LatentSync
A partir de $0.006 por segundo de vídeo de origem
O modelo de sincronização labial da ByteDance que usa técnicas de difusão latente para sincronizar áudio e vídeo.
No que o LatentSync é bom
A vantagem da difusão latente
Trabalhar no espaço latente em vez do espaço de pixels significa que o LatentSync tem uma compreensão mais abstrata do que torna um movimento de boca convincente.
Aprendizado da correlação entre áudio e vídeo
O LatentSync inclui supervisão explícita do SyncNet para garantir que o modelo aprenda relações reais entre áudio e vídeo.
Consistência temporal
Modelos de difusão latente lidam naturalmente melhor com relações temporais do que as abordagens quadro a quadro.
Ampla compatibilidade de fontes
O LatentSync generaliza bem entre diferentes tipos de vídeo: live-action, conteúdo gerado por IA, animação e mídia mista.
Dirigir. Criar. Editar.
Pare de escrever prompts. Comece a dirigir.
O Craze explora ideias, pesquisa e planeja com você.
Crie conteúdo de bom gosto.
O Craze gera tudo o que se possa imaginar. Vídeo, áudio, música, motion graphics e muito mais.
Edite vídeos em minutos. Não em dias.
O Craze assiste às suas filmagens e monta um corte final. Com um editor de verdade, se você precisar.
Faça vídeos que as pessoas assistam
- Vídeos UGC
- Motion graphics
- Longas-metragens
- Visualização de produtos
- Microdramas
- Filmes em 3D
- Videoclipes
- Filmes de marca
- Melhores momentos de casamento
- Reviews no YouTube
Como o LatentSync se compara
Todos os modelos aqui rodam em todos os planos do Craze, incluindo o Free, e o Craze pode usar um diferente para cada tomada.
| LatentSyncByteDance | Seedance 2.5ByteDance Seed Team | Seedance 2.0ByteDance Seed Team | Seedance 2.0 FastByteDance Seed Team | |
|---|---|---|---|---|
| Gera | Vídeo + Áudio para vídeo | Texto + Imagem + Vídeo + Áudio para vídeo | Texto + Imagem + Vídeo + Áudio para vídeo | Texto + Imagem + Vídeo + Áudio para vídeo |
| Qualidade | — | Até 4K | Até 4K | Até 720p |
| Duração | — | Até 30s por clipe | Até 15s por clipe | Até 15s por clipe |
| Som | — | Gerado junto com a imagem | Gerado junto com a imagem | Gerado junto com a imagem |
| A partir de | $0.006 por segundo de vídeo de origem | $0.120 por segundo de vídeo | $0.079 por segundo de vídeo | $0.063 por segundo de vídeo |
Especificações do LatentSync no Craze
| Tarefa | Entradas | Resolução | Proporções | Som |
|---|---|---|---|---|
| Sincronização labial | Vídeo, Áudio | Segue a fonte | Segue a entrada | Nenhum |
Escolha o plano para sua próxima criação.
Free
$0 / mês
- Uso limitado
- Acesso a todos os modelos de mídia
- Nível de chat Eficiente
- 1 GB de armazenamento
- Craze MCP
- Exportações em até 720p
- Recarregar créditos adicionais
Pro
$19 / mês
- $19 de créditos todo mês
- Acesso a todos os modelos de mídia
- Todos os níveis de chat
- 50 GB de armazenamento
- Craze MCP
- Sem limites de resolução nas exportações
- Recarregar créditos adicionais
Ultra
$59 / mês
- $59 de créditos todo mês
- Acesso a todos os modelos de mídia
- Todos os níveis de chat
- 200 GB de armazenamento
- Craze MCP
- Sem limites de resolução nas exportações
- Recarregar créditos adicionais
Max
$199 / mês
- $199 de créditos todo mês
- Acesso a todos os modelos de mídia
- Todos os níveis de chat
- 1 TB de armazenamento
- Craze MCP
- Sem limites de resolução nas exportações
- Recarregar créditos adicionais
Perguntas frequentes
Por que os criadores escolhem o LatentSync
O LatentSync representa uma mudança na forma como a sincronização labial funciona. Em vez de processar quadro a quadro, ele entende a estrutura inteira do vídeo e gera movimentos de boca que se mantêm consistentes ao longo dos limites temporais. Essa consistência importa quando o áudio e o vídeo têm relações complexas.
A vantagem da difusão latente
Trabalhar no espaço latente em vez do espaço de pixels significa que o LatentSync tem uma compreensão mais abstrata do que torna um movimento de boca convincente. Ele não tenta prever as cores exatas dos pixels; ele aprende a estrutura subjacente de como a boca se move em resposta ao som.
Aprendizado da correlação entre áudio e vídeo
O LatentSync inclui supervisão explícita do SyncNet para garantir que o modelo aprenda relações reais entre áudio e vídeo. Ele não está apenas adivinhando; ele é treinado para maximizar a precisão real da sincronização entre o áudio e o movimento da boca.
