LiblibAI视频音画不同步源于音频驱动信号与唇部关键点未时间轴对齐，需用44.1kHz/16bit无损WAV音频、关闭智能增强、启用音素级对齐，并校准延迟（-75ms）、幅度（0.72）及元音锁定。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
LiblibAI生成的视频出现声音和画面不同步，说明音频驱动信号与唇部关键点运动帧未完成时间轴级对齐，不是模型失效，而是驱动链路中存在未校准的时序偏差。
检查并重置音频输入参数
LiblibAI依赖原始音频波形的精确时域结构进行唇动建模，MP3压缩、采样率不匹配或静音段残留会直接破坏音素切分精度。必须用无损格式重建驱动基础。
1、用Audacity打开配音文件→菜单栏“编辑”→“偏好设置”→“设备”→确认录音/播放采样率设为【44.1kHz】；
2、导出为WAV格式：文件→导出→导出为WAV→编码选“无压缩PCM”，位深度选【16bit】；
3、上传前关闭LiblibAI界面右上角“智能音频增强”开关，手动选择“原始波形驱动”模式——这一步跳过会导致后续所有校准无效。
启用音素级对齐驱动模式
基础同步仅按语句粗粒度匹配，无法还原“b/p/m/f”等爆破音与摩擦音的物理唇部接触时机，必须激活逐音素映射引擎。
方法一：自动触发路径
1、上传WAV音频后，等待解析完成（约8–12秒）；
2、若界面底部出现带ARPABET标签（如“B”“AA”“IH”）的绿色分段色条，说明音素切分成功，此时直接进入下一步；
3、若未出现分段色块，立即返回重制音频——90%的失败源于首尾静音段未裁切干净。
方法二：强制启用路径
1、点击右上角齿轮图标→进入「高级驱动设置」；
2、关闭“自动语速适配”；
3、勾选“音素级对齐模式”并保存；
4、重新上传同一WAV文件，系统将强制调用音素分析器，跳过缓存判断。
校准口型响应延迟与唇动幅度
第一步：调整延迟值
① 在「高级校准」面板中，将“口型响应延迟”滑块拖至【-75ms】；
② 生成3秒预览片段，重点观察“爸爸”“妈妈”“发发”等含/b/、/m/音节的帧——唇部闭合瞬间必须与音频波形第一个峰值完全重合；
③ 若仍滞后，每次下调5ms直至咬合；若超前，则回调至-60ms。
第二步：设定唇动幅度
将“唇动幅度”固定在0.72位置，该值经实测覆盖普通话日常语速下的张合动态范围；低于0.65易显僵硬，高于0.78会在快速连读时引发纹理撕裂。
第三步：开启强制元音帧锁定
勾选此项后，/a/、/i/、/u/三类核心元音对应帧将生成明确轮廓，防止过渡模糊导致的“嘴在动但看不出说什么”的视觉错觉。
手动微调关键音节时间轴
当自动校准无法覆盖儿化音、轻声词或连续齿龈音（如“四十四只石狮子”）时，必须人工干预。
1、点击“口型编辑器”，展开时间轴与口型曲线图；
2、拖动播放头至目标音节起始帧（例如“四”的/s/摩擦音），观察波形峰值与当前口型是否错位；
3、定位到偏差帧（建议以每2帧为单位），点击时间轴对应点，从A/O/M/E/U中选择更贴合的模型；
4、对“狮子”的“z”音，手动将唇部张力系数上调至1.35——这一步不做，舌尖抵齿动作将始终缺失。
