OmniHuman (photo → parole)
référence→vidéo
Proportions : 1:1, 9:16, 16:9
Durées : 5 s, 10 s
Prix : 322 crédits
Points forts
- À partir d'UNE photo et d'un son, il fait une vidéo où la personne parle ou chante — sans aucun tournage
- Il ne bouge pas que les lèvres : il lit l'ÉMOTION dans le son et joue avec tout le corps — une parole excitée donne d'autres gestes qu'un ton bas et confidentiel
- Dessous, DEUX cerveaux travaillent : l'un lit le sens du son et planifie le geste, l'autre le dessine image par image
- Le chant est prévu — pauses, changements d'humeur et mouvement de scène
- Supporte plusieurs personnages dans le cadre
- Il accepte aussi un texte court en plus du son — il sert à donner le mouvement de caméra, un geste ou une humeur
Points faibles
- La durée dépend de la qualité : jusqu'à 30 secondes de son en 1080p et jusqu'à 60 secondes en 720p
- Il est meilleur en dessous de 15 secondes — au-delà, le résultat commence à se déliter
- La scène est STATIQUE : le fond ne change pas, la caméra reste fixe, la personne reste à peu près en place
- Le résultat dépend entièrement de la photo — d'une mauvaise photo sort une mauvaise vidéo
- Une parole rapide et hachée lui laisse moins de temps pour poser le geste
À ne pas utiliser pour
- Ne lui donne pas une photo de profil, un visage caché ou des lunettes qui masquent les yeux
- Ne lui donne pas un long enregistrement d'un coup — découpe-le en morceaux de moins de 15 secondes
- Ne l'utilise pas quand tu as déjà une vidéo tournée — là, la synchro des lèvres est plus juste
Usages typiques
- Un avatar parlant à partir d'une seule photo
- Un portrait qui chante
- Une allocution à partir d'un texte et d'une voix fournis
- Un portrait d'archive ou de famille ramené à la vie
- Un présentateur pour une courte vidéo, sans jour de tournage