动漫角色口型同步 AI：让角色照着 MP3 音频开口

让角色开口的步骤

1. 1

   准备一张脸部清楚的图

   正脸或稍微侧一点，嘴巴完整可见、闭合或微张，头到肩膀占画面的大部分。别让头发、手或道具挡住嘴巴。支持 JPEG、PNG、GIF、WebP，不超过 50 MB。

2. 2

   剪好音频

   只支持 MP3，最长 60 秒、25 MB。按音频秒数计费并向上取整，所以先剪掉首尾的静音；不足 5 秒按 5 秒算。

3. 3

   选 Standard 或 Pro，提示词写短一点

   Standard 输出 480p，每秒 10 积分；Pro 输出 720p，每秒 18 积分。提示词可以不填；模型文档建议用简短的英文提示词，比如 “calm smile, small nods, soft studio light”。

4. 4

   先试 5 秒，再做长的

   用 Standard 跑一句 5 秒的台词，仔细看嘴型。对得上就生成完整长度；对不上，先换一张脸部图再试，别急着加钱。开始前会显示价格，失败会退回积分，“复用输入”可以用同样的图和音频再来一次。

两档画质，外加一个替代方案

• Spicy Lip Sync Standard

  480p，每秒 10 积分。所有测试都用它，之后要放大的片段也适合。

• Spicy Lip Sync Pro

  720p，每秒 18 积分。等 Standard 测试证明角色的脸可行之后，再用来出最终版。

• Seedance 2.5（视频工坊）

  还没有录音？Seedance 2.5 默认开启声音，可以让角色动起来，最长 30 秒。台词必须对上你已有的录音时，再选口型同步。

所有模型的价格都在AI 模型页面。

什么样的脸更容易对上口型

• 正脸或稍微侧一点。纯侧脸、大幅仰头或低头的脸，能给模型用的嘴部信息更少。
• 嘴巴要真的画出来：有嘴唇或清楚的嘴形，闭合或微张最好。只有一道短线的嘴、或没有嘴的脸，几乎没什么可动的。
• 嘴边不要有遮挡：手、扇子、口罩、杯子、发丝都别横过嘴巴。
• 脸要大。用头到肩膀的裁切图，而不是整张全身立绘。
• 只用你自己的原创角色，或获得许可使用的脸。别人作品里的角色，不能随意替它配台词。

费用怎么算

按音频时长计费，向上取整到整秒，最低按 5 秒算。

• 5 秒：Standard 50 积分，Pro 90 积分。
• 30 秒：Standard 300，Pro 540。
• 60 秒：Standard 600，Pro 1,080。
• 测试期间新账号赠送 50 积分，够做 1 次本指南建议的 5 秒 Standard 试做（每次 50 积分）。更多积分将通过价格方案提供，支付即将开放。

声音的权利

只能用你有权使用的声音：你自己的声音、同意这一用途的配音演员，或许可证允许这样用的语音合成。不得在未经本人同意的情况下模仿真人的声音，也不得让真人看起来说了什么话。用属于你的、虚构的或已获授权的脸和声音来做，就在服务条款（英文）允许的范围内。

和其他工具搭配

• 口型同步从静态图开始，所以没法给角色替换做出的视频重新配音。说话的镜头在这里做，动作镜头在那边做，再到剪辑软件里接起来。
• Standard 输出是 480p。片段在 3–15 秒之间的话，可以用视频高清放大提升到 1080p（16 积分）。
• 想先把脸部图弄好？在图像工坊里用纯色背景、把嘴画清楚，新画一张或修一修。

动漫角色口型同步常见问题