对不上口型的视频看着非常难受。修复之前，先花 30 秒做个判断——你的视频属于哪一类？两类的修法完全不同。
类型一：整体偏移。从头到尾声音都固定提前或落后（比如嘴型永远比声音快半秒），偏移量不随播放时间变化。这是最常见的，压制时音频流被插入了固定延迟（常见于解码 DTS 时的 10ms 级修正被忽略）。
类型二：逐渐漂移。开头是同步的，越往后差得越多（10 分钟差 0.2 秒，1 小时差 1 秒以上）。原因是音频和视频的时间基准不一致（可变帧率视频按平均帧率算时间、音频采样率标称与实际不符等）。
判断方法：看第 1 分钟和第 30 分钟的偏移量是否相同。相同→类型一；越晚越差→类型二。
偏移是固定值，那么「整体推迟或提前音频」即可。两种思路：
大多数桌面播放器支持音轨延迟调整（VLC 快捷键 J/K 每次调 50ms，MPV 用 --audio-delay=+0.5）。优点是零成本、随时可逆，缺点是每次播放都要调一遍。
ffmpeg -i "原视频.mkv" -c:v copy -c:a copy -itsoffset 0.5 -i "原视频.mkv" ...
更简单的做法是用滤镜平移音频流（视频轨 copy 保持画质）。数值靠反复试：先目测偏移量，导出后核对，误差缩到 ±80ms 内人眼基本无感。
固定偏移救不了漂移——前面调准了后面更歪。真正的解法是时间轴线性重映射：
音频伸缩可以用 ffmpeg 的 atempo（速率 0.5–2.0 之间质量可接受），把音频时长微调到与视频严格一致后再对齐起点。
ffmpeg -i "原视频.mkv" -filter:a "atempo=1.0003" -c:v copy "修正版.mkv"
自动同步依赖「口型活动」和「语音能量」的相关性分析，在多人说话、音乐多、语速快的场景误判率不低。我们的实践结论：自动检测可以给建议值，但最终确认和应用必须留给用户——听一句、看一眼口型，比算法更可靠。凡是宣称「AI 完美自动同步」的工具，宣传成分居多。
判断清楚「偏移还是漂移」之后，数字管家把两种修正都做成了播放中的实时操作。
免费下载，本地运行。对不齐的声音画面，今晚就对上。