Walang ganoong wika.
Nasa hilera ng “Ano ang kailangan sa input” sa talahanayan ang desisyon. LARAWAN at audio ang kailangan ng OmniHuman — pinapagsalita nito ang nakatigil na larawan. VIDEO at audio ang kailangan ng Sync — kumukuha ito ng clip na nakuhanan na at itinutugma ang labi sa bagong recording. Wala kang video, portrait lang ang mayroon ka — OmniHuman. May nakuhanan kang tao at bagong audio — Sync. Hindi magkapalit ang dalawa.
Ang presyo sa credits ay para sa ISANG SEGUNDO ng video at makikita sa button na “I-generate” bago ang bawat run. Ang ibabang hilera na “Limang segundo ang halaga” ay ang parehong presyo na pinarami ng lima.
| Aspeto | OmniHuman | Sync |
|---|---|---|
| Mga variant ng model sa amin | 1 | 1 |
| Ano ang kailangan nito bilang input | larawan, audio file | video, audio file |
| Presyo sa credits bawat segundo | 321 | 167 |
| Limang segundo ang halaga | 1605 credits | 835 credits |
| Pinakamahabang clip sa isang pagkakataon | 60 seg | 60 seg |
| Mga resolution na mapagpipilian | 720p, 1080p | — |
| Tunog mula sa mismong model | ✗ | ✗ |
| Negatibong paglalarawan (“walang…”) | ✗ | ✗ |
Ang OmniHuman lang dito ang nagsisimula sa nakatigil na larawan. Ang portrait, archival na kuha o nabuong mukha ay nagiging taong nagsasalita nang hindi na kailangan ng camera.
May pagpili ng resolution — bihira sa mga modelo para sa taong nagsasalita — at posibilidad na magbigay ng mask, ibig sabihin, tukuyin kung aling bahagi ng kuha ang aanimahin.
Ang habang tinatanggap nito ay kapareho ng sa Sync. Ibig sabihin, hindi binabayaran ng mas maikling resulta ang kawalan ng video sa input.
Pinapanatili ng Sync ang lahat ng galaw mula sa orihinal na clip — kilos, tindig, tingin — at labi lang ang binabago. Mas nakakukumbinsi ito kaysa sa anumang animation ng larawan, dahil totoo ang iba pa.
May ilang mode ang Sync para sa kasong hindi magkapareho ang haba ng audio at clip: pagputol, pag-ulit, pagpapatugtog nang pabalik, katahimikan.
Tumatanggap ito ng mahabang clip — kaparehong limitasyon ng OmniHuman.
Saan nahuhuli ang OmniHuman. Ang buong galaw ay inimbento ng modelo. Ang kilos at tindig ay kasing-kapani-paniwala lang ng pagkakaimbento ng modelo, at sa mahabang recording ay kita ang pagiging paulit-ulit. Isa rin ang OmniHuman sa mas mahal kada segundo — tingnan ang presyo sa talahanayan.
Saan nahuhuli ang Sync. Kailangan nito ng clip na nakuhanan na. Kung wala kang video, hindi talaga kasali ang Sync — walang anumang setting nito ang makakatulong. At labi lang ang binabago nito: kung may tawa o patlang ang recording, hindi tumutugon ang katawan sa kuha sa mga iyon.
May larawan ka — OmniHuman. May video ka — Sync. Iyon na ang buong pagpili, at hindi ito usapin ng kagustuhan.
Kung pareho ang mayroon ka, kadalasang mas kapani-paniwala ang resulta ng Sync, dahil mas malaking bahagi ng kuha ay totoo. Nasa pahina ng OmniHuman at sa pahina ng Sync ang kumpletong mga card.
Sync. Ang OmniHuman ay nagsisimula sa 321 credits bawat segundo, ang Sync — sa 167 credits bawat segundo. Ang pinakamurang variant ng OmniHuman ay OmniHuman (larawan → pagsasalita), ng Sync — Sync 2.0 Pro Lip-sync. Makikita ang eksaktong presyo sa button bago mo simulan ang generation.
Hindi. Video ang hinihingi ng Sync bilang input. Para sa larawang nagsasalita, ginagamit ang OmniHuman.
Sync, kapag may video ka — dahil totoo ang katawan, tingin at galaw ng kamay, at labi lang ang nagbabago. Ang OmniHuman ay lumilikha ng lahat.
Oo, larawan ang input, kahit saan pa ito galing. May bisa ang mga patakaran sa nilalaman — ang mukha ng totoong taong nakikilala ay hindi ina-animate nang walang pahintulot niya.
Ang pahinang ito ay naghahambing sa dalawang brand sa isa't isa. Ang buong technical card ng bawat isa — lahat ng variant, ang kanilang mga lakas at kahinaan, mga karaniwang gawain, at totoong halimbawa mula sa community — ay nasa sarili nitong pahina.
Huling update:
