输入
model 参数是一个动态组合，包含以下子参数：
同步模式选项：
bounce：视频先正向播放再反向播放，直至音频结束（输出 = 音频长度）loop：视频循环播放直至音频结束（输出 = 音频长度）remap：视频进行时间拉伸以匹配音频（输出 = 音频长度）cut_off：较长的轨道被裁剪（输出 = 较短长度）silence：不裁剪任何内容；较短的轨道用静音填充（输出 = 较长长度）
default：让模型自行决定唇形同步的面部auto-detect：检测并跟随当前说话者coordinates：定位speaker_frame所选帧中像素坐标（speaker_x，speaker_y）处的面部
- 视频分辨率不得超过 4K（4096x2160）。超出此限制的视频将报错。
- 音频时长不得超过 600 秒（10 分钟）。
speaker_frame、speaker_x和speaker_y参数仅在speaker_selection设置为 “coordinates” 时使用。
输出
本文档由 AI 生成。如果您发现任何错误或有改进建议，欢迎贡献！ 在 GitHub 上编辑
Source fingerprint (SHA-256):
b41f8c9bf0d55059f081a66af20636ec96462c3fd9caeb685cab10278f84678a