OmniHuman (Foto → Sprache)
Referenz→Video
Seitenverhältnisse: 1:1, 9:16, 16:9
Längen: 5 Sek., 10 Sek.
Preis: 322 Credits
Stark bei
- Aus EINEM Bild und Ton macht er ein Video, in dem der Mensch spricht oder singt — ohne gedrehtes Material
- Er bewegt nicht nur die Lippen: er liest die EMOTION im Ton und spielt mit dem ganzen Körper — aufgeregte Rede ergibt andere Gesten als ein leiser, vertraulicher Ton
- Darunter arbeiten ZWEI Köpfe: der eine liest den Sinn des Tons und plant die Geste, der zweite malt sie Bild für Bild
- Singen ist vorgesehen — Pausen, Stimmungswechsel und Bühnenbewegung
- Verträgt mehrere Figuren im Bild
- Nimmt neben dem Ton auch einen kurzen Text — damit gibst du Kamerabewegung, Geste oder Stimmung vor
Schwach bei
- Die Länge hängt von der Qualität ab: bis 30 Sekunden Ton bei 1080p und bis 60 Sekunden bei 720p
- Am besten ist er unter 15 Sekunden — darüber beginnt das Ergebnis zu zerfallen
- Die Szene ist STATISCH: der Hintergrund ändert sich nicht, die Kamera steht, der Mensch bleibt ungefähr an seinem Platz
- Das Ergebnis hängt ganz vom Bild ab — aus einem schlechten Bild kommt ein schlechtes Video
- Schnelle, abgehackte Rede lässt ihm weniger Zeit, sich in der Geste zu setzen
Nicht nutzen für
- Gib ihm kein Profilbild, kein verdecktes Gesicht und keine Brille, die die Augen verbirgt
- Gib ihm keine lange Aufnahme auf einmal — schneide sie in Teile unter 15 Sekunden
- Nutze ihn nicht, wenn du schon gedrehtes Video hast — dort ist die Lippensynchronisation genauer
Typische Aufgaben
- Sprechender Avatar aus einem Bild
- Singendes Porträt
- Eine Ansprache aus vorgegebenem Text und vorgegebener Stimme
- Ein zum Leben erwecktes Archiv- oder Familienporträt
- Ein Moderator für ein kurzes Video, ohne Drehtag