尽量先对齐节奏
时长差距越大，循环、反向动作或变速越容易被注意到。需要自然节奏时，优先选择与配音长度接近的源视频。
AI AVATAR / SHOTTIDE
AI 视频换口型，讲新的内容。
上传脸部清晰的视频并准备新配音。选择视频与音频时长不一致时的处理方式，确认费用后再同步口型。
选择合适的创作起点
视频换口型根据新配音调整已有画面中的嘴部动作。此工作流将源视频与标准化音频交给 Sync Lipsync 2，替换原声；不会自动翻译台词或保留背景音乐。
如何为已有视频同步口型
- 01
选择已有视频
上传 MP4、MOV 或 WebM，或选用已保存视频。先预览，尽量选择说话者脸部清晰的画面。
- 02
准备替换配音
导入录音或通过脚本生成声音。检查发音和节奏，试听后再标记审核。
- 03
设置时长处理并生成
可裁切至较短时长、循环或往返播放视频、调整视频速度，或保留较长时长并补静音。确认测量出的输出时长与积分上限。
发布前需要检查什么
检查整个画面
逐段检查嘴部、脸部边缘与背景。可选的说话者检测不能保证每个多人镜头都能选对人物。
输入、限制与积分费用
- 视频上传
- 最多 1,000 MB、3 分钟、4K。大文件会压缩为 MP4，导入后请检查细节。
- 配音与脚本
- 导入音频最多 30 MB、30 分钟；生成配音的脚本最多 6000 字符。
- 费用
- 每开始 1 秒输出收取 6 积分，生成配音另计。
- 原声与字幕
- 新配音替换原声音轨，生成后可识别语音、校对文字与时间、选择样式，并导出字幕副本；转写单独计费。
常见问题
视频与音频长度不一致怎么办？
可选择五种时长模式。裁切模式使用较短时长，静音模式使用较长时长，循环、往返和变速模式使用音频时长。生成前显示对应报价。
可以使用照片吗？
静态照片请使用数字人生成器。视频换口型以已有视频作为画面来源。
会自动翻译视频吗？
不会。请提供目标语言的替换音频或脚本，并在生成视频前确认含义与发音。
支持的最长输入代表质量保证吗？
不代表。限制描述工作流可接受的输入范围；脸部可见度、源文件质量、节奏与模型行为都会影响结果，较长输出需要仔细审核。