Não há esse idioma.
A decisão está na linha “O que pede na entrada” da tabela. O OmniHuman pede FOTO e áudio — faz a imagem parada falar. O Sync pede VÍDEO e áudio — pega um clipe já gravado e ajusta os lábios a uma nova gravação. Não tem vídeo, só um retrato — OmniHuman. Tem uma pessoa filmada e um áudio novo — Sync. Os dois não são intercambiáveis.
O preço em créditos é por SEGUNDO de vídeo e aparece no botão “Gerar” antes de cada geração. A linha de baixo, “Cinco segundos custam”, é o mesmo preço multiplicado por cinco.
| Critério | OmniHuman | Sync |
|---|---|---|
| Variantes do modelo na plataforma | 1 | 1 |
| O que ele pede na entrada | imagem, arquivo de áudio | vídeo, arquivo de áudio |
| Preço em créditos por segundo | 321 | 167 |
| Cinco segundos custam | 1605 créditos | 835 créditos |
| Clipe mais longo de uma vez | 60 s | 60 s |
| Resoluções disponíveis | 720p, 1080p | — |
| Som do próprio modelo | ✗ | ✗ |
| Descrição negativa (“sem…”) | ✗ | ✗ |
O OmniHuman é o único aqui que parte de uma foto parada. Um retrato, uma foto de arquivo ou um rosto gerado viram uma pessoa falando, sem precisar de câmera.
Tem escolha de resolução — uma raridade entre os modelos de pessoa falando — e a opção de enviar uma máscara, ou seja, indicar qual parte da imagem deve ser animada.
A duração que ele aceita é a mesma do Sync. Ou seja, não ter vídeo na entrada não se paga com um resultado mais curto.
O Sync preserva todo o movimento do clipe original — gestos, postura, olhar — e muda só os lábios. Isso é mais convincente do que qualquer animação de foto, porque o resto é real.
O Sync tem vários modos para quando o áudio e o clipe não têm a mesma duração: corte, repetição, reprodução reversa, silêncio.
Aceita clipes longos — o mesmo limite do OmniHuman.
Onde o OmniHuman perde. Todo o movimento é inventado pelo modelo. Gestos e postura são tão convincentes quanto o modelo conseguiu inventá-los, e em gravações longas a monotonia fica visível. O OmniHuman também está entre os modelos mais caros por segundo — veja o preço na tabela.
Onde o Sync perde. Exige um clipe já gravado. Se você não tem vídeo, o Sync simplesmente fica de fora — nenhuma configuração dele ajuda. E ele muda só os lábios: se a gravação tem risada ou pausa, o corpo na cena não reage a elas.
Tem foto — OmniHuman. Tem vídeo — Sync. Essa é toda a escolha, e ela não é questão de preferência.
Se você tem os dois, o Sync costuma dar um resultado mais convincente, porque a maior parte da imagem é real. As fichas completas estão na página do OmniHuman e na página do Sync.
Sync. OmniHuman sai a partir de 321 créditos por segundo; Sync, a partir de 167 créditos por segundo. A variante mais barata de OmniHuman é OmniHuman (foto → fala); a de Sync, Sync 2.0 Pro Lip-sync. O preço exato aparece no botão antes de você iniciar a geração.
Não. O Sync precisa de um vídeo como entrada. Para uma foto que começa a falar, use o OmniHuman.
O Sync, quando você tem um vídeo — porque o corpo, o olhar e os gestos são reais e só os lábios mudam. O OmniHuman inventa tudo.
Sim, a entrada é uma foto, não importa de onde ela venha. As regras de conteúdo continuam valendo — o rosto de uma pessoa real e reconhecível não é animado sem o consentimento dela.
Esta página compara as duas marcas entre si. A ficha técnica completa de cada uma — todas as variantes, os pontos fortes e fracos, as tarefas típicas e exemplos reais da comunidade — fica na página própria dela.
Última atualização:
