Nie ma takiego języka.
Rozstrzyga wiersz „Czego wymaga na wejściu” w tabeli. OmniHuman wymaga ZDJĘCIA i dźwięku — sprawia, że nieruchomy kadr zaczyna mówić. Sync wymaga WIDEO i dźwięku — bierze już nagrany klip i dopasowuje ruch ust do nowego nagrania. Nie masz wideo, masz tylko portret — OmniHuman. Masz nagraną osobę i nowy dźwięk — Sync. Te dwa modele nie są wymienne.
Cena w kredytach dotyczy SEKUNDY wideo i widnieje na przycisku „Generuj” przed każdym uruchomieniem. Dolny wiersz „Pięć sekund kosztuje” to ta sama cena pomnożona przez pięć.
| Parametr | OmniHuman | Sync |
|---|---|---|
| Warianty modelu u nas | 1 | 1 |
| Czego potrzebuje na wejściu | zdjęcie, plik audio | wideo, plik audio |
| Cena w kredytach za sekundę | 321 | 167 |
| Pięć sekund kosztuje | 1605 kredytów | 835 kredytów |
| Najdłuższy klip za jednym razem | 60 s | 60 s |
| Dostępne rozdzielczości | 720p, 1080p | — |
| Dźwięk z samego modelu | ✗ | ✗ |
| Opis negatywny („bez…”) | ✗ | ✗ |
OmniHuman jako jedyny tutaj startuje od nieruchomego zdjęcia. Portret, zdjęcie archiwalne albo wygenerowana twarz stają się mówiącą osobą bez potrzeby użycia kamery.
Ma wybór rozdzielczości — rzadkość wśród modeli mówiącej postaci — i możliwość podania maski, czyli wskazania, którą część kadru animować.
Przyjmuje taką samą długość jak Sync. Czyli za brak wideo na wejściu nie płacisz krótszym wynikiem.
Sync zachowuje cały ruch z oryginalnego klipu — gesty, postawę, spojrzenie — i zmienia tylko usta. To bardziej przekonujące niż jakakolwiek animacja zdjęcia, bo cała reszta jest prawdziwa.
Sync ma kilka trybów na wypadek, gdy dźwięk i klip nie mają tej samej długości: przycinanie, powtarzanie, cofanie, cisza.
Przyjmuje długi klip — ten sam limit co OmniHuman.
Gdzie przegrywa OmniHuman. Cały ruch wymyśla model. Gesty i postawa są tak przekonujące, jak model je wymyślił, a przy długim nagraniu widać monotonię. OmniHuman należy też do droższych modeli w przeliczeniu na sekundę — cenę znajdziesz w tabeli.
Gdzie przegrywa Sync. Wymaga już nagranego klipu. Jeśli nie masz wideo, Sync po prostu odpada — żadne jego ustawienie nie pomoże. I zmienia tylko usta: jeśli w nagraniu jest śmiech albo pauza, ciało w kadrze na nie nie reaguje.
Masz zdjęcie — OmniHuman. Masz wideo — Sync. To cały wybór i nie jest on kwestią gustu.
Jeśli masz jedno i drugie, Sync zwykle daje bardziej przekonujący wynik, bo większa część kadru jest prawdziwa. Pełne karty znajdziesz na stronie OmniHuman i na stronie Sync.
Sync. OmniHuman kosztuje od 321 kredytów za sekundę, Sync — od 167 kredytów za sekundę. Najtańszy wariant w przypadku OmniHuman to OmniHuman (zdjęcie → mowa), a w przypadku Sync — Sync 2.0 Pro Lip-sync. Dokładna cena widnieje na przycisku, zanim uruchomisz generowanie.
Nie. Sync wymaga wideo na wejściu. Do zdjęcia, które ma przemówić, służy OmniHuman.
Sync, gdy masz wideo — bo ciało, spojrzenie i gesty są prawdziwe, a zmieniają się tylko usta. OmniHuman wymyśla wszystko.
Tak, na wejściu jest zdjęcie, niezależnie od tego, skąd pochodzi. Obowiązują zasady dotyczące treści — twarzy prawdziwej, rozpoznawalnej osoby nie animuje się bez jej zgody.
Ta strona porównuje obie marki ze sobą. Pełna karta techniczna każdej z nich — wszystkie warianty, mocne i słabe strony, typowe zadania i prawdziwe przykłady od społeczności — znajduje się na jej osobnej stronie.
Ostatnia aktualizacja:
