当前位置：首页 > news >正文

LatentSync V8版 - 音频驱动视频生成数字人说话视频更新V1.6版模型支持50系显卡支持批量一键整合包下载

news 2025/6/14 9:09:16

LatentSync 是字节跳动开源的一款"AI口型同步神器"，简单来说就是能让视频里的人物嘴巴动得和声音完美匹配的工具。比如你给一段配音，它能自动调整视频人物的嘴型，按照配音里的声音说出来，就像真人说话一样自然。简单说就是个让"假人说话像真人"的黑科技，拍视频、做直播的小伙伴用起来特别方便，也可广泛应用于数字人生成领域，自媒体必备神器。

今天分享的 LatentSync V8版，主要更新最新的1.6版模型（该版模型在 512 × 512 分辨率的视频上进行了训练，大幅度提升了生成嘴部的清晰度）
新增对50系显卡的支持
新增批量处理（根据网友反馈，更改批处理方式，支持一键拖拽多个文件）

新增人脸检测模型
同步官方最新源代码。

‌主要特点

低门槛‌：消费级的电脑就能运行，对普通用户很友好 ‌
操作简单‌：直接"声音控制嘴巴"，不需要复杂操作
效果流畅‌：独有的"时间对齐"技术，避免视频卡顿或跳帧
高精度‌：采用类似Stable Diffusion的AI技术，嘴型同步非常精准 ‌

应用领域

影视配音：让外国电影的口型匹配中文配音
虚拟主播：让数字人说话更自然
短视频创作：轻松制作对口型视频
游戏开发：让游戏角色说话更真实

使用教程：（建议N卡，显存16G起。支持50系显卡，基于CUDA12.8）

因模型更新，模型从256x256提升到512x512，故对硬件支持也对应提升，显卡显存建议16G起。
单次生成：上传一段音频和视频，设置参数，生成即可。
批量生成：批量上传视频和音频，视频和音频数量得一样，按照顺序一一对应。

注意事项：上传参考音频和视频时间长度最好一致，如果音频长度大于视频长度，则默认按照视频时长长度生成。如果视频长度大于音频长度，默认按照音频时长长度生成。
解压说明：一键包和模型包分开打包上传，分别下载一键包和模型包，先解压一键包，再下载模型包并复制到一键包目录下，右键->解压到当前文件夹，目录结构参考一键包内文档说明。