技能介绍

要解决的具体问题

在解释型虚拟人（explainer avatars）、多语言配音（multilingual dubbing）和社媒剪辑（social cuts）这几类口播视频里，最常见的故障往往不是画面质量，而是音频与口型不同步：同一段配音被译成另一种语言后，时长和节奏都变了，原来录好的嘴型就对不上；而为社媒重新录制一条口播，通常意味着整段视频重拍。这个技能要解决的正是这两类摩擦——让一段音频驱动出与之匹配的嘴型，并在发布前产出不同语种的配音预览。

核心能力与关键步骤

它围绕 fal.ai 的 talking head 与 lip-sync 能力展开，核心动作有两步：一是根据用户提供的音频生成或调整口播画面，使嘴型与音频对齐；二是在多语言场景下产出不同语种的配音预览，便于比对节奏、断句和口型是否匹配。

实际使用时，技能遵循“先方案、后执行”的流程：

默认先交付分析、方案、草稿、代码建议或检查清单，而不是直接跑通整条链路；
信息不足时先标记缺口并向用户确认，不拿猜测填补事实、数字、姓名、结论或权限；
涉及联网检索或调用接口时，先说明访问目标、拟发送的数据和用途，取得用户明确同意；
命令和脚本始终作为可审查的参考方案，只有用户明确要求执行、目标路径与影响范围清楚且完成预检后，才运行必要的最小步骤。

适用边界与注意点

它只用于“口播视频对口型与多语言配音预览”这一种场景，且只处理用户当前提供或明确授权的材料，不主动读取任务范围外的文件、账号和数据。交付前需要复核事实依据、隐私、版权、平台规则和可执行边界；遇到高风险或越权请求时停止相关动作，并给出合规替代方案。该技能由 fal.ai 社区团队整理，上游分类属于 video-generation。