Générateur de vidéo AI Lip Sync

Télécharger une photo du visage et un clip audio, et l'IA génère une vidéo de ce visage parlant l'audio avec des mouvements de lèvres, pose de tête et clignements. L'outil est actuellement indisponible : il a lancé SadTalker (CVPR 2023), dont les poids de reconstruction du visage 3D ont été formés sur le modèle face de Bâle, qui est autorisé pour la recherche non commerciale seulement.

L'entrée du visage peut être une image JPG ou PNG (jusqu'à 10 Mo) ou une courte vidéo de conduite MP4/WebM (nous utilisons la première image). L'audio de conduite peut être MP3, WAV, M4A ou FLAC jusqu'à 10 Mo. Nous rééchantillonnons l'audio à 16 kHz en interne.

Comptes gratuits: jusqu'à 30 secondes par clip. Payer les utilisateurs: jusqu'à 5 minutes par demande.

La vidéo Lip Sync utilise 1 000 caractères par seconde de la vidéo générée. Un clip de 30 secondes = 30 000 caractères. Le coût est facturé à partir de votre solde de caractères et remboursé automatiquement si la génération échoue.

Non. L'outil est désactivé parce que la licence modèle ne l'autorise pas. Le code SadTalker est Apache-2.0, mais son réseau de reconstruction de visage groupé a été formé sur le Basel Face Model 2009, dont la licence permet des recherches internes et non commerciales seulement. Les vidéos générées avec lui avant le 15 septembre 2026 ne sont pas pour une utilisation commerciale, des plans payés inclus. Vous êtes responsable d'avoir les droits sur l'image de visage source et l'audio que vous téléchargez.

Lorsque l'outil a fonctionné, un clip de 5 secondes a pris environ 30 secondes, en s'étalant à peu près linéairement avec la longueur audio. Il est actuellement indisponible pendant que nous recherchons un modèle de tête-à-tête parlante dont la licence le permet.

Complete preset (default) anime la tête pose, clignote, et l'expression avec les lèvres, produisant une vidéo plus naturelle de la tête parlante. Toujours préset verrouille la tête en place et anime seulement la bouche — utile quand vous voulez un coup d'avatar stable.

GFPGAN est un modèle de restauration du visage qui a aiguisé les détails du visage après le rendu. Il n'est pas offert: son StyleGAN2 précédent est sous une licence non commerciale NVIDIA et son modèle d'analyse du visage est CC BY-NC-SA.

SadTalker rendu à 256 px par défaut, avec 512 px comme option plus lente. L'outil est actuellement indisponible; un portrait bien éclairé et de haute qualité donne le meilleur résultat avec n'importe quel modèle de tête-à-tête parlante.

Oui. Télécharger un MP4 ou WebM comme entrée de visage et nous utiliserons la première image comme identité de conduite. Pour le re-doublage vidéo complet (remplacement de bouche par image), voir le pipeline vidéo de Doubling Studio à venir.

Yes. POST a multipart request to /api/v1/lipsync/ with face and audio fields, then poll /api/v1/lipsync/result/?uuid= until status is "completed". The response contains a URL to the rendered MP4. API access requires a paid plan.

SadTalker utilise l'alignement du visage pour détecter et recouvrir le visage le plus proéminent. Pour de meilleurs résultats, téléchargez un portrait avec une personne centrée, les yeux visibles, et l'occlusion minimale.