Tekst til tale AI- agenter Musikk Opplesning til tekst Stemmekloning Stemmeutforming Markedsplass Mer
Rapporter feil/ funksjonsforespørsel

AI Lip Sync Videogenerator

Gjør et ansiktsfoto og et lydklipp til en snakkende video med leppesynkronisering, hodeposisjon og blink. For tiden ikke tilgjengelig mens vi ser etter en modell hvis lisens tillater det.

Registrer deg gratis
Lip synk er ikke tilgjengelig akkurat nå. SadTalker- modellen den brukte ble trent på Basel Face- modellen, som bare er lisensiert for ikke- kommersiell forskning, så vi kan ikke tilby den på en betalt tjeneste. Ingen erstatning med en passende lisens er installert ennå.

Last opp ansikt + lyd

1000 tegn per sekund

Dra og slipp fila her, eller bla

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

file.mp3

0 MB

Dra og slipp fila her, eller bla

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

file.mp3

0 MB

Dette tar som regel 30 sekunder til 2 minutter.

Din opplesningsvideo

Last ned MP4

Om SadTalker

SadTalker (CVPR 2023, Tencent ARC) er en åpen kildekode- talehodemodell som animerer et enkelt ansiktsbilde for å snakke hvilken som helst lyd. I motsetning til Wav2Lip- varianter animerer SadTalker også hodepose, blinker og uttrykk for et mer naturlig resultat.

SadTalkers kode er Apache-2.0, men dens 3D ansikts rekonstruktion ble trent på Basel Face- modellen, hvis lisens tillater bare ikke- kommersiell forskning. TTS.ai er en kommersiell tjeneste, så verktøyet ble slått av 15. september 2026.

Tips for beste resultat

  • Bruk et godt belyst portrett av høy kvalitet — øynene er synlige, munnen lukket
  • Høyde/ bredde- forhold i midten, kvadrat eller 4: 5 virker best
  • Rensing av tale- lyd (ingen musikk) gir tettere leppesynkronisering
  • Slå på GFPGAN for helteskudd – fordobler visningstiden, men skjerper detaljene
  • Bruk stille- forhåndsinnstillinga når du vil ha et jevnt avatarbilde

Videoplaner med leppsynkronisering

Start ledig, oppgrader når du trenger mer

Ledig
  • 30-sekunders lydgrense
  • 256 px utdata
  • Bare « Fortsett » - forhåndsinnstilling
  • Ingen ansiktsforsterker
Mest populære
Fri konto
  • 30-sekunders lydgrense
  • Både « full » og « stille » - forhåndsinnstillinger
  • 256 / 512 px utdata
  • GFPGAN ansiktsforsterker
Registrer deg gratis
Pro
  • 5 minutters lydgrense
  • Prioritet GPU- kø
  • API- tilgang (opplasting med flere deler)
  • Webhook- fullføringsmeldinger
  • Ikke tilgjengelig for tiden (ikke-kommersiell modelllisens)
Oppgradering

Ofte stilte spørsmål

Last opp et ansiktsfoto og et lydklipp, og AI- en lager en video av det ansiktet med leppebevegelser, hodeposisjon og blinkende. Verktøyet er ikke tilgjengelig nå: det kjørte SadTalker (CVPR 2023), hvis vekter for rekonstruktion av 3D- ansikter ble trent på Basel Face- modellen, som bare er lisensiert for ikke- kommersiell forskning.

Ansiktsinngang kan være et JPG - eller PNG- bilde (opptil 10 MB) eller en kort MP4/ WebM- kjørevideo (vi bruker den første ramma). Driverlyden kan være MP3, WAV, M4A eller FLAC opp til 10 MB. Vi tar om lyd til 16 kHz internt.

Ledige kontoer: inntil 30 sekunder per klipp. Betalende brukere: inntil 5 minutter per forespørsel. Lengere lyd betyr lengre oppvisningstid og høyere tegnkostnad.

Video med lupesynkronisering bruker 1000 tegn per sekund av laget video. Et 30- sekunds klipp = 30. 000 tegn. Kostnaden faktureres forover fra din tegnbalanse og tilbakebetales automatisk hvis generering mislykkes.

Nei, verktøyet er slått av fordi modelllisensen ikke tillater det. SadTalker- koden er Apache-2.0, men det bundlede ansiktsrekonstruktionsnettverket ble opplært på Basel Face- modell 2009, hvis lisens tillater bare intern, ikke- kommersiell forskning. Videoer generert med det før 15. september 2026 er ikke for kommersiell bruk, betalte planer er inkludert. Du er ansvarlig for å ha rettigheter til kildebildet og lyden du laster opp.

Når verktøyet løp, tok et 5- sekunders klipp omtrent 30 sekunder, og ble skalert grovt lineært med lydlengde. Det er for tiden ikke tilgjengelig mens vi leter etter en Talehead- modell hvis lisens tillater det.

Full forhåndsinnstilling (standard) animerer hodepose, blinker og uttrykk sammen med leppene, og gir en mer naturlig Talehode- video. Men forhåndsinnstilt låser hodet på plass og animerer bare munnen – nyttig når du vil ha et jevnt avatarbilde.

GFPGAN er en ansiktsgjendannelsesmodell som skjerpet ansiktsdetaljer etter opptegning. Den tilbys ikke: stilGAN2 tidligere er under en ikke- kommersiell NVIDIA- lisens og dens ansiktstolkingsmodell er CC BY-NC- SA.

SadTalker tegnet som standard 256 px, med 512 px som et langsommere valg. Verktøyet er ikke tilgjengelig nå. Et godt opplyst portrett av høy kvalitet gir det beste resultatet med alle talehode- modeller.

Ja. Last opp en MP4 eller WebM som ansiktsinngang og vi vil bruke den første ramma som kjøreidentitet. For full video- om- dubbing (per ramme munn- erstatning), se den kommende Dubbing Studio videorørledningen.

Ja. POST en forespørsel med flere deler til / api/ v1/ lipsync/ med ansikts- og lydfelt, og sjekk / api/ v1/ lipsync/ result /? uid= til statusen er « fullført ». Svaret inneholder en URL til MP4 som blir vist. API- tilgang krever en betalt plan.

SadTalker bruker ansiktsjustering for å oppdage og beskjære det mest framtredende ansiktet. For å gi best resultat laster du opp et portrett med én person sentrert, med synlige øyne og minimal ocklusion. Gruppebilder kan gi uforutsigbare resultater.
5.0/5 (1)

Hva kan vi forbedre? din tilbakemelding hjelper oss med å løse problemer.

Klar til å starte?

Registrer deg gratis og få 15 000 tegn. Ikke nødvendig med kredittkort.

Registrer deg gratis Vis prisfastsettelse