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 · x · 2026-09-19

fal 正式上线 H3 Max Lip Sync：用户上传一张照片和一段音频，几秒内即可生成唇形同步视频，表情与动作自然，支持任意语言。

据 fal 自家评测，该模型在质量与速度两项均排名第一，中位生成时间仅 11 秒。开发团队 isidentical 介绍，他们用扩散强化学习（diffusion RL）拓展到新的可验证任务上，唇形同步正是其中之一——这个方向的惊喜在于它可以通过 RL 持续优化，最终做出据称全球质量最高、最快也最便宜的 lip-sync 模型，底层构建在 fal 的 H3 Max 架构之上。