szájszinkronizálás
angolul: lip sync
Olyan AI-eljárás, amely egy videón szereplő ember vagy figura szájmozgását utólag hozzáigazítja egy hangfelvételhez, így úgy tűnik, mintha valóban azt mondaná.
Érthetően
A szinkronizált filmeknél biztosan észrevetted már, hogy a színész szája mást formál, mint amit hallasz. A hagyományos szinkron ezt úgy enyhíti, hogy a magyar szöveget igazítják a szájmozgáshoz. Az AI-alapú szájszinkronizálás megfordítja a dolgot: a szöveg marad, és a képen a szájat rajzolja át, hogy illeszkedjen a hanghoz.
Olyan ez, mint egy nagyon ügyes bábos, aki a hangot hallgatva mozgatja a báb száját, csak itt a báb egy valódi ember arca a felvételen. A rendszer képkockáról képkockára újrafesti az ajkakat, a fogakat és az állat, a videó többi részét pedig érintetlenül hagyja.
Erre használják: filmek és oktatóvideók más nyelvre átültetése, digitális avatárok megszólaltatása, rajzfilmfigurák animálása. Ugyanez a technika a megtévesztő hamis videók egyik fő eszköze is, ezért érdemes tudnod, hogy létezik.
Hogyan működik
- A rendszer apró időszeletekre bontja a hangfelvételt, és kinyeri belőle, mikor milyen beszédhang hallható.
- A hangokhoz jellemző szájállás tartozik (más az „ó”, más az „m”, más az „f”), de több hang szájmozgása egyformán néz ki, például az „m”, a „b” és a „p”. A modell rengeteg beszélő ember videójából tanulta meg, melyik hanghoz milyen szájforma illik.
- A videón megkeresi az arcot, és követi a helyzetét, a fej elfordulását és a megvilágítást.
- Képkockánként újragenerálja a száj környékét úgy, hogy az a hanghoz illő formát vegye fel, de megtartsa az illető bőrszínét, fogsorát, arcszőrzetét.
- Végül az új szájrészt beleolvasztja az eredeti képbe. A modellt eleve úgy tanították be, hogy a mozgás folyamatos legyen, és pontosan együtt haladjon a hanggal.
Példa a mindennapokból
Egy külföldi oktató videóját nézed a telefonodon, és magyarul beszél hozzád, a szája pedig pontosan a magyar szavakat formálja, pedig az illető egy szót sem tud magyarul. A videót egy fordítóeszköz ültette át: lefordította a szöveget, a saját hangján újramondatta, majd a száját is hozzáigazította.
Kit érint
Gyakori félreértés
Korlátok és kockázatok
- Oldalra forduló fejnél, száj elé tett kéznél, mikrofonnál vagy gyors mozgásnál gyakran elmosódik vagy szétesik a száj környéke.
- A fogak, a nyelv és a nagyon érzelmes arckifejezések sokszor természetellenesek maradnak, a száj és a szem „nem ugyanazt érzi”.
- Csalók ismert emberek arcával készítenek vele hamis befektetési ajánlatokat és politikai üzeneteket, ezért egy videó önmagában ne győzzön meg semmiről.
- Más arcát és hangját csak az engedélyével használd. Az EU MI-rendelete szerint 2026. augusztus 2. óta a valós személyt megtévesztően élethűen ábrázoló, mesterségesen előállított vagy manipulált videóról (deepfake) jelezni kell, hogy nem eredeti; nyilvánvalóan művészi vagy szatirikus műveknél enyhébb formában.
Hasonló, de nem ugyanaz
- deepfake – A deepfake minden megtévesztően élethű, AI-val készült vagy módosított kép, hang és videó gyűjtőneve, a szájszinkronizálás ennek csak az egyik technikája.
- hangklónozás – A hangklónozás valakinek a hangját utánozza, a szájszinkronizálás a képet igazítja a hanghoz; a kettőt gyakran együtt használják.
- arccsere – Az arccsere az egész arcot másik emberére cseréli, a szájszinkronizálás meghagyja az eredeti arcot, és csak a szájmozgást írja át.
Kapcsolódó fogalmak
generatív mesterséges intelligencia, videógenerálás, szintetikus média
–
deepfake, hangklónozás, digitális avatár, beszédszintézis, arccsere, AI-szinkron, beszélő fej generálása
Röviden a története
A szájmozgás és a hang összehangolása a hangosfilm óta a filmkészítés alapfeladata. Gépi tanulással 1997-ben a Video Rewrite nevű kutatási rendszer írta át először meglévő felvételen egy ember szájmozgását új hanghoz, a 2020-ban közzétett Wav2Lip modell pedig tetszőleges arcra és hangra is széles körben elérhetővé tette az eljárást.
Hol tart most
2026 végén a videófordító és avatárkészítő szolgáltatások alapfunkciója, egyszerűbb felvételeken laikus szemmel alig észrevehető. Bonyolult jeleneteknél még hibázik, a visszaélések miatt pedig egyre több helyen kötelező a jelölése.
Más nevei
lip sync · lip-sync · lipsync · lip syncing · szájszinkron · ajakszinkron · AI lip sync · audio-driven lip synchronization
Források
A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.