LivePortrait：一張相做出粵語講話影片（2026 教學）

用一張相就可以令人物開口講廣東話？本文教你用 LivePortrait 同粵語語音模型，一步步製作自然口型影片，仲有實用調校貼士。

2026年11月5日— 港嘢內容團隊約 9 分鐘LivePortrait AI影片生成粵語配音教學

一句答你：LivePortrait 係一個開源嘅人像動畫工具，用一張靜態相加一段驅動影片（或者聲軌配合對嘴流程）就可以令相中人「郁返」，配合粵語 TTS 聲軌，就可以整出一條相中人講廣東話嘅短片。

重點摘要 Key Takeaways

LivePortrait 屬開源人像動畫路線：輸入一張源相＋一段驅動影片，輸出跟住驅動影片表情動作嘅動畫人像。

想令相中人「講粵語」，要額外做對嘴（lip sync）步驟：先用粵語 TTS 出聲軌，再交對嘴工具生成嘴型。

粵語有六個聲調（常用教學講九聲六調），對嘴效果要聽聲調、懶音同中英夾雜位。

開源路線要自己處理硬件環境、模型檔案同安裝，唔係一鍵完成；雲端平台路線就簡單啲但彈性細啲。

有五大限制：版權同同意書、嘴型質素、聲畫同步、硬件門檻、內容標示責任。

本文只講通用流程同考慮因素，唔寫具體型號規格，資料根據官方文件（觀察日期 2026-10-31）。

LivePortrait 係乜嘢？

LivePortrait 係一個開源嘅人像動畫（portrait animation）工具，屬於「重演（reenactment）」路線：你畀一張靜態人像相做「源相」，再畀一段有人講嘢或者做表情嘅影片做「驅動影片」，佢就會令源相中嘅人跟住驅動影片嘅表情、頭部動作同眼部動作郁起嚟。

要分清楚兩件事：

人像動畫 係令一張相「郁返」，驅動來源通常係另一段影片，重點在表情同頭部動作。
對嘴（lip sync） 係令嘴型跟一段指定嘅聲軌郁，重點在嘴型同聲音對齊。

LivePortrait 本身做嘅係前者。換句話講，單靠 LivePortrait，你可以令相中人「好似講緊嘢咁郁」，但佢唔會自動跟住你指定嘅粵語聲軌出嘴型。要做出「一張相講廣東話」嘅完整效果，標準流程係：

寫稿。
用粵語文字轉語音（TTS）生成聲軌。
用 LivePortrait 令源相郁起嚟（用一段驅動影片）。
再用對嘴工具，令郁起嚟嘅人像嘴型跟住粵語聲軌。
剪接合成，加字幕。

呢個「先動畫、後對嘴」嘅兩段式流程，係目前用一張相做講話片最常見嘅做法。學術界對嘴型生成都有唔少研究，例如 Style-Preserving Lip Sync 論文（Style-Preserving Lip Sync, 2026）就探討點樣喺對嘴嘅時候保留人像原有嘅風格。

點解粵語對嘴係一個關卡？

粵語唔係普通話嘅變調版，佢係一套完整嘅語音系統：一般講 19 個聲母、50 多個韻母、6 個聲調，仲有 -p、-t、-k 入聲韻尾，收尾短促。呢啲音素組合直接影響嘴型。

再者，粵語多音字特別多，文字轉拼音（G2P 係 grapheme-to-phoneme，即係將文字轉成讀音嘅過程）容易出錯，讀錯音，嘴型自然跟錯。學術研究亦指出多音字係粵語 TTS 核心難點（Cantonese G2P 研究, 2026）。

