替訪談或角色影片換上新配音，VidDub 這套音訊驅動影片配音系統會調整嘴形，目標是保留原有人物、頭部姿態與背景，適合需要沿用原片表演的創作流程。
原音重建訓練會要求模型重現錄下的嘴形，換成另一段說話後便可能形成衝突。VidDub 以 replacement-aware cross-audio supervision，在替換語音樣本中遮蔽原嘴部的重建監督，改由聲畫同步訊號引導發音動作。
完整上下文教師模型再經蒸餾訓練出兩步去噪學生模型，壓縮生成步驟。項目報告單張 H20 達 11.3 FPS，但限於輸入已完成預處理的測量，不能視為端到端即時速度。
- 長片透過重疊窗口推理。
- 提供模型權重與訓練程式碼。
- 可透過社群示範或 OpenDub 應用體驗。
三個訓練種子的實驗中，移除衝突嘴部監督令替換音訊 Sync-C 同步評分提升 0.833±0.04。配音團隊仍宜用自己的素材檢查嘴形、人物一致性及長片接縫；同步分數不足以代表整段成片品質。