LatentSync
À partir de $0.006 par seconde de vidéo source
Le modèle de synchronisation labiale de ByteDance, qui utilise des techniques de diffusion latente pour synchroniser l’audio avec la vidéo.
Les points forts de LatentSync
L’avantage de la diffusion latente
Travailler dans l’espace latent plutôt que dans l’espace des pixels donne à LatentSync une compréhension plus abstraite de ce qui rend un mouvement de bouche crédible.
L’apprentissage des corrélations audio-visuelles
LatentSync inclut une supervision SyncNet explicite pour que le modèle apprenne de vraies relations audio-visuelles.
La cohérence temporelle
Les modèles de diffusion latente gèrent naturellement mieux les relations temporelles que les approches image par image.
Une large compatibilité de sources
LatentSync se généralise bien à différents types de vidéo : prise de vues réelles, contenu généré par IA, animation et techniques mixtes.
Réaliser. Créer. Éditer.
Arrêtez de prompter. Commencez à diriger.
Craze brainstorme, fait des recherches et planifie avec vous.
Créez du contenu de bon goût.
Craze génère tout ce qu’on peut imaginer. Vidéo, audio, musique, motion design et plus encore.
Montez des vidéos en quelques minutes. Pas en quelques jours.
Craze regarde vos rushs et construit un montage final. Avec un vrai éditeur si vous en avez besoin.
Créez des vidéos que les gens regardent
- Vidéos UGC
- Motion graphics
- Longs métrages
- Visualisation de produits
- Micro-dramas
- Films 3D
- Clips musicaux
- Films de marque
- Temps forts de mariage
- Tests YouTube
Comparaison de LatentSync
Chaque modèle présenté ici fonctionne sur tous les forfaits Craze, y compris Free, et Craze peut en utiliser un différent pour chaque plan.
| LatentSyncByteDance | Seedance 2.5ByteDance Seed Team | Seedance 2.0ByteDance Seed Team | Seedance 2.0 FastByteDance Seed Team | |
|---|---|---|---|---|
| Crée | Vidéo + Audio vers vidéo | Texte + Image + Vidéo + Audio vers vidéo | Texte + Image + Vidéo + Audio vers vidéo | Texte + Image + Vidéo + Audio vers vidéo |
| Qualité | — | Jusqu’à 4K | Jusqu’à 4K | Jusqu’à 720p |
| Durée | — | Jusqu’à 30 s par clip | Jusqu’à 15 s par clip | Jusqu’à 15 s par clip |
| Son | — | Généré avec l’image | Généré avec l’image | Généré avec l’image |
| À partir de | $0.006 par seconde de vidéo source | $0.120 par seconde de vidéo | $0.079 par seconde de vidéo | $0.063 par seconde de vidéo |
Caractéristiques de LatentSync sur Craze
| Tâche | Entrées | Résolution | Formats d’image | Son |
|---|---|---|---|---|
| Synchronisation labiale | Vidéo, Audio | Suit la source | Suit l’entrée | Aucun |
Choisissez le forfait de votre prochaine création.
Free
$0 / mois
- Utilisation limitée
- Accès à tous les modèles de médias
- Niveau de chat Efficace
- 1 GB de stockage
- Craze MCP
- Exports jusqu’en 720p
- Recharger des crédits supplémentaires
Pro
$19 / mois
- $19 de crédits chaque mois
- Accès à tous les modèles de médias
- Tous les niveaux de chat
- 50 GB de stockage
- Craze MCP
- Aucune limite de résolution pour les exports
- Recharger des crédits supplémentaires
Ultra
$59 / mois
- $59 de crédits chaque mois
- Accès à tous les modèles de médias
- Tous les niveaux de chat
- 200 GB de stockage
- Craze MCP
- Aucune limite de résolution pour les exports
- Recharger des crédits supplémentaires
Max
$199 / mois
- $199 de crédits chaque mois
- Accès à tous les modèles de médias
- Tous les niveaux de chat
- 1 TB de stockage
- Craze MCP
- Aucune limite de résolution pour les exports
- Recharger des crédits supplémentaires
Questions fréquentes
Pourquoi les créateurs choisissent LatentSync
LatentSync marque un tournant dans le fonctionnement de la synchronisation labiale. Au lieu d’un traitement image par image, il comprend la structure entière de la vidéo et génère des mouvements de bouche qui restent cohérents au-delà des frontières temporelles. Cette cohérence compte lorsque l’audio et la vidéo entretiennent des relations complexes.
L’avantage de la diffusion latente
Travailler dans l’espace latent plutôt que dans l’espace des pixels donne à LatentSync une compréhension plus abstraite de ce qui rend un mouvement de bouche crédible. Il n’essaie pas de prédire les couleurs exactes des pixels ; il apprend la structure sous-jacente de la façon dont les bouches bougent en réponse au son.
L’apprentissage des corrélations audio-visuelles
LatentSync inclut une supervision SyncNet explicite pour que le modèle apprenne de vraies relations audio-visuelles. Il ne se contente pas de deviner ; il est entraîné pour maximiser la précision réelle de la synchronisation entre l’audio et le mouvement de la bouche.
