Cette langue n'existe pas.
La décision se joue sur la ligne « Ce qu’il demande en entrée » du tableau. OmniHuman demande une PHOTO et du son — il fait parler l’image fixe. Sync demande une VIDÉO et du son — il prend un clip déjà tourné et adapte les lèvres à un nouvel enregistrement. Tu n’as pas de vidéo, seulement un portrait — OmniHuman. Tu as une personne filmée et un nouveau son — Sync. Les deux ne sont pas interchangeables.
Le prix en crédits est indiqué par SECONDE de vidéo et figure sur le bouton « Générer » avant chaque lancement. La ligne du bas « Cinq secondes coûtent » correspond au même prix multiplié par cinq.
| Critère | OmniHuman | Sync |
|---|---|---|
| Variantes du modèle chez nous | 1 | 1 |
| Ce qu'il faut en entrée | photo, fichier audio | vidéo, fichier audio |
| Prix en crédits par seconde | 321 | 167 |
| Cinq secondes coûtent | 1605 crédits | 835 crédits |
| Clip le plus long d'un coup | 60 s | 60 s |
| Résolutions au choix | 720p, 1080p | — |
| Son généré par le modèle lui-même | ✗ | ✗ |
| Description négative (« sans… ») | ✗ | ✗ |
OmniHuman est le seul ici à partir d'une photo fixe. Un portrait, une image d'archive ou un visage généré deviennent une personne qui parle, sans avoir besoin d'une caméra.
Il permet de choisir la résolution — une rareté parmi les modèles de personne qui parle — et d'ajouter un masque, c'est-à-dire d'indiquer quelle partie de l'image doit être animée.
La durée acceptée est la même que pour Sync. Autrement dit, l'absence de vidéo en entrée ne se paie pas par un résultat plus court.
Sync conserve tout le mouvement du clip d'origine — gestes, posture, regard — et ne modifie que les lèvres. C'est plus convaincant que n'importe quelle animation de photo, car tout le reste est réel.
Sync propose plusieurs modes pour le cas où le son et le clip n'ont pas la même durée : coupure, répétition, lecture à rebours, silence.
Il accepte un clip long — le même plafond qu'OmniHuman.
Où OmniHuman perd. Tout le mouvement est inventé par le modèle. Les gestes et la posture ne sont convaincants que dans la mesure où le modèle les a bien inventés, et sur un long enregistrement, la monotonie se voit. OmniHuman fait aussi partie des plus chers à la seconde — regarde le prix dans le tableau.
Où Sync perd. Il exige un clip déjà filmé. Si tu n'as pas de vidéo, Sync n'entre tout simplement pas en jeu — aucun de ses réglages n'y change rien. Et il ne modifie que les lèvres : si l'enregistrement contient un rire ou une pause, le corps à l'image n'y réagit pas.
Tu as une photo : OmniHuman. Tu as une vidéo : Sync. C'est tout le choix, et ce n'est pas une question de préférence.
Si tu as les deux, Sync donne généralement un résultat plus convaincant, car la plus grande partie de l'image est réelle. Les fiches complètes se trouvent sur la page OmniHuman et sur la page Sync.
Sync. OmniHuman commence à 321 crédits par seconde, Sync à 167 crédits par seconde. La variante la moins chère de OmniHuman est OmniHuman (photo → parole), celle de Sync est Sync 2.0 Pro Lip-sync. Le prix exact figure sur le bouton avant que tu lances la génération.
Non. Sync a besoin d'une vidéo en entrée. Pour une photo qui se met à parler, on utilise OmniHuman.
Sync, quand tu as une vidéo, car le corps, le regard et les gestes sont réels et seules les lèvres changent. OmniHuman invente tout.
Oui, l’entrée est une photo, quelle que soit sa provenance. Les règles relatives au contenu s’appliquent : le visage d’une personne réelle et reconnaissable n’est pas animé sans son consentement.
Cette page compare les deux marques entre elles. La fiche technique complète de chacune — toutes les variantes, leurs points forts et faibles, les usages typiques et de vrais exemples de la communauté — se trouve sur sa propre page.
Dernière mise à jour :
