Modelo de sincronização labial da ByteDance que resincroniza bocas em vídeos reais com novos áudios usando difusão latente.
Sincronização labial por difusão latente da ByteDance, com versões de 8 GB e 18 GB de VRAM.
LatentSync é um método de ponta a ponta de sincronização labial da ByteDance baseado em difusão latente condicionada por áudio. É ideal para desenvolvedores que precisam dublar ou traduzir filmagens existentes com movimento labial preciso.
O README diz que ele modela correlações audiovisuais diretamente com o Stable Diffusion, sem representação de movimento intermediária. Ele traz a v1.5 (inferência com 8 GB de VRAM) e a v1.6 (18 GB), um aplicativo Gradio, inferência via command-line e configurações de treinamento.
Ideal para desenvolvedores e equipes de pós-produção com uma GPU NVIDIA que já possuem filmagens de um orador. Ele não cria um apresentador a partir de um roteiro, e os pesos estão sob uma licença diferente da do código.
Método de ponta a ponta sem representação de movimento intermediária.
A inferência precisa de 8 GB para a v1.5 ou 18 GB para a v1.6.
Execute a interface de demonstração ou o script de command-line.
Configurações de treinamento dos estágios 1 e 2 são publicadas.
A v1.5 adiciona uma camada temporal para consistência.
Os checkpoints são baixados do repositório da ByteDance no Hugging Face.
Gratuito para executar: código sob licença Apache-2.0 e pesos OpenRAIL++. O README não lista nenhum plano hospedado, portanto o custo é o do seu próprio tempo de GPU ou de GPU alugada.
885 vagas remotas abertas de treinamento de IA, atualizadas em 17 de novembro de 2026; a maioria paga $20–$175 por hora. 10 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
Estas ferramentas de IA avaliadas fazem o mesmo trabalho na hora — do nosso diretório avaliado.
O README diz que a inferência precisa de no mínimo 8 GB com a v1.5 e 18 GB com a v1.6.
O código é Apache-2.0, mas os pesos no Hugging Face estão sob a OpenRAIL++, que permite uso com restrições. Leia essa licença primeiro.
Não. Ele resincroniza a boca em filmagens que você fornece.
Veja o Zekai primeiro no Google