LTX Video 2 唇形同步: AI 口型同步

LTX-2-19B LipSync 能够将人物的嘴部动作与输入音频片段同步，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。

📝

概览

关于此模型

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输入音频片段同步，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。

💰

价格与价值

成本分析

提供商	费用	备注
muapiapp	$0.2 每次生成	muapiapp 比竞品便宜 20–50%，同时提供相当或更高的质量。
Fal.ai	$0.3 每次生成	muapiapp is approximately 33% 更便宜, offering better value without compromising on 性能.
Replicate	$0.3 每次生成	With muapiapp cost-effectiveness being 20-50% lower, it provides a competitive edge in both 质量 and 定价.

muapiapp$0.2 每次生成

muapiapp 比竞品便宜 20–50%，同时提供相当或更高的质量。

Fal.ai$0.3 每次生成

muapiapp is approximately 33% 更便宜, offering better value without compromising on 性能.

Replicate$0.3 每次生成

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

** 竞品价格根据相似模型架构和使用层级估算。

⚙️

技术详情

配置参数

参数	类型	描述	默认值
提示词	string	用于生成视频的提示词	`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.`
图像 URL	string	输入图像的 URL。	`https://d3adwkbyhxyrtq.cloudfront.net/webassets/videomodels/ltx-2-19b-lipsync.jpg`
音频 URL	string	用于上传音频文件的 URL。	`https://d3adwkbyhxyrtq.cloudfront.net/webassets/videomodels/ltx-2-19b-lipsync.wav`
分辨率	枚举（3 个选项）	生成视频的分辨率。	`720p`

提示词string

用于生成视频的提示词

默认值

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.

图像 URLstring

输入图像的 URL。

默认值https://d3adwkbyhxyrtq.cloudfront.net/webassets/videomodels/ltx-2-19b-lipsync.jpg

音频 URLstring

用于上传音频文件的 URL。

默认值https://d3adwkbyhxyrtq.cloudfront.net/webassets/videomodels/ltx-2-19b-lipsync.wav

分辨率枚举（3 个选项）

生成视频的分辨率。

默认值720p

📖

实施指南

开发者文档

如何使用 LTX-2-19B LipSync

步骤 1：准备输入

**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：**编写精准的提示词，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：提交请求

使用提供的 API 端点（ltx-2-19b-lipsync）提交输入 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：解读结果

处理完成后，输出会包含生成视频的 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

根据输出结果调整提示词或输入参数并重新提交，以微调最终视频。

❓

常见问题

常见问答

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输入音频片段同步，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。

哪些输入字段是必填的？

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输出。