Aller au contenu principal
Outils de génération et d'édition

LipSync

Ce guide explique comment fonctionne LipSync, comment préparer les fichiers d’entrée, et comment obtenir les meilleurs résultats.

Dernière mise à jour Il y a 1 jour

Ce que fait l’outil

LipSync anime une seule photo pour la faire parler, en utilisant votre audio et un prompt textuel optionnel, propulsé par OmniHuman 1.5. Les lèvres de votre personnage bougent naturellement en synchronisation avec l’audio, les expressions faciales correspondent à l’émotion et au contexte, et l’identité (visage, style, cheveux, éclairage) reste cohérente tout du long. Fonctionne même avec de très courts clips audio. Entièrement sans censure.

🎬 Résultats

Un aperçu de ce que LipSync peut produire à partir d’une photo et d’un fichier audio.

Guide étape par étape

Étape 1. Model. LipSync fonctionne actuellement avec un seul modèle, General, propulsé par OmniHuman 1.5 : comportement de personnage sans restriction, micro-expressions réalistes, compréhension du sens de l’audio (pas seulement des sons), mouvement de tête fluide et gestes naturels, et forte préservation de l’identité.

Étape 2. Image : obligatoire. Importez le visage ou le personnage que vous voulez animer. JPG, PNG, JFIF, ou HEIC, moins de 5 Mo, jusqu’à 4096×4096. Les meilleurs résultats proviennent d’un angle frontal ou 3/4, d’une haute résolution, d’un éclairage clair (sans ombres marquées), sans obstruction sur le visage, et une seule personne dans l’image.

Étape 3. Audio File : obligatoire. MP3 ou WAV. L’outil lit la sémantique de la parole, pas seulement les phonèmes : il comprend ce qui est dit et crée des réactions et expressions correspondantes. Les enregistrements vocaux propres fonctionnent mieux ; évitez le bruit de fond ou la musique, et gardez un volume normal (pas trop compressé).

Étape 4. Prompt (optionnel). Décrivez ce que vous voulez dans la vidéo : émotion, ton, style, mouvement de caméra, comportement du personnage, ou ambiance de la scène. Exemple : « Confiante, sourire doux, ton émotionnel chaleureux. Légère inclinaison de la tête. Ambiance amicale et accueillante. »

Étape 5. Resolution : fixée à 1080p pour ce modèle.

Étape 6. Duration : déterminée automatiquement par la durée de votre fichier audio importé.

Étape 7. Generate Lipsync : lance l’exécution. Coûte 3 crédits par seconde d’audio. Le traitement prend généralement 5 à 30 secondes selon la durée de la vidéo.

Astuces pro

Choisissez la bonne image de référence : évitez les visages recadrés, les filtres lourds, les lunettes de soleil ou les masques importants. Utilisez des portraits nets et de haute qualité.

Enregistrez un audio propre : parlez clairement, évitez l’écho et les effets de fond, et gardez les mouvements de bouche naturels.

Rédigez des prompts efficaces : les prompts aident mais ne doivent pas contredire l’audio. Bon : « Livraison douce et émotionnelle. Mouvement des yeux délicat. » ou « Style d’influenceur énergique, souriant en parlant. » À éviter : « Crier et sauter » sur un audio calme, des mouvements de caméra extrêmement complexes, ou des actions physiques impossibles dans un cadre portrait.

Pour les modèles IA / influenceurs virtuels : lors de la génération de plusieurs vidéos d’un même personnage, réutilisez le même ensemble de photos de référence et gardez le style photo et l’éclairage cohérents entre les prises.

Dépannage

Vous travaillez avec de l’IA : des erreurs ou artefacts occasionnels sont normaux, un résultat 100 % correct n’est pas garanti.

Désynchronisation de la bouche ou lèvres peu naturelles ? Vérifiez la clarté de l’audio, évitez les enregistrements avec suppression de bruit ou robotiques, et raccourcissez l’audio pour supprimer les longs silences.

Distorsion du visage ou dérive d’identité ? Utilisez une image de référence de meilleure qualité, évitez les angles de caméra extrêmes, utilisez l’orientation portrait, et évitez les photos sombres ou granuleuses.

L’émotion ne correspond pas ? Ajustez le prompt, évitez les instructions contradictoires, et assurez-vous que l’audio lui-même a une émotion claire.

Si le résultat n’est pas celui attendu, contactez-nous via le chat de support dans l’application, ou écrivez à [email protected].

FAQ

Non. Commencez avec une photo de référence neutre et claire : les expressions et l’émotion viennent de votre audio et du prompt optionnel, pas de l’image source.

Oui, le modèle General est sans censure (Safety Filters : Minimal).

La résolution est fixée à 1080p pour le modèle General. Il n’y a pas d’option inférieure ou supérieure à choisir.

LipSync coûte 3 crédits par seconde d’audio, donc le coût total dépend de la durée du fichier audio que vous importez.

Dans une certaine mesure, en utilisant le prompt optionnel, mais gardez des instructions réalistes pour un cadre portrait, et ne contredisez pas ce que transmet l’audio.

Et ensuite

Cela a-t-il été utile ?

Besoin d'aide supplémentaire ? Demander à l'équipe