PixVerse Lipsync : synchronisation labiale et doublage vidéo du visage sur Models and API | RunComfy

PixVerse / PixVerse Lipsync#

Ce modèle est conçu pour un travail simple : conserver l'identité, le cadrage et les performances d'un clip de tête parlante existant tout en remplaçant la piste parlée. Téléchargez une vidéo avec un visage clair et un fichier audio séparé, puis recevez un clip dont le mouvement de la bouche suit le nouveau dialogue.

Ce flux de travail convient au doublage, à la localisation et aux échanges de dialogues lorsque vous aimez déjà l'image et que vous n'avez besoin que des lèvres pour rattraper votre retard. Sur RunComfy, vous pouvez exécuter PixVerse Lipsync dans l'interface utilisateur du modèle ou via un HTTP API après le téléchargement du média.

Faits saillants#

• Mouvement de la bouche piloté par le son : PixVerse Lipsync détermine les formes des lèvres à partir de votre piste de remplacement au lieu d'inventer un nouveau discours à partir du seul texte.
• Conserve les performances de la source : L'identité, l'éclairage et le cadrage de la caméra restent proches de la prise de vue originale pendant que la bouche est resynchronisée.
• Flux de travail à deux entrées : Fournissez uniquement une URL vidéo et une URL audio – pas de mode de résolution ni de boutons de style supplémentaires à régler.
• Boucle prête pour le doublage : Utile lorsque vous localisez des publicités, remplacez des lignes ou échangez des langues sans reconstituer le talent.
• Appel à génération unique : Une fois les téléchargements terminés, une requête produit la sortie vidéo synchronisée.

Paramètres#

Tarifs#

La facturation suit la durée de l'audio téléchargé. La durée est arrondie à la seconde entière. La durée minimale facturée est de 3 secondes et la durée maximale facturable est de 600 secondes.

[Offre à durée limitée] Moitié prix (50% de réduction). $0.02 par seconde d'audio (minimum 3 secondes facturées). Tarif normal après l'offre : $0.04 par seconde.

Comment utiliser#

1. Ouvrez la page PixVerse Lipsync sur RunComfy et choisissez le modèle Vidéo vers vidéo.
2. Téléchargez ou collez une URL vidéo où le visage de l'orateur est visible, bien éclairé et pratiquement dégagé autour de la bouche.
3. Téléchargez ou collez l'URL audio qui doit générer le nouveau mouvement des lèvres.
4. Confirmez que les deux champs sont remplis : le modèle attend uniquement ces deux entrées.
5. Démarrez la génération et attendez la fin du passage vidéo à vidéo.
6. Prévisualisez le résultat, puis téléchargez ou transmettez l'URL de sortie à votre prochaine étape de modification.
7. Si le timing en bouche semble doux, supprimez les silences bruyants de l'audio et réessayez avec une prise plus nette.
8. Pour utiliser l'API, téléchargez d'abord le média, puis appelez generate avec les mêmes champs audio et video.

Conseils d'invite et de référence#

• Clarté du visage : Préférez les prises de vue frontales ou quasi frontales afin que PixVerse Lipsync puisse se verrouiller sur la bouche de manière fiable.
• Éclairage : Même la lumière sur le visage bat les ombres épaisses sur les lèvres.
• Occlusions : Évitez les mains, les microphones ou les cheveux couvrant la bouche pendant de longues périodes.
• Qualité audio : Une parole claire avec un bruit de fond limité permet une synchronisation plus précise que les pistes boueuses.
• Planification de la durée : Les courts clips de dialogue sont plus faciles à revoir ; rappelez-vous que la facturation est arrondie et plancher à 3 secondes.
• Match intent : utilisez un son dont le rythme correspond aux performances à l'écran pour que la bouche synchronisée semble naturelle.
• Appareil photo stable : Le bougé de la main est acceptable avec modération, mais un flou de mouvement extrême autour du visage peut affaiblir l'alignement.

Comment PixVerse Lipsync se compare aux autres modèles#

Sur la base d’informations accessibles au public :

• Contre. outils de tête parlante basés sur du texte : Ce chemin part d'images réelles et d'un fichier audio fini, il remplace donc les lèvres d'une performance existante au lieu de synthétiser un avatar complet à partir d'un script.
• Contre. systèmes d'image en vidéo parlante : ces outils animent généralement un portrait fixe ; PixVerse Lipsync attend une vidéo source en mouvement et se concentre sur le resynchronisation de la bouche.
• Contre. éditeurs vidéo génératifs complets : des modèles vidéo plus larges réécrivent les scènes à partir d'invites ; ici, la portée reste étroite : synchronisez les lèvres avec l'audio tout en préservant la prise de vue.
• Quand le choisir : Choisissez ce modèle lorsque la photo est déjà approuvée et que seule la piste parlée doit changer.