Pa vo AI要实现嘴型与台词精准贴合，通常只需四个关键步骤：一、开启音画同步并切换为音频驱动；二、在台词里加入音素锚点（如【唾】）和标点停顿；三、锁定唇部关键帧并进行统一校准；四、替换容易错位的弱爆破音、擦音，并为多音字标注准确读音。

如果你想让AI短剧中的人物开口说话时，嘴型能自然贴合台词，不靠后期反复拖时间轴，也不用频繁更换工具试错，那么关键就在于正确使用Pa vo AI自带的音频驱动画面能力。实际上，很多用户嘴型不同步，并不是工具不行，而是没有打开正确开关、没有写好提示词，也没有锁定关键帧，最终导致口型错位成了常见问题。

第一步：必须用配音驱动画面，而不是文本驱动

进入分镜编辑页之前，先到「合成设置」面板勾选【启用音画同步】→返回分镜页后，点击右上角齿轮图标→在「生成模式」中将默认的“文本驱动”切换为“音频驱动”。【如果没有切换到音频驱动模式，后续所有嘴型微调基本都不会生效】这一步非常关键，因为系统在文本驱动下只会根据文字长度粗略分配口型帧，而不会按照真实语音波形逐音素匹配。

同时要确认当前项目已经生成旁白音频——如果还没有配音，可以先在分镜描述框中输入一句带情绪标注的台词，例如：“你骗我？（震惊，语速骤停）”，然后点击「试听旁白」生成音频波形。只有在真实音频存在的前提下，画面嘴型同步才有基础。

第二步：写台词时直接注入音素锚点

方法一：用括号标注发音难点字
原句“他吞了口唾沫” → 改为“他吞了口【唾】沫”。这样做可以让AI更明确识别“唾”字对应的发音动作，强化嘴唇闭合与爆破过程，减少这一位置嘴型含糊或乱跳的问题。

方法二：长句强制拆解并加入停顿
超过12个字的句子，建议手动加入逗号、破折号或省略号，比如：“这瓶……真管用”相比“这瓶真管用”更容易实现嘴型对齐——省略号会触发约0.4秒的气口停顿，AI通常会在这里生成闭嘴微顿帧，比连续平滑过渡更接近真人说话和呼吸节奏。

需要注意：中文引号「」、顿号、书名号《》通常不会被识别为节奏指令，想要控制说话停顿，最好使用全角逗号、句号、问号、叹号或省略号。

第三步：锁定首尾关键帧，卡死嘴型起止点

第一步：找到台词开始对应的镜头，长按该分镜缩略图→选择「Lock as Reference」→勾选“唇部区域锁定”。【如果只锁定整张图，容易造成运镜失真，因此必须精确框选嘴唇区域】

第二步：找到同一句台词结束时对应的镜头（有时可能在下一镜头），按同样方式操作→但这次勾选“咬合状态继承”。系统会把起始帧的牙齿开合角度、嘴角拉伸幅度等参数作为基准，强制后续帧沿着同一变化曲线运行。

第三步：执行批量校准→框选从起始到结束的所有相关镜头→右键→“统一唇形校准”→将“音素响应延迟”设置为0.12帧。根据实测，这个数值基本可以覆盖95%的中文单音节发音周期；如果设得过高，嘴型会明显滞后，如果设得过低，则容易出现抖动和跳帧感。

第四步：避开三类天然错位音素，主动替换台词

方法一：把“呃”“嗯”“啊”这类弱爆破音，替换成更容易生成明确口型的动作描述
原句：“呃……我不知道” → 改为：“他喉结滚动，吞咽声清晰可闻→停顿0.5秒→‘我不知道’”。当AI识别到“吞咽”这类动作时，通常会自动生成闭嘴→微张→再开合的连续动作序列，比直接念“呃”更稳定，也更容易实现嘴型同步。

方法二：把“丝”“诗”“日”这类擦音，替换成带唇齿接触的词语
例如“是吗？” → 改为“真的吗？”，“真”字能够触发更明显的双唇闭合和爆破动作，相比“是”的舌尖近音，更利于生成稳定、清晰的AI嘴型。

方法三：遇到多音字及时标注读音
比如“重”字不要直接写“重要”，而是写成“重（zhòng）要”；“行”字不要只写“行动”，而是写成“行（xíng）动”。如果AI在配音阶段读错了音，多数情况下嘴型也一定会随之错位，而且这种问题很难依靠后期修正，因为错误音素已经提前固化在语音波形中。