ComfyUI 对口型实测:sync.so 节点两种用法与完整流程

Madmahi25 · reddit · 2026-11-14

作者分享了在 ComfyUI 中使用 sync.so 做唇形同步的完整实测工作流。两种方式:ComfyUI 内置 sync.so Lip Sync 节点(运行 sync-3 模型),以及 sync.so 官方自定义节点包(提供 lipsync-2、lipsync-2-pro、lipsync-1.9.0-beta)。

搭建约 10 分钟:安装 ComfyUI → 用 ComfyUI Manager 经 Git URL 安装节点 → 填入 sync.so 的 API key → 连线(视频、音频、key → generate → output),官方还提供可直接拖入画布的工作流 JSON。

价格与限制(25fps):lipsync-2 约 $0.05/秒,lipsync-2-pro 约 $0.083/秒,sync-3 约 $0.133/秒;单次生成最长约 5-10 分钟,长歌曲需分段同步再用 FFmpeg 拼接;cutoff 模式只按实际处理时长计费;多人在画面中需指定同步对象;免费层每月 3 次、每次 20 秒,Free/Hobbyist 计划输出带水印。

实测:在一段 14 秒 CC 授权影片上,用合成语音替换其中一位演员的两句台词,只有说话者的口型被重绘,控制组镜头与台词完全未受影响。踩坑:torchvision 与 torch 版本不匹配需强制重装匹配 wheel;API key 必须完整复制,被截断会报 401。

原文链接 →

「多模态」频道最新

更多「多模态」频道 AI 资讯 →