No existe ese idioma.
La decisión está en la fila «Qué necesita como entrada» de la tabla. OmniHuman necesita una FOTO y audio: hace que la imagen fija hable. Sync necesita un VIDEO y audio: toma un clip ya grabado y ajusta los labios a una nueva grabación. No tienes vídeo, solo un retrato: OmniHuman. Tienes a una persona grabada y un audio nuevo: Sync. No son intercambiables.
El precio en créditos es por SEGUNDO de vídeo y aparece en el botón «Generar» antes de cada generación. La fila inferior «Cinco segundos cuestan» es el mismo precio multiplicado por cinco.
| Aspecto | OmniHuman | Sync |
|---|---|---|
| Variantes disponibles del modelo | 1 | 1 |
| Qué necesita como entrada | foto, archivo de audio | vídeo, archivo de audio |
| Precio en créditos por segundo | 321 | 167 |
| Cinco segundos cuestan | 1605 créditos | 835 créditos |
| Clip más largo de una sola vez | 60 s | 60 s |
| Resoluciones disponibles | 720p, 1080p | — |
| Sonido generado por el propio modelo | ✗ | ✗ |
| Descripción negativa («sin…») | ✗ | ✗ |
OmniHuman es el único de aquí que parte de una foto fija. Un retrato, una imagen de archivo o una cara generada se convierten en una persona que habla, sin necesidad de cámara.
Permite elegir la resolución —algo poco común en los modelos de persona que habla— y admite una máscara, es decir, puedes indicar qué parte de la imagen se anima.
La duración que acepta es la misma que en Sync. O sea, no tener un vídeo de entrada no se paga con un resultado más corto.
Sync conserva todo el movimiento del clip original —gestos, postura, mirada— y solo cambia los labios. Es más convincente que cualquier animación de una foto, porque todo lo demás es real.
Sync tiene varios modos para cuando el audio y el clip no duran lo mismo: recorte, repetición, reproducción inversa y silencio.
Acepta clips largos, con el mismo límite que OmniHuman.
Dónde pierde OmniHuman. Todo el movimiento lo inventa el modelo. Los gestos y la postura son tan convincentes como el modelo haya sabido inventarlos, y en una grabación larga se nota la monotonía. OmniHuman también está entre los más caros por segundo: mira el precio en la tabla.
Dónde pierde Sync. Necesita un clip ya grabado. Si no tienes vídeo, Sync simplemente queda fuera: ninguno de sus ajustes sirve. Y solo cambia los labios: si el audio tiene una risa o una pausa, el cuerpo en la imagen no reacciona.
Si tienes una foto: OmniHuman. Si tienes un vídeo: Sync. Esa es toda la elección, y no es cuestión de gustos.
Si tienes ambos, Sync suele dar un resultado más convincente, porque la mayor parte de la imagen es real. Las fichas completas están en la página de OmniHuman y en la página de Sync.
Sync. OmniHuman empieza desde 321 créditos por segundo; Sync, desde 167 créditos por segundo. La variante más barata de OmniHuman es OmniHuman (foto → habla); la de Sync, Sync 2.0 Pro Lip-sync. El precio exacto aparece en el botón antes de lanzar la generación.
No. Sync necesita un vídeo como entrada. Para una foto que empiece a hablar se usa OmniHuman.
Sync, cuando tienes un vídeo, porque el cuerpo, la mirada y los gestos son reales y solo cambian los labios. OmniHuman se lo inventa todo.
Sí, la entrada es una foto, venga de donde venga. Se aplican las normas de contenido: la cara de una persona real y reconocible no se anima sin su consentimiento.
Esta página compara las dos marcas entre sí. La ficha técnica completa de cada una —todas las variantes, sus puntos fuertes y débiles, las tareas típicas y ejemplos reales de la comunidad— está en su propia página.
Última actualización:
