AI工坊

    8. 对口型

    对口型功能能够驱动角色的嘴部动作与音频内容同步，让静态的人物角色"开口说话或唱歌"，是制作数字人口播视频的核心工具。

    功能介绍

    对口型（Lip Sync）技术通过分析音频的节奏、发音特征，驱动视频中人物的嘴型、面部表情和头部动作产生自然的同步变化。支持传入任意语言的人声音频，适用于配音配乐、短视频口播、数字人播报等多种场景。

    万相的对口型功能不限制角色类型，可以驱动真实人物、卡通形象、动漫角色甚至宠物。

    使用方法

    image-20260402160553592

    在主页输入框左侧选择「数字人」。

    image-20260402160604558

    在下拉菜单中选择「对口型」。

    image-20260402160817665

    点击「+ 角色」，从资产库选择或上传要驱动的角色图片。

    image-20260402160914932

    点击「+ 音频」，上传音频文件，或选择输入文本生成音频。

    image-20260402161054454

    右上角确认分辨率设置（720P），点击「生成」。

    生成效果展示。

    注意事项

    • 音频质量影响效果：清晰、无噪音的人声音频效果最佳；背景音乐过重可能影响口型精度
    • 角色正面照更稳定：正脸角度的角色照片还原度最高，侧脸可能出现偏差
    • 控制单次音频时长：建议单段音频在 30 秒以内，过长的音频可分段生成后拼接

    示例

    示例一

    角色：@优雅女
音频：一段普通话新闻播报
描述：角色坐在新闻播报台前，穿着正式，神情专注，语速平稳地播报新闻。

    示例二

    角色：上传的宠物猫照片
音频：一段搞笑配音
描述：猫咪好像在认真发表讲话，表情夸张，眼神专注。

    示例三

    角色：@Ewan
音频：一首英文流行歌曲片段
描述：角色在舞台灯光下演唱，神情投入，偶尔闭眼感受音乐，氛围感十足。

    示例四

    角色：卡通风格的虚拟主播角色
音频：产品介绍讲解音频
描述：虚拟主播在画面中对着镜头讲解，偶尔配合手势，背景为简洁品牌背景板。

    示例五

    角色：古装人物图片
音频：一段古诗词朗诵
描述：古装角色端坐于书案前，悠然吟诵，书香气息浓厚，烛光摇曳。