Craze
模型价格MCP博客
源视频时长
生成次数
费用每次生成 $0.223
$0.223

按 ⌘↵ 生成

LatentSync

每秒源视频 $0.006 起

ByteDance 的口型同步模型,使用潜在扩散技术实现音频与视频的同步。

查看套餐

LatentSync擅长什么

  • 潜在扩散的优势

    在潜在空间而不是像素空间中工作,意味着 LatentSync 对“怎样的嘴部动作才可信”有更抽象的理解。

  • 学习音画关联

    LatentSync 加入了显式的 SyncNet 监督,确保模型学到真实的音画关系。

  • 时间一致性

    潜在扩散模型天然比逐帧方法更善于处理时间关系。

  • 广泛的来源兼容性

    LatentSync 在不同类型的视频上都有良好的泛化能力:实拍、AI 生成的内容、动画和混合媒体。

聊天

给一个护肤品牌做个短广告。明黄色,一个主打产品,卡着音乐剪。

已生成图片

这是主视觉。每个镜头都是同样的黄色、同样的光线。

starface-key-visual.webp添加到时间线添加到聊天
问 Craze 任何问题微调
Assets
搜索素材
已批准的片段
已接受的帧
尾帧
已批准的片段
已接受的帧
生成中
时间线
Breakoutshappen. Makethem yours.Treat melike a star.

导演。创作。剪辑。

  1. 聊天

    给一个护肤品牌做个短广告。明黄色,一个主打产品,卡着音乐剪。

    已生成图片

    这是主视觉。每个镜头都是同样的黄色、同样的光线。

    starface-key-visual.webp添加到时间线添加到聊天
    问 Craze 任何问题微调

    别再写提示词,开始当导演。

    Craze 与你一起碰撞创意、做调研、做规划。

  2. Assets
    搜索素材
    已批准的片段
    已接受的帧
    尾帧
    已批准的片段
    已接受的帧
    生成中

    创作有品位的内容。

    Craze 能生成你能想象的一切。视频、音频、音乐、动态图形等等。

  3. 时间线
    Breakoutshappen. Makethem yours.Treat melike a star.

    几分钟剪好视频,而不是几天。

    Craze 会看完你的素材并剪出成片。如有需要,还有真正的编辑器。

制作人们愿意看的视频

  • UGC 视频
  • 动态图形
  • 故事长片
  • 产品可视化
  • 微短剧
  • 3D 影片
  • 音乐视频
  • 品牌影片
  • 婚礼精彩集锦
  • YouTube 测评

LatentSync与其他模型对比

这里的每个模型都可在所有 Craze 套餐(包括 Free)中使用,而且 Craze 可以为每个镜头使用不同的模型。

LatentSyncByteDanceSeedance 2.5ByteDance Seed TeamSeedance 2.0ByteDance Seed TeamSeedance 2.0 FastByteDance Seed Team
生成视频 + 音频生视频文字 + 图片 + 视频 + 音频生视频文字 + 图片 + 视频 + 音频生视频文字 + 图片 + 视频 + 音频生视频
质量—最高 4K最高 4K最高 720p
时长—每个片段最长 30 秒每个片段最长 15 秒每个片段最长 15 秒
声音—随画面一起生成随画面一起生成随画面一起生成
起价每秒源视频 $0.006每秒视频 $0.120每秒视频 $0.079每秒视频 $0.063

Craze 上的 LatentSync规格

任务输入分辨率画面比例声音
口型同步视频、音频跟随源素材跟随输入无

为你的下一部作品选择套餐。

Free

$0 / 月

  • 有限用量
  • 可使用所有媒体模型
  • 高效聊天档位
  • 1 GB 存储空间
  • Craze MCP
  • 导出最高 720p
  • 充值更多积分

Pro

$19 / 月

  • 每月 $19 积分
  • 可使用所有媒体模型
  • 所有聊天档位
  • 50 GB 存储空间
  • Craze MCP
  • 导出无分辨率限制
  • 充值更多积分