La cohérence temporelle
Les modèles de diffusion latente gèrent naturellement mieux les relations temporelles que les approches image par image. Les mouvements de bouche restent cohérents d’une image à l’autre, car le modèle comprend le mouvement comme une structure continue, et non comme une série de prédictions isolées.
Une large compatibilité de sources
LatentSync se généralise bien à différents types de vidéo : prise de vues réelles, contenu généré par IA, animation et techniques mixtes. L’approche dans l’espace latent ne dépend pas d’un biais des données d’entraînement en faveur d’un format.
Comment utiliser LatentSync dans Craze
LatentSync est un modèle de transformation : fournissez la vidéo et l’audio, et Craze s’occupe de la synchronisation.
- Importez votre vidéo et la piste audio que vous voulez synchroniser. L’audio peut être une voix off, un doublage ou un nouveau dialogue.
- Demandez LatentSync par son nom, ou décrivez votre objectif de synchronisation et laissez Craze vous montrer les modèles compatibles avec leurs prix avant de choisir.
- Craze traite la vidéo en fonction de l’audio et renvoie le résultat synchronisé.
- Vérifiez le résultat dans l’éditeur. Si des ajustements sont nécessaires, régénérez la section ou essayez un autre modèle de synchronisation labiale.
LatentSync fonctionne bien sur des images où la bouche de la personne qui parle est visible. Les scènes très peuplées ou les images où les visages sont petits peuvent nécessiter que l’agent de Craze les découpe d’abord en plans plus serrés.
L’approche par diffusion latente offre un net avantage en matière de cohérence temporelle. Comme le modèle comprend toute la structure temporelle au lieu de prédire image par image, les mouvements de bouche ne scintillent pas et ne perdent pas leur cohérence d’une image à l’autre. C’est particulièrement visible dans les longs discours ou les séquences de dialogue, là où la cohérence compte le plus.
Tarifs de LatentSync
LatentSync est facturé selon la durée de votre vidéo source, à $0.006 par seconde de vidéo source. Un clip de 30 secondes coûte moins cher qu’un clip de 2 minutes. Le prix évolue de façon linéaire avec la durée, et vous pouvez calculer les coûts exacts sur cette page.
La qualité vidéo, la résolution et la fréquence d’images n’influent pas sur le prix. Seule la durée de votre vidéo source compte. Comme LatentSync travaille dans l’espace latent, il fournit des résultats sans la charge de traitement au niveau des pixels des approches image par image.
LatentSync face aux autres modèles de synchronisation labiale
Sync Lipsync 3 et Sync Lipsync 2 Pro utilisent une analyse image par image ou globale dans l’espace des pixels, tandis que LatentSync travaille dans l’espace latent avec des modèles de diffusion. Kling LipSync offre une prise en charge multilingue avec une intégration native à Kling 3.0. Choisissez LatentSync si vous préférez l’approche par diffusion ou si vous avez besoin d’efficacité pour le traitement par lots.
À qui s’adresse LatentSync
Les chercheurs et les créateurs techniques
L’article et le code de LatentSync sont accessibles publiquement. Si la recherche derrière la synchronisation labiale moderne vous intéresse, LatentSync mérite d’être exploré pour ses propres qualités.
Les flux de rendu efficaces
Comme LatentSync travaille dans l’espace latent plutôt que dans l’espace des pixels, il peut être efficace en calcul pour le traitement par lots ou les contenus longs. Si vous synchronisez de nombreuses vidéos, cette approche présente des avantages.
Le remplacement de dialogues haute fidélité
L’apprentissage explicite des corrélations audio-visuelles de LatentSync le rend performant pour le remplacement précis de dialogues, lorsque la précision de la synchronisation est essentielle.
Les contenus vidéo IA
LatentSync se généralise bien aux vidéos générées par IA, car il ne dépend pas des biais d’entraînement liés à la prise de vues réelles. Si vous mélangez des images IA et réelles, LatentSync gère les deux de façon cohérente.
Le traitement par lots et les contenus longs
Comme LatentSync travaille dans l’espace latent, il peut être plus efficace en calcul que les approches dans l’espace des pixels. Si vous devez synchroniser de nombreuses vidéos ou des contenus longs, les fondements techniques de LatentSync le rendent pratique pour une production à grand volume.
Les applications techniques et de recherche
L’article et le code de LatentSync sont accessibles publiquement. Si vous expérimentez la synthèse par diffusion ou voulez comprendre la recherche derrière la synchronisation labiale moderne, LatentSync offre une approche transparente et open source.
Plus de modèles vidéo
Tous les modèlesSeedance 2.5
ByteDance Seed Team
- Texte vers vidéo
- Image vers vidéo
- Référence vers vidéo
- Prolongation de vidéo
- Montage vidéo
À partir de $0.120 par seconde de vidéo
Seedance 2.0
ByteDance Seed Team
- Texte vers vidéo
- Image vers vidéo
- Référence vers vidéo
- Prolongation de vidéo
- Montage vidéo
À partir de $0.079 par seconde de vidéo
Seedance 2.0 Fast
ByteDance Seed Team
- Texte vers vidéo
- Image vers vidéo
- Référence vers vidéo
- Prolongation de vidéo
- Montage vidéo
À partir de $0.063 par seconde de vidéo



















