New: 在您的 coding agent 中使用 KIE 模型 →
volcengine / video-to-video-lip-sync
Commercial usePart of the ByteDance API family — compare all ByteDance models →

让每一帧都用您的语言发声——火山引擎口型同步 API 仅需数分钟即可实现像素级精准的视频转视频口型同步与 AI 配音。

Pricing: 8 credits per second (~$0.04). High-tier top-ups (+10% bonus) bring effective pricing down to ~$0.036 per second.
Input

Click to upload or drag and drop

Supported formats: MP4, QUICKTIME, X-MATROSKA Maximum file size: 500MB

Video asset URL

Click to upload or drag and drop

Supported formats: MPEG, WAV, X-WAV, AAC, MP4, OGG Maximum file size: 10MB

Target pure vocal audio URL; used to drive video lip movements.

Service identifier

Enable vocal separation to suppress background noise.

Whether to enable scene segmentation and speaker identification. Supported only in Basic mode.

Supported in lite mode. Whether to loop the video when the audio is longer than the video.

Supported in lite mode. Whether to loop the video in reverse (backward). Requires align_audio to be set to true.

Supported in lite mode. Start time of the template video, in seconds.

Output
output typevideo

no output

README

Complete guide to using volcengine/video-to-video-lip-sync

火山引擎视频转视频口型同步 API：AI 口型同步与视频配音 API

接入火山引擎视频转视频口型同步 API，实现无缝的 AI 口型同步与视频配音。高精度口型同步引擎，支持大规模多语种视频翻译。现已登陆 Kie.ai。

Original image

火山引擎口型同步 API 核心特性

帧级精准口型同步

区别于传统音频驱动方法容易导致的同步不精准，火山引擎的深度学习模型实现了口型与音频的像素级对齐——即使是“p”和“b”等爆破音的细微口型变化也能精准还原。为您呈现跨越“恐怖谷”的自然逼真说话效果。

帧级精准口型同步

多语种视频配音工作流

将口型同步 API 与火山引擎的视频翻译 API 结合，可自动为视频生成 20 多种语言的配音。该工作流涵盖原音识别、翻译、语音合成以及口型同步——全流程异步执行，无需任何人工干预。

多语种视频配音工作流

原生生态无缝集成

本 API 深度集成于火山引擎智能视觉服务，无缝接入字节跳动底层基础设施，开箱即用：支持自动转码、CDN 分发、视频去水印及内容审核。无需繁琐对接多项服务，只需一个 API 密钥即可调用全套视频生成能力。

原生生态无缝集成

高吞吐量异步任务处理

该 API 采用火山引擎的 CVSubmitTask/CVGetResult 异步调用模式，支持同时提交数百个口型同步任务且不阻塞。每个任务均独立处理，提供进度追踪、URL 回调及失败自动重试功能——专为生产级内容生产线量身打造。

高吞吐量异步任务处理

如何使用火山引擎视频转视频口型同步 API

只需简单几步，即可快速上手我们的产品...

  • 第 1 步：在 Kie.ai 注册并获取火山引擎口型同步 API 访问权限

    在 Kie.ai 注册并生成安全的火山引擎口型同步 API 密钥。该 API 密钥用于身份鉴权，获取后即可解锁火山引擎视频转视频口型同步的完整生成能力，包括多语种配音与批量处理功能。

  • 第 2 步：向 API 提交口型同步任务

    使用您的 API 密钥发送 POST 请求，传入源视频 URL、目标音频文件及配置参数。火山引擎口型同步 API 将通过 CVSubmitTask 异步处理请求，只需几分钟即可自动完成逐帧的唇形动作分析与音视频对齐。

  • 第 3 步：获取并分发最终的口型同步视频

    处理完成后，API 将返回任务状态与输出视频的 URL。如果您配置了回调（Callback）URL，火山引擎视频转视频 API 会自动将同步后的视频结果推送至您的应用，无缝集成到您的内容工作流中。

视频转视频口型同步 API 热门应用场景

在线教育与课程本地化

为全球受众翻译教育课程视频并完美同步口型。新加坡某大学利用该 API 将 200 多小时的讲座内容配音为中文、印地语和印尼语——在降低 70% 本地化成本的同时，通过精准的口型同步保留了讲师的真实风采。

社交媒体内容多语复用

TikTok 和 YouTube Shorts 创作者只需一个原视频，即可生成多语种的口型同步视频。一位旅游博主利用火山引擎工作流，将单个英文视频转化为 12 种语言，短短 3 个月内海外粉丝量暴增 340%——全程无需重拍哪怕一帧画面。

企宣视频与全球营销

企业可借助该口型同步 API，将产品演示、高管演讲及培训资料快速适配至各区域市场。某世界 500 强科技公司成功将 500 支产品教程视频本地化为日语、韩语和泰语，其精准的口型同步效果一次性通过了内部 QA——完全无需重拍。

影视配音自动化

影视后期工作室通过集成该 API，可实现外语配音的初版口型同步自动化。火山引擎负责完成首轮基础同步，帮助视觉特效（VFX）师减少约 60% 的人工耗时——口型同步师仅需对极端情绪下的细节进行微调，从而将配音制作周期从数周大幅缩短至数天。

火山引擎视频口型同步（Video-to-Video）API 常见问题解答

查看有关我们服务的常见问题解答。