Ultra

$59 / 月

  • 每月 $59 积分
  • 可使用所有媒体模型
  • 所有聊天档位
  • 200 GB 存储空间
  • Craze MCP
  • 导出无分辨率限制
  • 充值更多积分

Max

$199 / 月

  • 每月 $199 积分
  • 可使用所有媒体模型
  • 所有聊天档位
  • 1 TB 存储空间
  • Craze MCP
  • 导出无分辨率限制
  • 充值更多积分

常见问题

创作者选择 LatentSync 的理由

LatentSync 代表了口型同步工作方式的转变。它不是逐帧处理,而是理解整个视频的结构,生成在时间边界上保持一致的嘴部动作。当音频和视频之间的关系很复杂时,这种一致性就很重要。

潜在扩散的优势

在潜在空间而不是像素空间中工作,意味着 LatentSync 对“怎样的嘴部动作才可信”有更抽象的理解。它不是在预测确切的像素颜色,而是在学习嘴巴如何随声音运动的底层结构。

学习音画关联

LatentSync 加入了显式的 SyncNet 监督,确保模型学到真实的音画关系。它不只是在猜测;它经过训练,以最大化音频与嘴部动作之间的实际同步精度。

时间一致性

潜在扩散模型天然比逐帧方法更善于处理时间关系。嘴部动作在各帧之间保持一致,因为模型把运动理解为一个连续的结构,而不是一系列孤立的预测。

广泛的来源兼容性

LatentSync 在不同类型的视频上都有良好的泛化能力:实拍、AI 生成的内容、动画和混合媒体。潜在空间方法不依赖于偏向某一种格式的训练数据。

如何在 Craze 中使用 LatentSync

LatentSync 是一个转换模型:提供视频和音频,Craze 负责同步。

  1. 上传你的视频和想要同步的音轨。音频可以是旁白、配音或新的对白。
  2. 直接点名要求 LatentSync,或者描述你的同步目标,让 Craze 在你选择之前列出兼容的模型及其价格。
  3. Craze 根据音频处理视频,并返回同步后的结果。
  4. 在编辑器中检查。如果需要调整,可以重新生成这一段,或者换一个口型同步模型试试。

LatentSync 适合说话人嘴部清晰可见的素材。人多的场景或人脸较小的素材,可能需要 Craze 的智能体先把它们拆分成更近的镜头。

潜在扩散方法在时间一致性方面有明显优势。因为模型理解的是整个时间结构,而不是逐帧预测,嘴部动作不会在帧与帧之间闪烁或失去连贯性。在一致性最重要的长篇演讲或对白序列中,这一点尤其明显。

LatentSync 价格

LatentSync 按源视频的时长计价,价格为每秒源视频 $0.006。30 秒片段的费用低于 2 分钟片段。价格随时长线性增长,你可以在本页计算准确的费用。

视频质量、分辨率和帧率不影响价格。只有源视频的时长才重要。由于 LatentSync 在潜在空间中工作,它无需逐帧方法那样的像素级处理开销就能交付结果。

LatentSync 与其他口型同步模型对比

Sync Lipsync 3 和 Sync Lipsync 2 Pro 在像素空间中使用逐帧或全局分析,而 LatentSync 用扩散模型在潜在空间中工作。Kling LipSync 提供多语言支持,并与 Kling 3.0 原生集成。如果你更喜欢扩散方法,或需要高效的批量处理,请选择 LatentSync。

