lip-sync

Seedance 2.5 已发布，支持 30 秒单次生成视频、音频参考口型同步，以及异步任务和 webhooks 等 API 功能。其突出之处在于失败生成不收费，且参考视频可获得更低的 token 费率，但输出最高仅为 720p。

谷歌重点介绍了博士生实习生Khoi的研究，该研究旨在将唇部动作与配音音频同步，为YouTube制作自然流畅的多语言视频。

Duix.Avatar 是一款本地 AI 头像工具包，能够根据视频、语音和脚本输入生成口型同步的头像视频，无需将数据发送到云端。它支持八种语言，并在 GitHub 上以社区许可证发布。

NVIDIA Audio2Face-3D 从音频生成高保真3D面部动画，提供准确的唇形同步和情感表达。它以开源SDK形式发布，包含预训练模型以及Maya和Unreal Engine 5的插件。

讨论AI社交应用从文字聊天到实时视频交互的演变，重点介绍了Mel的多模态交互栈以及延迟、唇形同步和协调等技术挑战。

Vaani 是一个为创作者、品牌和工作室提供唇形同步AI配音的工具。

美团开源了LongCat-Video-Avatar-1.5模型，支持单张照片和语音生成逼真的说话视频，支持多语言、长视频，性能超越商业闭源方案。

LongCat-Video-Avatar 1.5 是一个升级的开源框架，用于音频驱动的人像视频生成，具备更优的唇形同步、生产级稳定性及高效的8步推理能力。

像sync.so这样的AI唇同步工具可以重新绘制嘴部动作以匹配配音音频，可能化解长期以来关于配音因嘴部动作不匹配而破坏沉浸感的争论。