Nessuna lingua di questo tipo.
La decisione sta nella riga «Cosa richiede in input» della tabella. OmniHuman richiede una FOTO e l’audio — fa parlare l’immagine ferma. Sync richiede un VIDEO e l’audio — prende una clip già girata e adatta le labbra a una nuova registrazione. Non hai un video, hai solo un ritratto — OmniHuman. Hai una persona ripresa e un audio nuovo — Sync. I due non sono intercambiabili.
Il prezzo in crediti è per SECONDO di video e compare sul pulsante «Genera» prima di ogni generazione. La riga in basso «Cinque secondi costano» è lo stesso prezzo moltiplicato per cinque.
| Aspetto | OmniHuman | Sync |
|---|---|---|
| Varianti del modello da noi | 1 | 1 |
| Cosa richiede in input | foto, file audio | video, file audio |
| Prezzo in crediti al secondo | 321 | 167 |
| Cinque secondi costano | 1605 crediti | 835 crediti |
| Clip più lunga in una volta | 60 s | 60 s |
| Risoluzioni disponibili | 720p, 1080p | — |
| Audio generato dal modello stesso | ✗ | ✗ |
| Descrizione negativa («senza…») | ✗ | ✗ |
OmniHuman è l'unico qui che parte da una foto statica. Un ritratto, un'immagine d'archivio o un volto generato diventano una persona che parla, senza bisogno di una telecamera.
Offre la scelta della risoluzione — una rarità tra i modelli per persone che parlano — e la possibilità di fornire una maschera, cioè di indicare quale parte dell'inquadratura animare.
La durata che accetta è la stessa di Sync. Quindi l'assenza di un video in ingresso non si paga con un risultato più corto.
Sync mantiene tutto il movimento della clip originale — gesti, postura, sguardo — e cambia solo le labbra. È più convincente di qualsiasi animazione di una foto, perché tutto il resto è reale.
Sync ha diverse modalità per quando audio e clip non hanno la stessa durata: taglio, ripetizione, riproduzione all'indietro, silenzio.
Accetta clip lunghe — lo stesso limite di OmniHuman.
Dove perde OmniHuman. Tutto il movimento è inventato dal modello. Gesti e postura sono convincenti quanto il modello è riuscito a inventarli, e in una registrazione lunga la monotonia si nota. OmniHuman è anche tra i più costosi al secondo — guarda il prezzo nella tabella.
Dove perde Sync. Richiede una clip già girata. Se non hai un video, Sync semplicemente non entra in gioco — nessuna delle sue impostazioni aiuta. E cambia solo le labbra: se la registrazione contiene una risata o una pausa, il corpo nell'inquadratura non reagisce.
Hai una foto: OmniHuman. Hai un video: Sync. Tutta la scelta è qui, e non è una questione di gusti.
Se hai entrambi, Sync di solito dà un risultato più convincente, perché gran parte dell'inquadratura è reale. Le schede complete sono nella pagina di OmniHuman e nella pagina di Sync.
Sync. OmniHuman parte da 321 crediti al secondo, Sync da 167 crediti al secondo. La variante più economica di OmniHuman è OmniHuman (foto → parlato), quella di Sync è Sync 2.0 Pro Lip-sync. Il prezzo esatto è indicato sul pulsante prima che tu avvii la generazione.
No. Sync richiede un video in ingresso. Per una foto che inizia a parlare si usa OmniHuman.
Sync, quando hai un video, perché il corpo, lo sguardo e i gesti sono reali e cambiano solo le labbra. OmniHuman inventa tutto.
Sì, l’input è una foto, da qualunque parte provenga. Valgono le regole sui contenuti: il volto di una persona reale e riconoscibile non si anima senza il suo consenso.
Questa pagina confronta le due marche tra loro. La scheda tecnica completa di ciascuna — tutte le varianti, i punti di forza e di debolezza, gli usi tipici ed esempi reali della community — si trova nella sua pagina dedicata.
Ultimo aggiornamento:
