fal 上线 H3 Max 唇形同步：照片加音频数秒出视频

fal 正式上线 H3 Max Lip Sync：上传一张照片和一段音频，数秒内即可生成唇形同步的说话视频，官方评测称其在质量与速度两项均排名第一，中位生成时间仅 11 秒。

已确认

• 产品功能：用户上传一张照片加一段音频，即可生成对口型说话视频，支持任意语言，表情与动作自然。
• 性能：据 fal 官方评测，模型在质量与速度上均排名第一，生成中位耗时仅 11 秒；isidentical 的发帖也提到「不到 3 秒即可生成」的表述，两条数据并存于官方宣传中。
• 技术来源：模型基于市场上最快的视频模型 H3 Max。阿拉伯语博主 aziz4ai 介绍，fal 平台是对 MiniMax H3 Max 模型做了微调定制。
• 应用场景：官方称其速度足以支撑大规模快速迭代，适用于多角色、多 campaign、多语言场景；aziz4ai 还强调其价格非常便宜，认为这是目前最强的唇形同步方案。

尚未确认

• 「质量与速度双第一」的结论来自 fal 自家评测，尚无第三方独立评测佐证；「3 秒」与「11 秒」两个生成时间口径不一，具体取决于场景或任务规模。

为什么重要

• 唇形同步是广告投放、多语言内容本地化和虚拟角色制作的关键环节，H3 Max 以秒级生成速度和低成本，使大规模批量迭代成为可能，可能改变此类内容的生产成本结构。

2026-09-18 ~ 2026-09-19 · 5 条相关

• 【源头】fal 上线 H3 Max 唇形同步:照片+音频 3 秒生成说话视频 — isidentical · 2026-09-18
• fal 推出 H3 Max 唇形同步模型：中位生成仅 11 秒，质量速度双第一 — jfischoff · 2026-09-19
• fal 上微调的 MiniMax H3 Max 唇形同步又快又便宜 — aziz4ai · 2026-09-19

另有 2 条近重复转述:jfischoff · isidentical