live avatar generator：製作擬真口型同步影片 | RunComfy

live avatar generator 的核心優勢#

live avatar generator 專為「以音訊驅動單張人像」而設計。它會在保留人物身分特徵、臉部結構和畫面構圖的同時，產生連貫的說話影片。準確的口型同步、自然的微表情和穩定動作，使其適合以不同聲音和呈現風格進行批次製作。

主要功能：

• 結構保持：在連續畫面中維持人物身分、姿勢和臉部關鍵特徵。
• 口型同步：讓嘴形變化準確貼合輸入音訊的節奏。
• 自然表情：加入眨眼、輕微點頭和視線變化，並盡量減少漂移。
• 流暢輸出：frames_per_clip 必須是 4 的倍數；提高此值通常能讓動作更流暢，但也會延長產生時間。
• 製作控制：num_clips 控制片長，guidance_scale 控制提示詞遵循程度，seed 有助於重現相近結果。
• 輸入彈性：支援不同裁切方式的人像，以及 WAV 或 MP3 音訊。

live avatar generator 提示詞指南#

先透過 image_url 提供人物圖片，再透過 audio_url 提供 WAV 或 MP3 音訊，接著用精煉的提示詞說明期望的表情、節奏和動作範圍。每增加一個 num_clips，片長約增加 3 秒；frames_per_clip 控制動作流暢度，而且必須是 4 的倍數。如果結果需要更嚴格遵循提示詞，可適度提高 guidance_scale；重複使用 seed 有助於獲得可重現的結果。為了讓視線和臉部結構更穩定，建議使用清晰、正面、臉部置中的人像，並保持背景簡潔。

範例：

• "Preserve identity and camera framing; neutral studio lighting; subtle head nods and natural blinks; align to audio."
• "Keep background unchanged; focus motion on mouth and eyes; no head rotation; live avatar generator follows the audio pace."
• "Confident, upbeat delivery; small smiles on emphasized words; keep gaze at camera; avoid shoulder movement."
• "Serious tone; minimal facial movement; maintain lip precision; increase frames_per_clip to 64 for smoother motion."
• "Editorial look; soft key light from left; micro-expressions only; live avatar generator keeps structure and pose intact."

實用建議：

• 清楚寫出哪些內容必須維持不變、哪些部分可以移動。
• 使用「左側」「右側」或「僅背景」等空間描述來限定動作區域。
• 使用清晰的高解析度人像，並裁掉無關的干擾元素。
• 與其塞入大量要求，不如保留少數關鍵描述，再逐步調整 guidance_scale。
• 先確定 num_clips 和 frames_per_clip，再微調風格與 seed。