在生成数字人视频时，语音与口型不同步，往往是创作者最常遇到的困扰之一。手动将素材拖入剪辑软件逐帧对齐，不仅耗费大量时间，反复试错还可能影响视频画质。实际上，百度一镜自v2.3.7版本起，已内置音画延迟校准功能，无需导出剪辑，直接在生成流程中即可解决这一难题。

核心操作非常简单：只需在高级参数中开启“音画同步优化”，或通过API配置sync_calibration，系统便会自动补偿延迟。同时支持Ctrl+滚轮以±5ms为单位进行微调，让你彻底告别外部剪辑软件的繁琐操作。

确认当前版本支持校准功能

打开百度一镜控制台，在「数字人视频生成」工作区右上角依次点击「帮助」→「版本日志」，查看当前运行版本号是否 ≥ v2.3.7。若版本低于此号，则无法找到「音画校准」开关。因此，首要步骤是确保已升级至v2.3.7或更高版本——低版本根本不具备该功能入口。

【必须升级至v2.3.7或更高版本，低版本无此功能入口】

在生成流程中启用自动校准

以下两种方式，任选其一即可。

方法一：使用标准工作流生成时启用
1. 上传音频（MP3/WAV）与人物形象后，进入「高级参数」折叠面板
2. 打开「音画同步优化」开关 → 系统会自动勾选「启用嘴形-语音亚帧级对齐」
3. 默认应用0.03秒动态偏移补偿，无需手动输入数值。这一步操作非常简单，开箱即用。

方法二：使用API批量调用时配置
在请求体JSON中加入字段："sync_calibration": {"enabled": true, "offset_ms": 30}。若设为0，则表示关闭校准；若设为负值（例如-20），则表示提前播放口型动画20毫秒。该功能在批量处理场景下尤为实用。

校准失败时的手动微调操作

即使自动校准已经完成，生成后预览仍可能出现轻微不同步，例如/p/音发出时嘴唇尚未闭合。此时无需重新生成整个视频，可直接进行修正：

① 在预览界面点击右下角「校准工具」图标
② 拖动时间轴至第一个明显错位点（建议选择爆破音的起始帧，如p、t、k等音）
③ 按住Ctrl键+鼠标滚轮，以±5ms为单位精细调节偏移量
④ 实时播放验证，满意后点击「应用并重渲染」

这一操作非常直观——滚动滚轮即可看到口型实时变化，极为便捷。不过需注意：每次重渲染会消耗1次配额，建议尝试次数不超过3次。若3次仍未调准，建议检查音频波形本身是否存在对齐问题。