欲兔直播 · 创作笔记适用范围
以Live2D Cubism SDK官方音量输入教程解释一种实现，不概括所有口型系统。图中形象与参数均为原创练习，不是现成模型、产品界面或识别实测；资料核对于2026年11月2日。
音量值与文字标签是两种输出
音量驱动这一环节拿到的是声音强弱相关的数值，再把它用于嘴部参数。即使一个音量值计算得很稳定，也没有自动得到“杯子”或“台灯”这样的文字。
不同词可能在某一时刻具有近似强度，同一个词也可以轻声或大声说。仅凭一条开合值曲线，不能证明系统理解了语义，更不能反过来当成真实人物说了某句话的证据。
官方示例具体做了什么
Live2D的SDK教程介绍CubismAudioMouthInput从AudioSource音量设置嘴部开合相关值，并提供增益和平滑等设置。这个例子支持“音量可驱动参数”的结论，不支持所有Live2D工具都只有这一种口型方案。
增益改变输入量对参数的影响程度，平滑改变变化过程。调高增益不等于识别更准确的词语；平滑后动作更柔和，也不代表语义理解能力增强。具体参数范围与实现要按所用版本说明核对。
图中三个嘴形怎样理解
图把弱、中、强输入分别映射到0.2、0.5、0.8三个自定开合值，只演示一个单调关系。嘴形都是本站绘制，数值不代表官方推荐设置，也不表示三种不同发音。
图没有使用录音样本，因此不能从中评价响应延迟、准确率或真实模型表情。实际模型的绑定与可用参数决定它能怎样变形，应先核对模型，再讨论输入映射。
背景音乐为什么也可能让嘴动
若被分析的音源同时含有人声和音乐，音量变化并不只来自说话。排查时先确认输入源，区分只取麦克风、只取指定音轨，还是取已经混合的声音；不要先假设系统知道谁在讲话。
可以用自己有权使用的三段短素材分别检查：安静背景、正常说话、仅音乐。记录实际结果，不把“嘴动了”自动写成识别到台词。若需要区分语音与音乐，须另核系统是否提供相应能力。
模型始终张嘴或突然跳动，逐层检查
先看输入是否仍有持续底噪，再看增益是否把微弱输入放大到明显开合，最后看模型参数范围与绑定是否符合预期。每次只改一项，保留原设置以便比较。
平滑、阈值或其他处理的具体效果因实现而异。不能把某个工具的菜单路径当作所有软件通用步骤；若同时有摄像头追踪、表情动画和音量输入，应明确它们是否共同控制同一参数。
什么时候需要更细的口型方案
若任务只需要一个随讲话活动的小形象，音量开合可以作为入门选择；若要表达不同发音或对齐最终录音中的细节，应核对嘴形库、声音分析和编辑能力，而不是单纯增加音量增益。
交付说明可写“当前采用音量驱动开合，不输出文字转写；背景源与嘴部绑定已按本轮检查记录”。这说明实现范围，不宣称已经完整理解语言。
操作步骤
- 确认当前系统的输入源与输出参数。
- 把音量数值、嘴形类别和文字转写分开记录。
- 分别检查安静、说话与音乐素材的实际响应。
- 逐项调整增益、平滑或绑定，保留原设置。
- 按任务决定是否需要更细的口型分析与人工校对。
常见问答
嘴跟着动是否说明识别到说话内容？
不能。简单音量映射只说明参数随输入强弱变化。
提高增益能让发音识别更准确吗？
增益改变影响幅度，不会凭空增加词语识别能力。
所有Live2D口型都只有张嘴闭嘴吗？
不是。本篇只解释官方教程中的一种音量输入示例，其他系统可能提供更细分析。
参考依据
Live2D：Lip-sync Settings · Live2D · 核对日期 2026-11-02。支持CubismAudioMouthInput从AudioSource音量驱动开合，以及Gain与Smoothing设置；不等同于词语转写。