Consistência temporal
Modelos de difusão latente lidam naturalmente melhor com relações temporais do que as abordagens quadro a quadro. Os movimentos da boca se mantêm consistentes entre os quadros porque o modelo entende o movimento como uma estrutura contínua, não como uma série de previsões isoladas.
Ampla compatibilidade de fontes
O LatentSync generaliza bem entre diferentes tipos de vídeo: live-action, conteúdo gerado por IA, animação e mídia mista. A abordagem no espaço latente não depende de um viés dos dados de treinamento em direção a um formato.
Como usar o LatentSync no Craze
O LatentSync é um modelo de transformação: forneça o vídeo e o áudio, e o Craze cuida da sincronização.
- Envie seu vídeo e a faixa de áudio que você quer sincronizar. O áudio pode ser uma narração, uma dublagem ou um diálogo novo.
- Peça o LatentSync pelo nome, ou descreva seu objetivo de sincronização e deixe o Craze mostrar modelos compatíveis com preços antes de você escolher.
- O Craze processa o vídeo de acordo com o áudio e devolve o resultado sincronizado.
- Revise no editor. Se forem necessários ajustes, gere o trecho novamente ou experimente outro modelo de sincronização labial.
O LatentSync funciona bem com imagens em que a boca de quem fala está visível. Cenas cheias de gente ou imagens em que os rostos são pequenos podem precisar que o agente do Craze as divida primeiro em planos mais fechados.
A abordagem de difusão latente tem uma vantagem clara em consistência temporal. Como o modelo entende toda a estrutura temporal em vez de prever quadro a quadro, os movimentos da boca não tremulam nem perdem coerência entre os limites dos quadros. Isso é especialmente perceptível em discursos longos ou sequências de diálogo, onde a consistência mais importa.
Preços do LatentSync
O LatentSync é cobrado pela duração do seu vídeo de origem, a $0.006 por segundo de vídeo de origem. Um clipe de 30 segundos custa menos que um clipe de 2 minutos. O preço cresce de forma linear com a duração, e você pode calcular os custos exatos nesta página.
A qualidade do vídeo, a resolução e a taxa de quadros não afetam o preço. Só importa a duração do seu vídeo de origem. Como o LatentSync trabalha no espaço latente, ele entrega resultados sem exigir a sobrecarga de processamento em nível de pixel das abordagens quadro a quadro.
LatentSync vs. outros modelos de sincronização labial
O Sync Lipsync 3 e o Sync Lipsync 2 Pro usam análise quadro a quadro ou global no espaço de pixels, enquanto o LatentSync trabalha no espaço latente com modelos de difusão. O Kling LipSync oferece suporte a vários idiomas com integração nativa ao Kling 3.0. Escolha o LatentSync se você prefere a abordagem por difusão ou precisa de eficiência para processamento em lote.
Para quem é o LatentSync
Pesquisadores e criadores técnicos
O artigo e o código do LatentSync estão disponíveis publicamente. Se você se interessa pela pesquisa por trás da sincronização labial moderna, vale a pena explorar o LatentSync pelos seus próprios méritos.
Fluxos de trabalho de renderização eficientes
Como o LatentSync trabalha no espaço latente em vez do espaço de pixels, ele pode ser computacionalmente eficiente para processamento em lote ou conteúdo longo. Se você sincroniza muitos vídeos, a abordagem tem vantagens.
Substituição de diálogo de alta fidelidade
O aprendizado explícito da correlação entre áudio e vídeo do LatentSync o torna forte para substituições precisas de diálogo, em que a precisão da sincronização é crítica.
Conteúdo de vídeo com IA
O LatentSync generaliza bem para vídeo gerado por IA porque não depende de vieses de treinamento com imagens live-action. Se você mistura imagens de IA e reais, o LatentSync lida com as duas de forma consistente.
Processamento em lote e conteúdo longo
Como o LatentSync trabalha no espaço latente, ele pode ser computacionalmente mais eficiente do que as abordagens no espaço de pixels. Se você precisa sincronizar muitos vídeos ou conteúdo longo, a base técnica do LatentSync o torna prático para produção em grande volume.
Aplicações técnicas e de pesquisa
O artigo e o código do LatentSync estão disponíveis publicamente. Se você está experimentando síntese baseada em difusão ou quer entender a pesquisa por trás da sincronização labial moderna, o LatentSync oferece uma abordagem transparente e de código aberto.
Mais modelos de vídeo
Todos os modelosSeedance 2.5
ByteDance Seed Team
- Texto para vídeo
- Imagem para vídeo
- Referência para vídeo
- Extensão de vídeo
- Edição de vídeo
A partir de $0.120 por segundo de vídeo
Seedance 2.0
ByteDance Seed Team
- Texto para vídeo
- Imagem para vídeo
- Referência para vídeo
- Extensão de vídeo
- Edição de vídeo
A partir de $0.079 por segundo de vídeo
Seedance 2.0 Fast
ByteDance Seed Team
- Texto para vídeo
- Imagem para vídeo
- Referência para vídeo
- Extensão de vídeo
- Edição de vídeo
A partir de $0.063 por segundo de vídeo



















