Fant ikke dette språket.
Avgjørelsen ligger på raden «Hva som kreves som input» i tabellen. OmniHuman vil ha et FOTO og lyd – den får det ubevegelige bildet til å begynne å snakke. Sync vil ha VIDEO og lyd – den tar et allerede filmet klipp og synkroniserer leppene til et nytt lydopptak. Har du ingen video, bare et portrett – OmniHuman. Har du en filmet person og ny lyd – Sync. De to kan ikke byttes mot hverandre.
Prisen i kreditter gjelder per SEKUND video og står på knappen «Generer» før hver kjøring. Den nederste raden «Fem sekunder koster» er den samme prisen multiplisert med fem.
| Hva | OmniHuman | Sync |
|---|---|---|
| Modellens varianter hos oss | 1 | 1 |
| Hva den krever som inndata | bilde, lydfil | video, lydfil |
| Pris i kreditter per sekund | 321 | 167 |
| Fem sekunder koster | 1605 kreditter | 835 kreditter |
| Lengste klipp om gangen | 60 sek | 60 sek |
| Oppløsninger å velge mellom | 720p, 1080p | — |
| Lyd fra selve modellen | ✗ | ✗ |
| Negativ beskrivelse («uten…») | ✗ | ✗ |
OmniHuman er den eneste her som tar utgangspunkt i et stillbilde. Et portrett, et arkivbilde eller et generert ansikt blir til en person som snakker, uten at det trengs noe kamera.
Det finnes valg av oppløsning – en sjeldenhet blant modellene for snakkende mennesker – og mulighet for å oppgi en maske, altså å angi hvilken del av bildet som skal animeres.
Lengden den tar imot, er den samme som hos Sync. At du ikke har video som input, gir altså ikke et kortere resultat.
Sync beholder hele bevegelsen fra det opprinnelige klippet – gester, holdning, blikk – og endrer bare leppene. Det er mer overbevisende enn enhver animasjon av et foto, fordi resten er ekte.
Sync har flere moduser for tilfellet der lyden og klippet ikke har lik lengde: kutte av, gjenta, spille baklengs, stillhet.
Den tar imot et langt klipp – samme tak som OmniHuman.
Her taper OmniHuman. Hele bevegelsen er noe modellen finner på. Gestene og holdningen er like overbevisende som modellen har fått dem til, og ved et langt opptak merkes ensformigheten. OmniHuman er dessuten blant de dyrere per sekund – se prisen i tabellen.
Her taper Sync. Den krever et allerede filmet klipp. Har du ingen video, er Sync rett og slett ikke med – ingen av innstillingene hjelper. Og den endrer bare leppene: hvis opptaket inneholder latter eller en pause, reagerer ikke kroppen i bildet på dem.
Har du et foto – OmniHuman. Har du en video – Sync. Det er hele valget, og det er ikke et spørsmål om preferanser.
Hvis du har begge deler, gir Sync som regel et mer overbevisende resultat, fordi størstedelen av bildet er ekte. De fullstendige modellkortene finner du på siden om OmniHuman og på siden om Sync.
Sync. OmniHuman starter på 321 kreditter per sekund, Sync – på 167 kreditter per sekund. Den billigste varianten hos OmniHuman er OmniHuman (bilde → tale), hos Sync – Sync 2.0 Pro Lip-sync. Den nøyaktige prisen står på knappen før du starter genereringen.
Nei. Sync krever video som input. For et bilde som begynner å snakke, brukes OmniHuman.
Sync, når du har en video – fordi kroppen, blikket og gestene er ekte og bare leppene endres. OmniHuman finner på alt.
Ja, inndataen er et bilde, uansett hvor det kommer fra. Innholdsreglene gjelder – ansiktet til en ekte, gjenkjennelig person animeres ikke uten personens samtykke.
Denne siden sammenligner de to merkene med hverandre. Hele det tekniske databladet for hver av dem – alle varianter, styrker og svakheter, typiske oppgaver og ekte eksempler fra Community – finnes på merkets egen side.
Sist oppdatert:
