Der findes intet sådant sprog.
Afgørelsen ligger i rækken »Hvad der kræves som input« i tabellen. OmniHuman vil have et FOTO og lyd – den får det ubevægelige billede til at begynde at tale. Sync vil have VIDEO og lyd – den tager et allerede optaget klip og synkroniserer læberne til en ny lydoptagelse. Har du ingen video, men kun et portræt – OmniHuman. Har du en optaget person og ny lyd – Sync. De to kan ikke erstatte hinanden.
Prisen i kreditter gælder pr. SEKUND video og står på knappen »Generer« før hver kørsel. Den nederste række »Fem sekunder koster« er den samme pris ganget med fem.
| Hvad | OmniHuman | Sync |
|---|---|---|
| Modellens varianter hos os | 1 | 1 |
| Hvad den kræver som input | billede, lydfil | video, lydfil |
| Pris i kreditter pr. sekund | 321 | 167 |
| Fem sekunder koster | 1605 kreditter | 835 kreditter |
| Længste klip ad gangen | 60 sek | 60 sek |
| Opløsninger at vælge imellem | 720p, 1080p | — |
| Lyd fra selve modellen | ✗ | ✗ |
| Negativ beskrivelse (»uden…«) | ✗ | ✗ |
OmniHuman er den eneste her, der tager udgangspunkt i et stillbillede. Et portræt, et arkivbillede eller et genereret ansigt bliver til en person, der taler, uden at der skal bruges et kamera.
Der er valg af opløsning – en sjældenhed blandt modellerne til talende mennesker – og mulighed for at angive en maske, altså at angive, hvilken del af billedet der skal animeres.
Længden, den tager imod, er den samme som hos Sync. At der ikke er video som input, giver altså ikke et kortere resultat.
Sync bevarer hele bevægelsen fra det oprindelige klip – fagter, kropsholdning, blik – og ændrer kun læberne. Det er mere overbevisende end enhver animation af et foto, fordi resten er ægte.
Sync har flere tilstande til det tilfælde, hvor lyden og klippet ikke har samme længde: afskæring, gentagelse, afspilning baglæns, stilhed.
Den tager imod et langt klip – samme loft som OmniHuman.
Her taber OmniHuman. Hele bevægelsen opfindes af modellen. Fagterne og kropsholdningen er lige så overbevisende, som modellen har fundet på dem, og ved en lang optagelse mærkes ensformigheden. OmniHuman hører desuden til de dyrere pr. sekund – se prisen i tabellen.
Her taber Sync. Den kræver et allerede optaget klip. Hvis du ingen video har, er Sync simpelthen ikke med – ingen af dens indstillinger hjælper. Og den ændrer kun læberne: hvis lyden indeholder latter eller en pause, reagerer kroppen i billedet ikke på dem.
Har du et foto – OmniHuman. Har du en video – Sync. Det er hele valget, og det er ikke et spørgsmål om præference.
Hvis du har begge dele, giver Sync som regel et mere overbevisende resultat, fordi det meste af billedet er ægte. De fulde modelkort finder du på siden om OmniHuman og på siden om Sync.
Sync. OmniHuman starter på 321 kreditter pr. sekund, Sync – på 167 kreditter pr. sekund. Den billigste variant hos OmniHuman er OmniHuman (billede → tale), hos Sync – Sync 2.0 Pro Lip-sync. Den præcise pris står på knappen, før du starter genereringen.
Nej. Sync kræver video som input. Til et billede, der begynder at tale, bruges OmniHuman.
Sync, når du har en video – fordi kroppen, blikket og fagterne er ægte, og kun læberne ændres. OmniHuman finder på det hele.
Ja, inputtet er et billede, uanset hvor det kommer fra. Indholdsreglerne gælder – ansigtet på en virkelig, genkendelig person animeres ikke uden personens samtykke.
Denne side sammenligner de to mærker med hinanden. Det fulde tekniske datablad for hver af dem – alle varianter, deres styrker og svagheder, typiske opgaver og rigtige eksempler fra Community – findes på deres egen side.
Sidst opdateret:
