AI 漫剧对口型怎么做：角色说话时嘴型怎么对上台词

在 RooYun（如云）里给 AI 漫剧角色对口型有两条路：一是用 MiniMax H3 直接生成角色说话的镜头，嘴型会跟着台词动，这叫原生对口型；二是先有画面和一段配音，再用「口播对口型」「音乐对口型」或「数字人口播」把嘴型对到音频上，这叫后期对口型。这篇讲这两种做法分别怎么做、各自多少钱、对不准时怎么调。

对口型有哪两种做法

对口型就是让角色说话时的嘴型和台词对上。在 RooYun 里有两种实现方式，区别在于嘴型是生成镜头时一起出来的，还是事后对上去的。

剧情向的 AI 漫剧多数镜头用原生对口型；要把一张定妆照或一段已有画面改成会说话的，用后期对口型。

用 MiniMax H3 原生对口型

MiniMax H3 是 MiniMax 的视频生成模型，在 RooYun 里生成角色说话的镜头时能让嘴型跟着台词动，不用再单独对一遍，这也是一些用户选它的原因。720p 每秒 0.2 元（取自 2026-10-31 的价目表，以生成前显示为准），赠送积分也能用来预演。

要注意的限制：H3 生成的对白音质一般，正式成片不建议直接用它生成的声音。常见做法是用 H3 出带嘴型的画面，再用单独的配音替换声音轨；如果换配音后嘴型和新台词对不齐，就再用下面的口播对口型对一遍。各视频模型怎么按镜头选，见视频模型怎么选。

后期对口型怎么做（口播对口型）

没有现成会说话的镜头，或者想给一张照片、一段已有画面配上新台词，用「口播对口型（快速，LatentSync）」，每秒 0.072 元，可用赠送积分。三步：

1. 准备画面：一张正脸、嘴部不被头发或手遮挡的人物照片，或一段已有的人物视频；
2. 生成配音：把台词写进配音卡，选音色、语速和情绪生成配音，做法见AI 配音怎么做；
3. 对口型：把画面和配音交给口播对口型，模型会把嘴型对到这段音频上。

这种做法的好处是台词改了只要重配音、重新对一遍口型，不用重出整段画面。

唱歌怎么对口型（音乐对口型）

角色唱歌、对嘴一段歌曲，用「音乐对口型（LatentSync）」，每秒 0.09 元，可用赠送积分。它和口播对口型是同一类后期对口型，区别是针对歌声和节奏做了处理，嘴型跟着旋律和咬字走，比直接用口播对口型对歌声更自然。

整段数字人讲话用哪个（数字人口播）

如果不是漫剧角色，而是要做一个数字人对着镜头讲一整段话（口播、讲解、带货），用「数字人口播（InfiniteTalk）」，每秒 0.09 元，可用赠送积分。它由音频驱动，除了嘴型还会带上自然的头部和身体小动作，比只对嘴的口播对口型更像真人讲话。电商带货口播的完整做法见电商带货视频怎么做。

几种对口型怎么选、多少钱

下表价格取自 2026-10-31 的价目表，以生成前显示为准。

后三种都可用赠送积分，适合先小成本试一版。配音另算，价格见价格页。

对口型对不准怎么办

• 配音先做干净：语速别太快、吐字清楚，背景音乐和人声分开；音频越清楚，嘴型越准；
• 首帧用正脸：嘴部被头发、手、麦克风遮住时，模型找不准嘴，换一张正脸、嘴部露出的画面；
• 单镜别太长：一镜台词太长容易中途对偏，按句子拆成几镜分别对口型再接起来；
• 口型仍飘：换一张更清晰的首帧重试；原生生成的镜头换配音后对不齐，再用口播对口型补一遍。

下一步

• AI 配音怎么做：选音色、调语速，先把配音做干净
• AI 漫剧视频模型怎么选：H3、Seedance、可灵、Vidu 各适合什么镜头
• 价格页：对口型、配音各档的最新价格

常见问题

AI 漫剧对口型要花多少钱？ 后期对口型都可用赠送积分：口播对口型每秒 0.072 元、音乐对口型每秒 0.09 元、数字人口播每秒 0.09 元；用 MiniMax H3 原生生成会说话的镜头，720p 每秒 0.2 元。具体以生成前显示为准，价格见价格页。

H3 的原生对口型能直接当成片用吗？ 画面和嘴型可以，但 H3 生成的对白音质一般，正式成片建议用单独配音替换声音轨，嘴型再用口播对口型对一遍。

没有现成视频，只有一张照片能对口型吗？ 可以。口播对口型和数字人口播都支持用一张正脸照片加一段配音，生成角色说话的视频。

对口型对不准怎么办？ 先确认配音清晰、语速不要太快，首帧用正脸、嘴部不被遮挡的画面；仍对不上就缩短单镜时长分段生成。