeneste, så værktøjet blev slukket den 15. september 2026.

Tips til bedste resultater

  • Brug en høj kvalitet, veloplyst portræt øjne synlige, mund lukket
  • Centreret ansigt, firkant eller 4:5 aspekt forhold fungerer bedst
  • Ren tale audio (ingen musik) giver strammere læbesynkronisering
  • Aktivér GFPGAN til heltebilleder! doubler gør tid, men skærper detaljerne
  • Brug Still preset når du vil have en stabil avatar skud

Lip- synkroniseringsvideoplaner

Start gratis, opgradere når du har brug for mere

Fri
  • 30-sekunders lydgrænse
  • 256 px output
  • "Still" kun forudindstillet
  • Ingen ansigtsforstærker
Mest populære
Gratis konto
  • 30-sekunders lydgrænse
  • Både "fuld" og "stadig" forudindstillinger
  • 256 / 512 px output
  • GFPGAN ansigtsforstærker
Tilmeld dig gratis
Pro
  • 5-minutters lydgrænse
  • Prioriteret GPU-kø
  • API-adgang (flerdelt upload)
  • Webhook afslutning tilbagekald
  • I øjeblikket ikke tilgængelig (ikke-kommerciel model licens)
Opgradering

Ofte stillede spørgsmål

Upload et ansigt foto og et lydklip, og AI gener en video af det ansigt taler lyden med læbe bevægelser, hoved pose og blinker. Værktøjet er i øjeblikket ikke tilgængelig: det kørte SadTalker (CVPR 2023), hvis 3D ansigt genopbygning vægte blev trænet på Basel Face Model, som er licenseret til ikke-kommerciel forskning kun.

Ansigtet input kan være en JPG eller PNG billede (op til 10 MB) eller en kort MP4/WebM kørsel video (vi bruger den første ramme). Den drivende lyd kan være MP3, WAV, M4A, eller FLAC op til 10 MB. Vi re sample lyd til 16 kHz internt.

Gratis konti: op til 30 sekunder pr klip. Betaler brugere: op til 5 minutter pr anmodning. Længere lyd betyder længere render tid og højere karakter omkostninger.

Lip sync- video bruger 1.000 tegn pr sekund i genereret video. Et 30 sekunders klip = 30.000 tegn. Omkostningerne faktureres op foran fra din karakterbalance og refunderes automatisk, hvis generation mislykkes.

Nej. Værktøjet er slukket, fordi modellicensen ikke tillader det. SadTalker kode er Apache-2.0, men dens bundtede ansigt genopbygning netværk blev trænet på Basel Face Model 2009, hvis licens tillader interne, ikke-kommerciel forskning kun. Videoer genereret med det før september 15, 2026 er ikke til kommerciel brug, betalte planer inkluderet. Du er ansvarlig for at have rettighederne til kilden ansigtsbillede og lyd, du uploader.

Når værktøjet kørte, tog et 5-sekunders klip omkring 30 sekunder, skalering omtrent lineært med lydlængde. Det er i øjeblikket ikke tilgængeligt, mens vi leder efter en tale-head model, hvis licens tillader det.

Fuld forudindstillede (standard) animerer hovedet pose, blinker og udtryk sammen med læberne, producerer en mere naturlig talende-head video. Stadig forudindstillede låser hovedet på plads og animerer kun munden nyttig, når du ønsker en stabil avatar skud.

GFPGAN er en ansigtsgendannelsesmodel, der skærpede ansigtsdetaljerne efter gengivelsen. Det tilbydes ikke: dets stilGAN2 forudgående er under en NVIDIA ikke-kommerciel licens og dens ansigtsfortolkningsmodel er CC BY-NC-SA.

SadTalker gengives som standard med 256 px, med 512 px som en langsommere mulighed. Værktøjet er i øjeblikket ikke tilgængeligt; et godt oplyst, høj kvalitet portræt giver det bedste resultat med enhver tale- hoved model.

Ja. Upload en MP4 eller WebM som ansigtet input, og vi vil bruge den første ramme som kørsel identitet. For fuld video re-dubbing (per-frame mund udskiftning), se den kommende Dubbing Studio video pipeline.

Ja. POST en flerdelt anmodning til /api/v1/lipsync/ med ansigts- og lydfelter, derefter poll /api/v1/lipsync/result/?uuid= indtil status er "fuldført." Svaret indeholder en URL til den afsatte MP4. API adgang kræver en betalt plan.

SadTalker bruger ansigtsjustering til at opdage og beskære den mest fremtrædende ansigt. For de bedste resultater, uploade et portræt med en person centreret, øjne synlige, og minimal okklusion. Gruppe fotos kan producere uforudsigelige resultater.
5.0/5 (1)

Hvad kan vi forbedre? Din feedback hjælper os med at løse problemer.

Klar til at komme i gang?

Tilmeld dig gratis og få 15.000 tegn. Ingen kreditkort påkrævet.

Tilmeld dig gratis Vis priser