OmniHuman — oživ fotku človeka hlasom a pohybom

Čo je OmniHuman

OmniHuman je generatívny videomodel, ktorý vyvinula spoločnosť ByteDance — firma, ktorá stojí za TikTokom. Vezme jedinú fotku človeka a audionahrávku (reč alebo pieseň) a premení ich na video, v ktorom človek z fotky hovorí alebo spieva. Pohyby pier, hlavy a tela sa synchronizujú so zvukom, takže statický obraz ožije prirodzene.

Na rozdiel od modelov, ktoré len pridávajú fotke pohyb, sa OmniHuman zameriava práve na ľudskú podobu a reč — cieľom je, aby pery presne sledovali to, čo sa počuje, a aby výraz tváre a gestá pôsobili živo, nie mechanicky. Preto je to šikovná voľba, keď chceš, aby konkrétna fotka človeka „prehovorila“ daným hlasom.

V genkiki.com je model dostupný ako „OmniHuman (fotka → reč)“ v režime Video z fotky — nahráš portrét a audio a systém vráti hotové video.

Verzie a možnosti v generiram

OmniHuman sa ponúka ako jeden model s jasnou úlohou: oživiť fotku človeka pomocou hlasu. Nižšie je zhrnuté, čo robí.

VariantRežimyNa čo slúži
OmniHuman (fotka → reč)Video z fotkyPremení fotku človeka + audionahrávku na hovoriace alebo spievajúce video so synchronizáciou pier, hlavy a tela

Video z fotky

Zadáš fotku človeka a audionahrávku. OmniHuman zachová vzhľad z fotky a pridá pohyb pier v rytme reči, ako aj prirodzené pohyby hlavy a tela. Výsledkom je video, v ktorom človek z fotky pôsobí, akoby naozaj vyslovoval alebo spieval zadaný zvuk.

Na čo sa hodí

  • Oživenie portrétu — nechaj statickú fotku prehovoriť alebo zaspievať.
  • Hovoriace avatary — vytvor postavu alebo tvár, ktorá odovzdá odkaz daným hlasom.
  • Hovoriace fotky — oživ rodinnú, historickú alebo produktovú fotku človeka.
  • Dabing statického obrazu — pridaj hlas a mimiku k jedinému záberu, bez kamery a natáčania.

Ako začať

Otvor AI Štúdio na genkiki.com, vyber OmniHuman (fotka → reč), nahraj jasnú fotku človeka a audionahrávku, ktorú chceš počuť, a spusti generovanie. Pre čo najlepší výsledok použi fotku, na ktorej je tvár dobre viditeľná a osvetlená, a čistú audionahrávku bez silného hluku v pozadí.

Modely OmniHuman — podrobne

Ktorý je na čo vhodný, kde je slabý a na čo by sa nemal používať.

OmniHuman (fotka → reč)

referenciavideo
Pomery strán: 1:1, 9:16, 16:9 Dĺžky: 5 s, 10 s Cena: 321 kreditov

Silný v

  • Z JEDNEJ fotky a zvuku vytvorí video, v ktorom človek hovorí alebo spieva — bez natočeného videa
  • Nehýbe len perami: číta EMÓCIU vo zvuku a hrá celým telom — vzrušená reč dá iné gestá než tichý, úprimný tón
  • Pod povrchom pracujú DVE mysle: jedna číta význam zvuku a plánuje gesto, druhá ho kreslí záber po zábere
  • Spev je zahrnutý — pauzy, zmena nálady a javištný pohyb
  • Zvládne viac postáv v zábere
  • Okrem zvuku prijme aj krátky text — ním sa zadáva pohyb kamery, gesto alebo nálada

Slabý v

  • Dĺžka závisí od kvality: až 30 sekúnd zvuku pri 1080p a až 60 sekúnd pri 720p
  • Najlepší je pod 15 sekúnd — nad to sa výsledok začne rozpadávať
  • Scéna je STATICKÁ: pozadie sa nemení, kamera stojí, človek zostáva viac-menej na mieste
  • Výsledok závisí úplne od fotky — zo zlej fotky vyjde zlé video
  • Rýchla a sekaná reč mu dáva menej času usadiť sa v geste

Nepoužívaj ho na

  • Nedávaj fotku z profilu, so zakrytou tvárou alebo s okuliarmi, ktoré skrývajú oči
  • Nedávaj mu dlhý záznam naraz — rozsekaj ho na časti pod 15 sekúnd
  • Nepoužívaj ho, keď už máš natočené video — tam je synchronizácia pier presnejšia

Typické úlohy

  • Hovoriaci avatar z jednej fotky
  • Spievajúci portrét
  • Príhovor podľa zadaného textu a hlasu
  • Oživený archívny alebo rodinný portrét
  • Moderátor pre krátke video, bez natáčacieho dňa

Často kladené otázky: OmniHuman

Koľko stojí jedno generovanie s modelom OmniHuman?

Platí sa kreditmi a cena závisí od modelu: OmniHuman (fotka → reč) — 321 kreditov. Presná cena sa zobrazí pred spustením generovania.

Aké obmedzenia má OmniHuman?

Toto podporuje každý model: OmniHuman (fotka → reč) — pomery strán 1:1, 9:16, 16:9, dĺžky 5 s, 10 s.

Na čo sa OmniHuman hodí najviac?

Silné stránky podľa modelov: OmniHuman (fotka → reč) — Z JEDNEJ fotky a zvuku vytvorí video, v ktorom človek hovorí alebo spieva — bez natočeného videa, Nehýbe len perami: číta EMÓCIU vo zvuku a hrá celým telom — vzrušená reč dá iné gestá než tichý, úprimný tón, Pod povrchom pracujú DVE mysle: jedna číta význam zvuku a plánuje gesto, druhá ho kreslí záber po zábere.

OmniHuman oproti ostatným modelom

Jeden na jedného: cena v kreditoch, maximálna dĺžka, rozlíšenia — a v čom každý z dvojice prehráva.

OmniHuman oproti Sync OmniHuman oproti Sync 2.0 Pro: hovoriaca fotka oproti zosúladeniu pier v už natočenom klipe. Čo každý vyžaduj…

Všetky porovnania modelov

Vyskúšaj OmniHuman hneď teraz

Vygeneruj si vlastné video pomocou OmniHuman priamo v prehliadači – bez inštalácie, po slovensky.

Otvor AI štúdio Pozri ceny