字节跳动终于开源了一个好东西 LatentSync：精准的唇形同步工具 可以根据音频输入，自动调整视频中角色的嘴型，实现精准的口型同步。 直接用声音驱动嘴巴的动作，不需要复杂的中间步骤。 提出了一种“时间对齐”的技术，专门解决画面可能会跳动或不一致的问题。 左：原视频，右：口型同步后 提供了全套工具，可以轻松处理视频和音频，比如调整帧数、检测人脸、去除质量差的视频，保证最终生成的视频效果很好。