必须使用PixVerse V5.5-Video模型，它原生支持音画联合建模；提示词须为单句自然语言，含主语动作与声音表达；导出前需检查唇动同步、结尾标点及环境音。
☞☞☞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☜☜☜
当你在PixTV中需要同时生成连贯画面与匹配语音的视频时，不能随意选一个图像生成模型或语音合成模型拼凑使用——必须选用原生支持音画联合建模的端到端模型，否则口型、节奏、情绪全都会错位。
确认PixTV当前可用的音画同步模型
打开PixTV Web界面 → 点击右上角「模型中心」→ 在搜索框输入 【v5.5】 → 查看带「导演级音画同步」标签的模型列表。
目前仅 【PixVerse V5.5-Video】 支持从单句提示词直接输出含表演、语音、口型、镜头调度的完整视频流；其他标有“Image”“T2V”“SVC”字样的模型均不参与音频生成，强行调用会导致无声或后期硬配。
输入提示词时的关键写法
在生成框中直接写出台词内容，**必须包含主语动作+声音表达**，例如：“穿红裙的女人皱眉冷笑，快速敲击键盘，说‘这行代码根本跑不通’”。
不要写“生成一个女人说话的视频”，这种模糊描述会让模型默认启用静音模式；也不要拆成两行分别写画面和台词——PixTV v5.5只认单段自然语言输入，分行将触发降级为纯图生视频流程。
如果台词含非中文发音（如英文、日文），无需额外标注语言，模型会自动识别并匹配对应音色与口型驱动逻辑。
导出前必检三项
点击生成后等待完成 → 进入预览页 → 拖动时间轴随机选取3个时间点：
① 检查人物开口瞬间是否同步发声（肉眼可见唇动与音频波形起始对齐）；
② 听最后一句结尾是否有戛然而止感——若有明显裁切，说明提示词末尾缺标点，补上句号重试；
③ 播放时关闭字幕，专注听背景环境音是否存在（v5.5默认叠加合理环境混响，若全程干声，说明模型未加载成功，需刷新页面重进模型中心。
