用途：按用户需求，将自有音频与面部（R2 托管的图片或角色设定表，或已有片段）做口型同步，让角色说出上传的录音；不提供文字转语音或声音克隆。
主要能力：输出 9:16 说话头像视频；通过 agent-media vNext 原语运行时执行。
使用方式：优先使用 MCP 工具 mcp__agent-media__make_lip_sync，其 schema 由服务端 tools/list 自动发布。备用 REST：POST https://api.agent-media.ai/v1/skills/make_lip_sync/run，请求头需 Authorization: Bearer $AGENT_MEDIA_API_KEY、Content-Type: application/json、Idempotency-Key: <每次意图的唯一字符串>；请求体字段含 image_url、audio_url、duration、aspect_ratio（如 9:16）。鉴权使用 agent-media 登录签发的 Bearer token。轮询结果：GET https://api.agent-media.ai/v1/primitives/runs/<run_id>，同样带 Bearer token。
成本与耗时：积分 140/280/420（对应 5s/10s/15s）；典型墙钟时间 420–480s；提交时扣费，终态失败会退还。
限制：需要自备音频；具体可用输入格式、时长上限、分辨率等细节暂未提供。现实主义规则见 reference/realism-rubric.md，首次安装与登录见 reference/auth.md。该文件由脚本从注册表自动生成，不应手动编辑。