Modelo de sincronización labial de ByteDance que vuelve a sincronizar las bocas en vídeo real con un nuevo audio utilizando difusión latente.
Difusión latente para sincronización labial de ByteDance, con una versión de 8 GB y otra de 18 GB de VRAM.
LatentSync es un método de sincronización labial de extremo a extremo de ByteDance basado en difusión latente condicionada por audio. Es ideal para desarrolladores que necesitan doblar o traducir metraje existente con un movimiento de boca preciso.
El README indica que modela las correlaciones audiovisual directamente con Stable Diffusion, sin representación de movimiento intermedia. Incluye las versiones v1.5 (inferencia con 8 GB de VRAM) y v1.6 (18 GB), una aplicación Gradio, inferencia por línea de comandos y configuraciones de entrenamiento.
Ideal para desarrolladores y equipos de postproducción con una GPU NVIDIA que ya dispongan de metraje de un orador. No crea un presentador a partir de un guion, y los pesos tienen una licencia distinta a la del código.
Método de extremo a extremo sin representación de movimiento intermedia.
La inferencia requiere 8 GB para la versión v1.5 o 18 GB para la v1.6.
Ejecuta la interfaz de demostración o el script de línea de comandos.
Se publican las configuraciones de entrenamiento de la etapa 1 y la etapa 2.
La versión v1.5 añade una capa temporal para mayor consistencia.
Los puntos de control se descargan desde el repositorio de ByteDance en Hugging Face.
Gratis de ejecutar: código bajo licencia Apache-2.0 y pesos OpenRAIL++. El README no menciona ningún plan alojado, por lo que el coste es el de tu propia GPU o el tiempo de alquiler de esta.
870 puestos remotos abiertos de entrenamiento de IA, actualizados el 17 de noviembre de 2026; la mayoría paga $20–$175 por hora. 25 de ellos piden hispanohablantes. Zekai los lista gratis; la solicitud va a la plataforma del empleador.
Estas herramientas de IA evaluadas hacen el mismo trabajo al instante — de nuestro directorio puntuado.
El README indica que la inferencia requiere un mínimo de 8 GB con la v1.5 y 18 GB con la v1.6.
El código es Apache-2.0, pero los pesos de Hugging Face se rigen por OpenRAIL++, lo que permite su uso con restricciones. Lee dicha licencia primero.
No. Vuelve a sincronizar la boca en el metraje que proporciones.
Ve Zekai primero en Google