命令行操作指南
以下是基于 LatentSync 1.5 版本的标准流程：
1. 准备输入文件
- 视频要求：包含清晰人脸（建议正面），可通过 ffmpeg 预处理：
ffmpeg -i input.mp4 -r 25 resized.mp4 - 音频要求：16000Hz 采样率 WAV 文件，转换命令：
ffmpeg -i audio.mp3 -ar 16000 audio.wav
2. 执行推理命令
python -m scripts.inference --unet_config_path "configs/unet/stage2_efficient.yaml" --inference_ckpt_path "checkpoints/latentsync_unet.pt" --inference_steps 25 --guidance_scale 2.0 --video_path "input.mp4" --audio_path "audio.wav" --video_out_path "output.mp4"
关键参数说明
| 参数 | 作用 | 推荐值 |
|---|---|---|
| inference_steps | 控制生成质量 | 20-50（数值越大越精细） |
| guidance_scale | 唇形匹配强度 | 1.0-3.0（过高可能导致失真） |
完成后检查 output.mp4，若唇形不同步可调整参数重新生成。
本答案来源于文章《LatentSync：用音频直接生成唇形同步视频的开源工具》
未经允许不得转载：AI生产力工具 » 如何通过命令行使用 LatentSync 生成唇形同步视频？
简体中文 
English 
日本語 
Deutsch 
Português do Brasil