> ## Documentation Index
> Fetch the complete documentation index at: https://docs.comfy.org/llms.txt
> Use this file to discover all available pages before exploring further.

# SyncLipSyncNode - ComfyUI Built-in Node Documentation

> Complete documentation for the SyncLipSyncNode node in ComfyUI. Learn its inputs, outputs, parameters and usage.

此节点使用 sync.so API 将视频中的口型动作与新的语音音频重新同步。它能自动处理特写、侧脸和遮挡情况，同时保留说话者的表情。费用按输出时长计算。

## 输入

| 参数   | 描述                                                        | 数据类型  | 是否必填 | 取值范围           |
| ---- | --------------------------------------------------------- | ----- | ---- | -------------- |
| `视频` | 需要重新同步的说话者视频素材。最高支持 4K（4096x2160）；恒定帧率 24/25/30 fps 效果最佳。 | VIDEO | 是    | -              |
| `音频` | 用于同步口型的语音音频。                                              | AUDIO | 是    | -              |
| `种子` | 种子控制节点是否重新运行；无论种子如何，结果均非确定性（默认值：42）。                      | INT   | 是    | 0 至 2147483647 |
| `模型` | sync.so 生成模型。                                             | COMBO | 是    | 见下文            |

`model` 参数是一个动态组合，包含以下子参数：

| 子参数                 | 描述                                                               | 数据类型  | 是否必填 | 取值范围                                                                      |
| ------------------- | ---------------------------------------------------------------- | ----- | ---- | ------------------------------------------------------------------------- |
| `sync_mode`         | 处理视频与音频时长不匹配的方式；同时决定输出长度（默认值："bounce"）。                          | COMBO | 是    | `"bounce"`<br />`"cut_off"`<br />`"loop"`<br />`"silence"`<br />`"remap"` |
| `speaker_selection` | 当画面中出现多人时，选择要唇形同步的面部（默认值："default"）。                             | COMBO | 是    | `"default"`<br />`"auto-detect"`<br />`"coordinates"`                     |
| `speaker_frame`     | 用于定位说话者的视频帧。仅在 `speaker_selection` 为 "coordinates" 时使用（默认值：0）。   | INT   | 否    | 0 至 1000000                                                               |
| `speaker_x`         | 说话者面部的 X 像素坐标。仅在 `speaker_selection` 为 "coordinates" 时使用（默认值：0）。 | INT   | 否    | 0 至 4096                                                                  |
| `speaker_y`         | 说话者面部的 Y 像素坐标。仅在 `speaker_selection` 为 "coordinates" 时使用（默认值：0）。 | INT   | 否    | 0 至 4096                                                                  |

**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）

**说话者选择选项：**

* `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

**限制条件：**

* 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

| 输出名称 | 描述                    | 数据类型  |
| ---- | --------------------- | ----- |
| `视频` | 口型动作与提供的音频匹配后的重新同步视频。 | VIDEO |

> 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](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/SyncLipSyncNode/zh.md)

***

**Source fingerprint (SHA-256):** `b41f8c9bf0d55059f081a66af20636ec96462c3fd9caeb685cab10278f84678a`