LTX Video 2 唇形同步: AIリップシンク

LTX-2-19B LipSync 能够将人物的嘴部动作与入力音频片段同步，生成逼真的说话视频。它会保留面部身份、头部位置、光照和自然表情，同时呈现准确的唇部运动、细微眨眼和稳定的时间一致性。非常适合数字化身、配音、对白替换和角色旁白。

📝

概要

このモデルについて

LTX-2-19B LipSync 是一款前沿的音频生视频模型，可以将人物的嘴部动作与入力音频片段同步，生成逼真的说话视频。借助先进的深度学习技术，该模型能够保留面部身份、头部位置、环境光照和自然表情，同时提供超精准的唇形同步效果。LTX-2-19B 背后的技术经过设计，可以保持眨眼和轻微头部动作等细节，从而生成具有出色时间一致性和真实感的视频。

LTX-2-19B LipSync 非常适合创建数字化身、替换对白、进行配音和制作角色旁白，将静态图像与动态叙事连接起来。它能够以每次生成 $0.2 的竞争力价格制作逼真的视频，是希望获得先进性能且不牺牲质量的创作者和开发者的出色选择。这款模型功能灵活、技术基础稳健，为音频驱动的视频合成树立了新的标准。

1为虚拟会议和视频会议创建逼真的数字化身。

2为电影、纪录片和动画制作配音与对白替换。

3为教育和讲解视频生成角色旁白。

4使用逼真的唇形同步视频增强社交媒体内容。

5制作音频同步的沉浸式营销和广告视频。

💰

料金と価値

コスト分析

プロバイダー	費用	備考
muapiapp	$0.2 per generation	muapiapp 比竞品便宜 20–50%，同时提供相当或更高的质量。
Fal.ai	$0.3 per generation	muapiapp is approximately 33% cheaper, offering better value without compromising on performance.
Replicate	$0.3 per generation	With muapiapp cost-effectiveness being 20-50% lower, it provides a competitive edge in both quality and pricing.

muapiapp$0.2 per generation

muapiapp 比竞品便宜 20–50%，同时提供相当或更高的质量。

Fal.ai$0.3 per generation

muapiapp is approximately 33% cheaper, offering better value without compromising on performance.

Replicate$0.3 per generation

With muapiapp cost-effectiveness being 20-50% lower, it provides a competitive edge in both quality and pricing.

** 競合サービスの料金は類似のモデル構成および利用ティアに基づいて算出された推定値です。

⚙️

技術詳細

設定スキーマ

パラメータ	型	説明	デフォルト
プロンプト	string	用于生成動画的プロンプト	`Animate natural lip-sync to the provided audio, add subtle blinking and gentle head motion, maintain the original lighting and facial identity, keep the performance realistic and stable.`
画像 URL	string	入力画像的 URL。	`https://d3adwkbyhxyrtq.cloudfront.net/webassets/videomodels/ltx-2-19b-lipsync.jpg`
音声 URL	string	用于上传音声文件的 URL。	`https://d3adwkbyhxyrtq.cloudfront.net/webassets/videomodels/ltx-2-19b-lipsync.wav`
解像度	Enum（3個の選択肢）	生成動画的解像度。	`720p`

プロンプトstring

用于生成動画的プロンプト

デフォルト値

Animate natural lip-sync to the provided audio, add subtle blinking and gentle head motion, maintain the original lighting and facial identity, keep the performance realistic and stable.

画像 URLstring

入力画像的 URL。

デフォルト値https://d3adwkbyhxyrtq.cloudfront.net/webassets/videomodels/ltx-2-19b-lipsync.jpg

音声 URLstring

用于上传音声文件的 URL。

デフォルト値https://d3adwkbyhxyrtq.cloudfront.net/webassets/videomodels/ltx-2-19b-lipsync.wav

解像度Enum（3個の選択肢）

生成動画的解像度。

デフォルト値720p

📖

実装ガイド

開発者ドキュメント

使用方法 LTX-2-19B LipSync

步骤 1：準備入力

**Image URL：**提供一张面部特征清晰的图像。
**Audio URL：**确保旁白音频片段质量良好。音频将驱动唇形同步动画。
**Prompt：**编写精准的プロンプト，指导模型实现所需的唇形同步细节，包括眨眼或头部移动等额外动作。
**Resolution：**从可用选项中选择视频分辨率（480p、720p、1080p）。默认值为 720p。

步骤 2：リクエスト送信

使用提供的 API 端点（ltx-2-19b-lipsync）提交入力 JSON 数据。请确保包含 audio_url 字段，因为它是生成视频所必需的。

步骤 3：結果の確認

处理完成后，出力会包含生成视频的 URL，其中呈现同步的唇部动作和逼真的面部表情。查看视频，确认唇形同步、头部位置和整体动画符合预期。

步骤 4：按需迭代

根据出力结果调整プロンプト或入力参数并重新提交，以微调最终视频。

❓

よくある質問

FAQ

LTX-2-19B LipSync 模型的主要功能是什么？

该模型通过将唇部动作与入力音频片段同步，生成逼真的说话视频，同时保留面部身份、头部位置、光照和自然表情。

哪些入力字段是必填的？

唯一必填字段是 `audio_url`。不过，提供 `image_url` 和详细的 `prompt` 可以通过指定所需动作与表情来增强视频的真实感。

生成视频有哪些分辨率可选？

该模型支持三种分辨率：480p、720p（默认值）和 1080p。

LTX-2-19B LipSync 如何确保视频质量？

该模型采用先进的深度学习技术，保持时间一致性、精准唇部动作、细微眨眼和自然头部移动，从而确保高保真且逼真的视频出力。