# همگام‌سازی لب Kling ویدیو با صدا

گره Kling Lip Sync Audio to Video حرکات دهان در یک فایل ویدیویی را طوری همگام می‌کند که با محتوای صوتی یک فایل صوتی مطابقت داشته باشد. این گره الگوهای آوایی موجود در صدا را تحلیل می‌کند و حرکات صورت در ویدیو را تنظیم می‌کند تا همگام‌سازی واقع‌گرایانه‌ای برای لب‌ها ایجاد شود. این فرآیند به یک ویدیو حاوی چهره‌ای مشخص و یک فایل صوتی با صدای گفتار به‌وضوح قابل تشخیص نیاز دارد.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده | ضروری | محدوده |
|-----------|-------------|-----------|----------|-------|
| `video` | فایل ویدیویی حاوی چهره‌ای که باید لب‌همگام‌سازی شود | VIDEO | بله | - |
| `audio` | فایل صوتی حاوی صدای گفتار برای همگام‌سازی با ویدیو | AUDIO | بله | - |
| `voice_language` | زبان گفتار در فایل صوتی (پیش‌فرض: `"en"`) | COMBO | بله | `"en"`<br>`"zh"`<br>`"es"`<br>`"fr"`<br>`"de"`<br>`"it"`<br>`"pt"`<br>`"pl"`<br>`"tr"`<br>`"ru"`<br>`"nl"`<br>`"cs"`<br>`"ar"`<br>`"ja"`<br>`"hu"`<br>`"ko"` |

**محدودیت‌های مهم:**

- فایل صوتی نباید بزرگ‌تر از 5MB باشد
- فایل ویدیویی نباید بزرگ‌تر از 100MB باشد
- ابعاد ویدیو باید بین 720px و 1920px در ارتفاع/عرض باشد
- مدت‌زمان ویدیو باید بین 2 ثانیه و 10 ثانیه باشد
- صدا باید دارای صدای گفتار به‌وضوح قابل تشخیص باشد
- ویدیو باید دارای چهره‌ای مشخص باشد

## خروجی‌ها

| نام خروجی | توضیحات | نوع داده |
|-------------|-------------|-----------|
| `output` | ویدیوی پردازش‌شده با حرکات دهان همگام‌شده با صدا | VIDEO |
| `video_id` | شناسه یکتای ویدیوی پردازش‌شده | STRING |
| `duration` | مدت‌زمان ویدیوی پردازش‌شده | STRING |

> این مستند با هوش مصنوعی تهیه شده است. اگر خطایی دیدید یا پیشنهادی برای بهبود دارید، خوشحال می‌شویم مشارکت کنید! [ویرایش در GitHub](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/KlingLipSyncAudioToVideoNode/fa.md)

---
**Source fingerprint (SHA-256):** `2f88af3191ac4f9c5c9fa1aaa5b744a12620b66e55a1fe0ab16b8b3b61110128`
