登录

AI 口型同步：一张照片加一段音频，生成开口说话的视频

口型同步用一张人像和一段录音，生成照片里的人开口说话的视频。上传人脸图片和最长 60 秒的 MP3，Spicy Lip Sync 会让嘴型跟着每个字动起来。正脸、光线均匀、清晰的照片效果最好；还可以用可选的提示词设定画面风格、表情或氛围。

声音直接来自你上传的文件，所以视频里说的每句话都和录音一致：可以是照着脚本录的讲解视频或 UGC 风格广告，可以给自己的视频配音，也可以给在图像工坊里设计的 AI 角色配上声音。只使用你有权使用的音频；人脸和声音只能来自你本人、虚构或 AI 生成的角色，或已同意的真人，绝不能使用未经同意的人。

4 步让照片开口说话

  1. 上传人像

    选一张面朝镜头、光线均匀、对焦清晰的照片。支持 JPEG、PNG、GIF、WebP，最大 50 MB。

  2. 添加音频

    上传想让照片说出的 MP3，最长 60 秒。费用按音频时长计算，开头和结尾的空白最好先剪掉。

  3. 选择画质和提示词

    Standard 为 480p，每秒 10 积分；Pro 为 720p，每秒 18 积分。用“温和的微笑，窗边柔光，语气平稳”这样的短提示词，就能调整表情和场景。

  4. 生成并下载

    生成按钮旁会提前显示所需积分，生成失败会退还。成片可以直接下载，也可以用“复用输入”保留同一张照片和音频，只换提示词再试一次。

模型与画质

所有模型的价格和擅长方向，都列在AI 模型页面。

费用怎么算

按音频时长计费，不足 1 秒按 1 秒算，最少按 5 秒收费。所以最短的视频 Standard 也要 50 积分、Pro 要 90 积分；20 秒的音频用 Standard 生成为 200 积分。新账号赠送的 25 积分不够生成一条，可以选择每月 €10（600 积分）起的套餐，或 €2（90 积分）起的一次性积分包。

口型同步适合做什么

  • 对着镜头讲干货、讲故事的口播视频
  • 用自己录好的脚本做讲解视频和 UGC 风格广告
  • 给自己的视频重新配音
  • 为自己做的 AI 角色或吉祥物配上声音

详细教程

相关工具

口型同步常见问题

口型同步一条视频要多少积分？

按音频每秒计费：Standard（480p）10 积分，Pro（720p）18 积分，不足 1 秒向上取整，最少按 5 秒计。20 秒的 Standard 视频为 200 积分，准确费用会在生成前显示。

音频最长可以多久？

每条最长 60 秒，格式为 MP3，文件最大 25 MB。脚本较长时，可以在自然停顿处分段，用同一张照片分别生成后再拼接。

什么样的照片效果好？

五官清楚、正对镜头、光线明亮的人像。你本人的照片，或在图像工坊里做的角色都可以。

可以用别人的脸或声音吗？

只有在对方同意的情况下才可以。请只使用你本人的脸和声音、虚构或 AI 生成的角色、已同意的真人，以及你有权使用的音频；不要让任何人看起来说了他们没有同意说的话。

口型同步和 Seedance 2.5 该选哪个？

要和已有录音一字不差，就用口型同步。想让 AI 连台词和声音一起生成，可以用视频工坊里的 Seedance 2.5，一次生成，单条最长 30 秒。

上传的照片和音频会怎么处理？

由 Spicy Studio 和运行模型的第三方 AI 服务商处理，生成期间临时保存，并可能为改进服务而保留，详见隐私政策（英文）。内容所有权归你，可以随时申请删除；除非你选择退出，生成的作品也可能被用于改进服务和推广。

生成的视频可以商用吗？

根据服务条款（英文），你生成的内容在各模型许可范围内归你所有；上传的人脸和音频是否有权使用，由你负责。成片会带有标明 AI 生成的元数据。