另外香港日常講嘢中英夾雜，例如「check 吓個 deadline」，TTS 同對嘴模型要處理到碼轉換先自然。呢啲位如果聲軌做得唔好，後面對嘴幾靚都救唔返。

如果你想系統性了解呢個題目，可以睇我哋嘅粵語對嘴完整指南，入面有粵語聲軌製作嘅細節。

完整流程：一張相變粵語講話片

第一步：準備源相

一張好嘅源相係成個流程嘅地基。原則：

正面、五官清楚、光線均勻。
嘴部冇遮擋（冇手、冇口罩、冇雜物）。
解像度合理，唔好模糊。

例如你用一張公司團隊介紹相，裡面有位同事係側面兼郁手遮嘴，咁張相就唔啱做源相，要另搵正面清晰嘅一張。

第二步：寫稿同生成粵語聲軌

寫稿有兩個大方向：

書面語稿：正式、適合企業公告，但 TTS 讀出嚟會有啲「新聞腔」。
口語稿：貼地、似真人講嘢，例如「今日同大家講三個重點」，但對 TTS 嘅粵語處理要求高啲。

聲軌工具方面，專門做香港廣東話嘅 TTS 會處理到多音字同口語字（嘅、哋、咗、喺、嚟、唔）。揀工具可以參考我哋嘅粵語 TTS 選購指南，或者直接去港嘢 playground 試下自己嘅稿。

第三步：用 LivePortrait 做人像動畫

準備一段驅動影片——可以係你自己對鏡頭講嘢嘅片段，目的係畀 LivePortrait 一套「表演」去跟。輸出就係一段源相中人物郁動嘅影片。

呢一步嘅產出仲未係成品：嘴型跟嘅係驅動影片，唔係你嘅粵語聲軌。

第四步：對嘴

將第三步嘅影片＋第二步嘅粵語聲軌，交俾對嘴工具處理，令嘴型跟聲軌。呢一步係「一張相講粵語」嘅關鍵。

如果唔想自己搞開源環境，可以用現成平台。例如 King AI 集合多個 Lip Sync 引擎（King AI 官方頁, 2026）；Kling 嘅 Lip Sync 工具支援上載聲軌或者用 TTS，支援真人、3D、2D 角色（Kling 官方文件, 2026）。平台間差異可以睇我哋嘅King AI 粵語對嘴實況同Kling 粵語對嘴指南。

第五步：剪接、字幕、標示

將聲軌同影片對齊，檢查有冇明顯唔同步。
加繁體中文字幕，方便靜音觀看。
按香港指引，生成式 AI 內容應該有清楚標示（香港數字政策辦公室, 2026）。

硬件同環境考慮（通用層）

開源路線唔使畀月費，但要自己準備運算環境。以下只講通用層，唔講具體型號：

考慮項	開源本地路線	雲端平台路線
前期設定	要自己裝環境、下載模型檔案	開戶即用
速度	視乎你自己機器嘅運算能力	由平台分配資源
彈性	高，可以改參數、接工作流	低至中，跟平台功能
成本結構	一次過硬件投入＋電費	按量或者月費
適合邊個	有技術背景、量大、想自控	想快出貨、唔想搞技術

幾個通用原則：

人像動畫同對嘴都係運算密集任務，冇獨立運算資源嘅普通辦公電腦通常行唔動或者極慢。
記憶體同儲存空間要預鬆，模型檔案同中間產物（逐格影像、音頻檔）都佔位。
唔想投資硬件，可以考慮有獨立運算資源嘅遠端環境，或者直接用雲端平台。

【獨家觀察】根據我哋接觸香港用家嘅經驗，最多人放棄嘅唔係模型質素，而係環境設定：裝依賴、版本衝突、顯示卡驅動呢啲關卡，令唔少人試一次就轉用現成平台。所以我哋建議：如果你嘅目標係「今個星期出一條片」，直接用平台；如果你嘅目標係「長期大量製作、想完全自控」，先值得投入開源路線。

替代路線：一鍵式虛擬人像平台

如果你連「先動畫、後對嘴」兩步都唔想分開做，可以用一體化 avatar 平台。根據官方文件（觀察日期 2026-10-31）：

HeyGen 提供粵語聲線選擇（官方頁列明包括香港、澳門、廣東口音），支援 phoneme 層級嘴型，亦可 clone 自己嘅粵語聲（HeyGen 官方頁, 2026）。詳情可睇我哋嘅HeyGen 粵語虛擬人像指南。
Kling 嘅 Avatar 功能：一張角色圖＋一段聲軌＋表演指示，就可以出講話片，而且同一 avatar 可以出多種語言版本（Kling 官方文件, 2026）。

呢啲平台路線嘅取捨：簡單、快，但客製化程度同批次處理彈性冇開源路線咁高。