最近生视频这边的对口型能力明显在往前走。Pika那套主打给静态或动态画面配上匹配的嘴型，阿里这边也放出了让老照片、名人影像开口「唱」的效果，把音频和口型对齐做进了流程里。
这类东西的门槛在于牙齿、下巴和语气的自然衔接，早两年一看就假，现在短片段里已经不太容易一眼看穿。真要用起来还是短句、正脸最稳，侧脸和快速换词的时候破绽会露出来。
素材伦理这块也躲不开，拿真人尤其是已故名人的脸做演示，观感上总归有点微妙。
正脸短句确实看不出，侧脸一转就穿帮
牙齿那块以前最假，现在好多了
拿已故名人做演示，心里总归怪怪的