Bilde- og lydinngang
- Inndata krever én bilde-URL og én talelyd-URL.
- Bildet kan være JPEG, PNG eller WEBP opptil 10 MB.
- Lyd kan være MP3-, WAV-, AAC-, MP4- eller OGG-formater opptil 10 MB.
UlazAI - AI bilde- og videoverktøy
Premium snakkende portrettmodell
OmniHuman 1.5 snakkende portrettgenerator
Gjør om et portrett, et karakterbilde eller et utvalgt motiv til en talevideo drevet av en talelydfil. Dette er ruten å bruke når identitet, uttrykk, timing i munnen og overkroppens ytelse betyr mer enn å finne opp en hel scene fra bunnen av.
27 kreditter/s. Studioutgang er konfigurert for 1080.
Grunnleggervideoer, produktforklaringer og lokaliserte talspersonklipp.
Karakterledet utdanning der samme ansikt trenger flere manus.
Portrettanimasjon der munnbevegelse, uttrykk og lydtiming betyr noe.
AI-skaper, avatar og kampanjeklipp som trenger ett repeterbart ansikt på tvers av mange meldinger.
Modellvideo
Input, sample og rute i ett lanseringsklipp
Bruk dette som en rask modellsjekk før generering: akseptert input, generert utgang og den klareste ruten i Video Studio.
Inndata Velg ruten fra ressursen du allerede har.
Prøve Se genererte klipp før du bruker kreditter.
Rute Tøm prompt, klar priser, klar neste trinn.
Hvorfor OmniHuman passer til snakkende video
OmniHuman er for lyddrevet karakterytelse. Kildebildet gir identitet; talesporet driver timing, munnbevegelser og mye av uttrykket.
Anbefalt lydlengde
- Lyden må holde seg under 60 sekunder.
- For sterkere ansiktskvalitet, hold klippene rundt 15 sekunder eller kortere.
- Bruk ren tale med det nøyaktige manuset; støyende musikksenger reduserer påliteligheten.
Maske- og faghjelpere
- Menneskelig identifikasjon og gjenkjenning av gjenstander er hjelpekontroller, ikke separate videomodeller.
- Bruk en maske når et bilde inneholder flere personer eller når bare ett motiv skal snakke.
- Et frø kan hjelpe til med å gjenta lignende resultater når samme bilde, lyd og prompt gjenbrukes.
Kvalitets- og hastighetskontroller
- Utdata kan være 720p eller 1080p, med 1080p brukt for de fleste polerte presentasjonsklipp.
- Rask modus bytter ut noe kvalitet for raskere generering.
- Adferdsprompten skal være kort: tone, følelser, holdning og naturlig bevegelse.
Hvor det passer
OmniHuman starter fra et portrettbilde og talelyd. Leppesynkronisering starter fra en eksisterende video og endrer munntidspunktet for å matche ny lyd.
| Varighet | 720p / base | 1080p |
|---|---|---|
| 5s | 135 kreditter | - |
| 10s | 270 kreditter | - |
| 30-årene | 810 kreditter | - |
| 60-tallet | 1620 kreditter | - |
Sterke brukstilfeller
Bruk OmniHuman når markedsføringselementet er personen eller karakteren, ikke bakgrunnsscenen.
Talspersonforklaringer
Lag et kort grunnlegger-, ekspert- eller merkepresentantklipp fra ett portrett og det eksakte talte manuset.
Lokaliserte produktmeldinger
Gjenbruk det samme ansiktet på tvers av oversatte lydspor mens du holder klippet fokusert på tale og uttrykk.
Karakterstyrt utdanning
Bygg flere mikrotimer med samme karakterbilde og forskjellige rene stemmespor.
Avatar- og skaperkampanjer
Lag repeterbare klipp i skaperstil der den samme identiteten leverer nye knagger, tilbud eller kunngjøringer.
Studio ruter
Portrait Image to Talking Video
omnihuman_1_5
Estimert fra valgt lengde; stemmespor kontrollerer pacing
Krever én URL for stående bilde, én URL for talelyd og en kort oppførsel prompt.
Åpen ruteHvordan det skiller seg fra leppesynkronisering
OmniHuman starter fra et portrettbilde og talelyd. Leppesynkronisering starter fra en eksisterende video og endrer munntidspunktet for å matche ny lyd.
Arbeidsflyt for produksjon
- Velg et klart portrett- eller karakterbilde med god ansiktssynlighet og minimal visuelt rot.
- Hvis bildet har flere emner, kjør en emnesjekk og bruk en maske for personen som skal snakke.
- Forbered ren talelyd med det endelige manuset, helst 15 sekunder eller kortere for best kvalitet.
- Skriv en kort adferdsprompt med tone, uttrykk, holdning og naturlig bevegelse.
- Bruk 1080p for polerte klipp, eller hurtigmodus når du fortsatt tester skript.
- Gjenbruk samme portrett-, seed- og promptstil når du trenger en konsekvent presentatørserie.
FAQ
Hva trenger OmniHuman?
Én URL for stående bilde, én URL for talelyd og en prompt for uttrykk eller oppførsel.
Er hjelpedeteksjonsverktøyet en videomodell?
Nei. Studio-ruten er videogenereringsruten; deteksjonshjelpere er separate kontroller og er ikke eksponert som videomodeller.
Hvor lang kan lyden være?
Lyden må være under 60 sekunder. For sterkere ansiktskvalitet, hold klippene rundt 15 sekunder eller kortere.
Hvilke bildeformater fungerer?
Bruk JPEG-, PNG- eller WEBP-bildeadresser på opptil 10 MB.
Hva gjør maskeinngangen?
En maske hjelper til med å velge ett motiv når bildet inneholder flere personer eller når bakgrunnen ikke skal drive animasjonen.
Hva gjør rask modus?
Rask modus gir raskere generering, men kan redusere detalj- og bevegelseskvalitet.
Hva koster det?
Ruten koster 27 kreditter per utgangssekund.