最近做了一个 AI Lip Sync 网站： https://lipsync.vip 主要想解决一个比较直接的需求： 给一张人物、宠物或者其他角色图片，配上音频，让图片里的角色根据语音生成自然的嘴型同步效果。 之前自己测试类似产品的时候，发现几个比较影响体验的问题： 嘴型和声音容易对不上 生成过程中人物会莫名转头、表情变化太大 中文、英文等不同语音下效果差异比较明显 很多工具上传完素材之后，操作流程比较复杂 想快速做一个短视频 Demo ，往往还要来回调很多次 所以这次做 lipsync.vip 的时候，我比较希望它保持简单： 上传素材 → 添加音频 → 生成 Lip Sync 视频 目前也做了一些可以直接测试的示例素材，包括： Social Media Creator UGC / Lifestyle Podcast / YouTube Music / Singing 宠物 Vintage / Old Photo 这样没有现成图片的时候，也可以直接选择素材测试效果。 我自己目前比较关...