OmniHuman – gi et bilde av en person liv med stemme og bevegelse

Hva er OmniHuman

OmniHuman er en generativ videomodell utviklet av ByteDance – selskapet bak TikTok. Den tar ett enkelt bilde av en person og et lydopptak (tale eller sang) og gjør dem om til en video der personen på bildet snakker eller synger. Bevegelsene i lepper, hode og kropp synkroniseres med lyden, slik at det stillestående bildet våkner til live på en naturlig måte.

I motsetning til modeller som bare legger til bevegelse i et bilde, er OmniHuman rettet nettopp mot menneskets utseende og tale – målet er at leppene skal følge nøyaktig det som blir sagt, og at uttrykk og gester skal se levende ut, ikke mekaniske. Derfor er den et godt valg når du vil få et bestemt bilde av en person til å «begynne å snakke» med en gitt stemme.

På genkiki.com er modellen tilgjengelig som «OmniHuman (bilde → tale)» i modusen Bilde til video – du laster opp et portrett og lyd, og systemet returnerer en ferdig video.

Versjoner og muligheter i generiram

OmniHuman tilbys som én modell med en tydelig oppgave: å gi liv til et bilde av en person ved hjelp av stemme. Nedenfor er det oppsummert hva den gjør.

Bilde til video

Du oppgir et bilde av en person og et lydopptak. OmniHuman beholder utseendet fra bildet og legger til leppebevegelser i takt med talen, i tillegg til naturlige bevegelser i hode og kropp. Resultatet er en video der det ser ut som om personen på bildet virkelig sier eller synger det som høres på lydopptaket.

Passer godt til

• Portretter som våkner til liv – få et stillestående bilde til å begynne å snakke eller synge.
• Snakkende avatarer – lag en karakter eller et ansikt som framfører et budskap med en gitt stemme.
• Snakkende bilder – gi liv til et familiebilde, et historisk bilde eller et produktbilde av en person.
• Dubbing av et stillbilde – legg til stemme og mimikk i ett enkelt bilde, uten kamera og filming.

Slik kommer du i gang

Åpne AI Studio på genkiki.com, velg OmniHuman (bilde → tale), last opp et tydelig bilde av en person og lydopptaket du vil høre, og start genereringen. For best resultat bør du bruke et bilde der ansiktet er godt synlig og godt belyst, og et rent lydopptak uten sterk bakgrunnsstøy.