对话与歌唱 高级版

更新 2026-06-24：细节优化。LTX-2.3 高级口型同步，图像转视频！上传你的音频/音乐，让角色栩栩如生。版本 2：默认分辨率 832（最长 50 秒），可调至 1080（20 秒）或 1280（10 秒）。仅一次处理。用于驱动口型同步动画的默认提示词。24 帧。推荐图片比例：3:4/9:16/2:3——上半身、面部、肖像（在 16:9 上几乎不起作用，但仍可尝试）。内置音频裁剪器：可从 0 秒开始，并在同一音频文件的其他位置继续。例如，从 60 秒音频按 20 秒渲染：先 0–20，再 20–40，依此类推。你可以使用我上传的音频与图片进行测试，已附演示视频链接。时长必须比音频文件长 1 秒。