AI 视频对口型生成器
AI 对口型会重新驱动说话人的嘴部动作，让它与新的音轨匹配。上传视频和音频、点击生成，其余画面保持原样。适用于配音、旁白修正和本地化短片。
如何让对口型效果更干净
从清晰的原始视频开始
上传一段说话人面部全程可见的视频。短边须不超过 1080px，文件不超过 300MB。画面稳定、嘴部无遮挡，模型才能拿到最好的参考。
准备好你想要的音频
上传制作好的讲话、对白或歌声音轨——时长至少 1 秒，文件不超过 100MB。这个工具只会把口型同步到你提供的音频上，不会帮你翻译台词，也不会帮你生成声音。
选择 Normal 或 Loop
Normal（普通）模式只播放一遍视频，超出视频结尾的音频会被裁掉。Loop（循环）模式会重复播放视频，直到音频结束。两种模式的预估输出时长上限都是 120 秒。
发布前先检查
先检查爆破音等重辅音处的口型是否对得上，再确认你拥有视频画面和声音两者的使用权。工具只改变嘴型，内容本身的责任仍由你承担。
AI 对口型的使用场景
适合画面已经没问题、只需要换音频的情况。
给现有视频重新配音
替换已拍好素材里的对白，让原说话人的口型跟着新音轨走。
修正旁白
念错一句台词或数字过时了，不用重拍——重新录音，再对同一条素材重新对口型即可。
本地化版本
为新市场提供一条翻译好的配音音轨，每种语言都沿用同一位出镜主持人。
社交媒体二次剪辑
换掉音频就能把一段视频翻新，用于另一个营销活动或平台，不必重新制作画面。
这个对口型工具能做什么、不能做什么
视频要求
视频短边不超过 1080px，文件不超过 300MB。全程只有一张清晰可见的脸时效果最好。
音频要求
时长至少 1 秒，文件不超过 100MB。请准备好制作完成的音轨——工具负责同步口型，不负责生成音频。
输出时长
预估输出时长上限为 120 秒。Normal 模式下，时长取视频和音频中较短的一方。
播放模式
Normal 只播放一遍视频；Loop 会重复播放直到音频结束。根据音轨长度选择合适的模式。
一次只处理一条音轨
这个流程把单条音轨同步到视频上，不会区分或分配同一画面里的多个说话人。
画面与声音的使用权
只上传你拥有或获得授权使用的视频和音频；使用真人的声音必须征得本人同意。
如何制作 AI 视频对口型
三步完成：原始视频、新音频、生成
- 01
上传原始视频
选择一段只有一位说话人、面部清晰可见的视频。短边须不超过 1080px，文件不超过 300MB。
- 02
上传新音频
添加你希望说话人说出的讲话、对白或歌声音轨。时长至少 1 秒，文件最大 100MB。
- 03
选择播放模式并生成
选择 Normal 或 Loop，点击生成，导出前先检查口型是否对得上。预估输出时长上限为 120 秒。
为什么创作者用 AI 对口型代替重拍
- 保留原镜头，只改台词: 原始画面、灯光和表演都保持不变——只有嘴型跟着新音频变化。
- Normal 或 Loop 播放: Normal 会裁掉超出视频结尾的音频；Loop 会重复播放视频，直到音轨结束。
- 按输出时长和分辨率计费: 费用取决于生成的秒数和原视频所在的分辨率档位。
保留原镜头，只改台词
重拍成本高、而脚本比场景和主持人改得更频繁时，尤其好用。
Normal 或 Loop 播放
一小段视频配一段较长的旁白，正是 Loop 模式的用武之地。
按输出时长和分辨率计费
音轨越短、原视频分辨率越低，生成花费就越少。
AI 视频对口型常见问题
什么是 AI 对口型？
AI 对口型会改变说话人的嘴部动作，让它与另一条音轨匹配。在 AvatarCraft 上，你上传一段视频和一条单独的音轨，画面中说话人的嘴部会重新生成动作、跟上新音频，其余画面保持不变。
这个 AI 对口型工具免费吗？
可以免费开始：新账号赠送 30 积分。对口型按输出时长和原视频分辨率计费：540p 及以下每秒 1 积分，720p 每秒 2 积分，1080p 每秒 3 积分。也就是说，30 积分可以用 540p 原视频生成 30 秒，或用 1080p 原视频生成 10 秒。注册满 30 天后，没有订阅的账号每 30 天会把余额补到 20 积分。
可以让视频对口型唱歌吗？
可以。把歌曲作为音轨上传，说话人的嘴型就会跟着人声走。人声清晰、伴奏较少的音轨效果最干净。输出时长上限为 120 秒。
AI 对口型可以用照片吗？
这个工具不行——它需要视频作为输入。想让静态人像动起来，请使用照片说话功能；如果音频是歌曲，请使用 AI 照片唱歌。
它会帮我翻译音频吗？
不会。你需要自己提供制作好的音轨，语言随你需要。工具只负责嘴部动作，不负责翻译，也不生成声音本身。
Normal 和 Loop 有什么区别？
Normal 只播放一遍原视频，超出视频结尾的音频会被裁掉。Loop 会重复播放视频，直到音轨结束。
文件大小和时长有什么限制？
原视频短边须不超过 1080px，文件不超过 300MB。音频时长至少 1 秒，文件不超过 100MB。预估输出时长上限为 120 秒。