LatentSync 适合谁

研究人员和技术型创作者

LatentSync 的论文和代码都已公开。如果你对现代口型同步背后的研究感兴趣,LatentSync 本身就值得探索。

高效的渲染工作流程

由于 LatentSync 在潜在空间而不是像素空间中工作,它在批量处理或长内容上可以有较高的计算效率。如果你要同步很多视频,这种方法有其优势。

高保真对白替换

LatentSync 显式学习音画关联,因此非常适合对同步精度要求极高的精确对白替换。

AI 视频内容

LatentSync 不依赖实拍训练带来的偏向,因此能很好地泛化到 AI 生成的视频上。如果你混合使用 AI 素材和真实素材,LatentSync 能一致地处理两者。

批量处理和长内容

由于 LatentSync 在潜在空间中工作,它的计算效率可以高于像素空间方法。如果你需要同步很多视频或长内容,LatentSync 的技术基础让它适合大批量制作。

技术和研究应用

LatentSync 的论文和代码都已公开。如果你在尝试基于扩散的合成,或想了解现代口型同步背后的研究,LatentSync 提供了一种透明的开源方法。

把你的视频和音频交给 Craze 并说出你想要什么,它会为你运行 LatentSync。每个 Craze 套餐(包括 Free)都能运行 LatentSync 及其他所有媒体模型,而且 Craze 可以为每项任务使用不同的模型。每个视频都会进入可编辑的时间线,带有你的剪辑、字幕和音乐,可直接导出为 MP4。生成消耗你套餐的每月积分,每秒源视频 $0.006 起,需要更多时可以充值。

研究人员和技术型创作者:LatentSync 的论文和代码都已公开。高效的渲染工作流程:由于 LatentSync 在潜在空间而不是像素空间中工作,它在批量处理或长内容上可以有较高的计算效率。高保真对白替换:LatentSync 显式学习音画关联,因此非常适合对同步精度要求极高的精确对白替换。AI 视频内容:LatentSync 不依赖实拍训练带来的偏向,因此能很好地泛化到 AI 生成的视频上。

LatentSync 是 ByteDance 开发的口型同步模型,使用潜在扩散技术让音频与视频同步。它根据音频生成逼真的嘴部动作,无需中间的运动表示。

LatentSync 在 Craze 上的价格为每秒源视频 $0.006。使用本页的费用计算器查看准确价格。

LatentSync 适用于所有 Craze 套餐,包括 Free。你的订阅每月提供可用于口型同步生成的积分。

ByteDance 于 2024 年 12 月 19 日发表了 LatentSync 研究论文。这篇论文提出了一种使用音频条件潜在扩散模型实现口型同步的新方法。

LatentSync 使用扩散模型直接在潜在空间中工作,而不是逐像素处理视频帧。它通过 SyncNet 监督显式学习音画之间的关联。

在 Craze 上,LatentSync 每次生成最多支持 10 分钟的源视频。

适用。LatentSync 适用于实拍素材、AI 生成的视频和动画。该模型在不同的视频来源上都有良好的泛化能力。

能。LatentSync 适用于包含背景音乐、环境声或多个人声的音频。它会分离出说话人的声音,并据此同步嘴部动作。

更多视频模型

所有模型

Seedance 2.5

ByteDance Seed Team

  • 文生视频
  • 图生视频
  • 参考生视频
  • 视频延长
  • 视频编辑

每秒视频 $0.120 起

Seedance 2.0

ByteDance Seed Team

  • 文生视频
  • 图生视频
  • 参考生视频
  • 视频延长
  • 视频编辑

每秒视频 $0.079 起

Seedance 2.0 Fast

ByteDance Seed Team

  • 文生视频
  • 图生视频
  • 参考生视频
  • 视频延长
  • 视频编辑

每秒视频 $0.063 起

  • 导演
  • 创作
  • 剪辑
  • 模型
  • 价格
  • MCP
  • 联系我们
  • 文档
  • 博客
  • 更新日志
  • 隐私
  • 条款
  • Instagram
  • YouTube
  • X
  • LinkedIn
  • English
  • 日本語
  • 한국어
  • Español
  • Deutsch
  • Français
  • Português
  • 简体中文

© 2026 Craze Technologies