九类对口型翻车场景:有人正在自建 lip sync 失败案例基准

NewPhoneWhotiz · reddit · 2026-10-01

一位开发者正在搭建一个 lip sync/视频工作流的失败案例基准,总结出九类常见翻车场景:手遮嘴、侧脸/近侧脸、广角镜头中小脸、浓密胡须、大笑、说话时转头、多人同时说话、语速过快、词中间硬切。

他计划对本地/开源方案与托管服务(如 sync.so)用同一源视频+音频配对跑统一测试,记录各模型版本、设置与源素材,附 contact sheet 保证可复现,以替代只看厂商精选手frame的评测方式。目前发现每个工具至少在几类场景上出问题,正在征询遗漏类别。