Wav2Lip 是一个经典的基于深度学习的语音驱动唇动同步（Lip-Sync）模型（ACM MM 2020 论文），能够根据输入音频生成与之高度同步的唇动视频，使视频中的人物口型与音频内容精确匹配，产生更自然真实的口型运动。

核心特性

• 高精度唇同步：基于 SyncNet 唇同步专家网络判别训练，唇音对齐精度业界领先
• 任意身份与语音：适用于任何人物身份、任意语音和语言，甚至支持 CGI 人脸与合成语音
• 多种输入兼容：支持 wav / mp3 等常见音频格式，也可直接从视频中提取音频驱动
• 经典开源方案：代码、预训练权重与训练流程完整开源，被大量后续唇同步项目沿用与参考

适用场景

视频配音口型同步、数字人/虚拟角色口型生成、影视与短视频二创、多语种视频本地化配音等。

效果可参考：https://github.com/Rudrabha/Wav2Lip