Takový jazyk tu není.
Rozhoduje řádek „Co potřebuje na vstupu“ v tabulce. OmniHuman chce FOTKU a zvuk – rozmluví nehybný záběr. Sync chce VIDEO a zvuk – vezme už natočený klip a přizpůsobí rty nové nahrávce. Nemáš video, máš jen portrét – OmniHuman. Máš natočeného člověka a nový zvuk – Sync. Nejsou vzájemně zaměnitelné.
Cena v kreditech je za SEKUNDU videa a ukazuje se na tlačítku „Generovat“ před každým spuštěním. Spodní řádek „Pět sekund vyjde na“ je stejná cena vynásobená pěti.
| Parametr | OmniHuman | Sync |
|---|---|---|
| Varianty modelu u nás | 1 | 1 |
| Co potřebuje na vstupu | fotka, zvukový soubor | video, zvukový soubor |
| Cena v kreditech za sekundu | 321 | 167 |
| Pět sekund vyjde na | 1605 kreditů | 835 kreditů |
| Nejdelší klip najednou | 60 s | 60 s |
| Rozlišení na výběr | 720p, 1080p | — |
| Zvuk přímo z modelu | ✗ | ✗ |
| Negativní popis („bez…“) | ✗ | ✗ |
OmniHuman je tu jediný, kdo vychází z nehybné fotky. Z portrétu, archivního záběru nebo vygenerované tváře se stane mluvící člověk a kamera k tomu není potřeba.
Má volbu rozlišení – u modelů pro mluvícího člověka vzácnost – a možnost dodat masku, tedy určit, která část záběru se má animovat.
Délka, kterou přijme, je stejná jako u Sync. Chybějící video na vstupu tedy neplatíš kratším výsledkem.
Sync zachová veškerý pohyb z původního klipu – gesta, postoj, pohled – a mění jen rty. To je přesvědčivější než jakákoli animace fotky, protože všechno ostatní je skutečné.
Sync má několik režimů pro případ, kdy zvuk a klip nemají stejnou délku: oříznutí, opakování, přehrání pozpátku, ticho.
Přijme dlouhý klip – stejný strop jako OmniHuman.
Kde prohrává OmniHuman. Veškerý pohyb si vymýšlí model. Gesta a postoj jsou přesně tak přesvědčivé, jak je model vymyslel, a u dlouhé nahrávky je znát jednotvárnost. OmniHuman navíc patří mezi dražší za sekundu – cenu najdeš v tabulce.
Kde prohrává Sync. Vyžaduje už natočený klip. Když nemáš video, Sync prostě nepřipadá v úvahu – nepomůže žádné jeho nastavení. A mění jen rty: pokud je v nahrávce smích nebo pauza, tělo v záběru na ně nereaguje.
Máš fotku – OmniHuman. Máš video – Sync. To je celá volba a není to věc vkusu.
Pokud máš obojí, Sync obvykle dá přesvědčivější výsledek, protože většina záběru je skutečná. Kompletní karty najdeš na stránce OmniHuman a na stránce Sync.
Sync. OmniHuman stojí od 321 kreditů za sekundu, Sync od 167 kreditů za sekundu. Nejlevnější varianta u OmniHuman je OmniHuman (foto → řeč), u Sync – Sync 2.0 Pro Lip-sync. Přesnou cenu uvidíš na tlačítku ještě před spuštěním generování.
Ne. Sync potřebuje na vstupu video. Na fotku, která promluví, se používá OmniHuman.
Sync, když máš video — protože tělo, pohled i gesta jsou skutečné a mění se jen rty. OmniHuman si všechno vymýšlí.
Ano, vstupem je fotka, bez ohledu na to, odkud pochází. Pravidla pro obsah platí — obličej skutečného, rozpoznatelného člověka se bez jeho souhlasu neanimuje.
Tato stránka srovnává obě značky mezi sebou. Kompletní technická karta každé z nich — všechny varianty, silné a slabé stránky, typické úlohy a skutečné příklady z komunity — je na její samostatné stránce.
Poslední aktualizace:
