laughter-detector
检测音频/视频中的笑声和幽默片段
目录 / 多媒体 / av-sync-lipsync
短视频音画同步与口型对齐的工程技能。解决“口型对不上配音”“字幕跟声音不同步”“AI 生成的嘴在瞎动”“拼接后音画错位”这一类问题,适用于 AI 短剧、漫剧、旅拍 Vlog、口播数字人等全部视频形态。核心不是“调口型参数”,而是先把同步拆成四层并逐层锁死:L0 音频先行(时长由配音实测决定,不是模型默认的 5 秒)、L1 容器级对齐(整片音画起点差 + AAC priming 假偏移判据)、L2 段落级对齐(每句台词落在镜头内的目标时刻,含硬校验)、L3 帧级口型(Wav2Lip 驱动 + 可信度分级质检)。技能自带 4 个可运行脚本:avsync.py 做媒体探测、逐句 TTS 配音并实测有声区间、按时间轴混出镜头音轨并产出与配音同源的字幕(含重叠消毒)、音画同步质检;lip.py 做逐镜口型决策(真人近景做、远景/背影/卡通脸不做,按题材分流)、委托 Wav2Lip 执行、并给出“静音段是否闭嘴 / 改动是否只集中在嘴部 / 互相关峰值滞后”三项质检;pipeline.py 一条命令串起 tts→fit→lip→mux→check→报告。特别地,本技能明确区分“哪些镜头该做口型”——给卡通脸或远景硬跑 Wav2Lip 会毁脸或糊成一团,比不做更糟;漫剧改走生成端音频驱动 / viseme / 构图规避三条替代路线。质检结论按可信度分级:构造性对齐(mel 块 i ↔ 帧 i 且驱动音频=成片音轨)是主论据,相关系数在 r 不足时一律标 N/A,不给数字挤牙膏。当用户说“口型对不上”“嘴型跟配音不一致”“字幕跟配音对不上”“音画不同步”“数字人要对口型”“AI 短剧要做口型”“漫剧怎么做口型”“旅拍配音对不上画面”“把这几段拼起来之后音画错位了”时加载本技能。
| 版本 | 存档时间 | 内容哈希 | 内容 |
|---|---|---|---|
| v1 | 2026-11-11 05:22 | ae460d0c | 可取 |
版本索引永久保留;内容副本只保留最新 1 份,更早版本仅留索引与哈希(存档时间线的证据链不会因此断裂)。
检测音频/视频中的笑声和幽默片段
从YouTube片段中创建短混合剪辑视频,包括自动分析、剪切和专业字幕处理
当用户搜索“AI把外语视频做成双语字幕”或提到双语字幕,视频翻译字幕,外语视频中文字幕,AI字幕时使用
一句话做一条 4–10 秒的数字人短片:给你的一段视频或一张照片,配上画面里会说话的你,可选字幕
口播稿 → edge-tts 免费配音(字级时间戳)→ ASS 逐字高亮字幕 → ffmpeg 渲染成片,全程本地+免费,不需要 API Key
分析短视频中的出镜讲解内容,结合视频、字幕、文稿、封面及评论等可用信息,识别可复用的内容机制,并为用户账号创作原创脚本和分镜
侵权举报经核验成立后,我们会即时下线该条目并删除已存的内容副本。