OmniHuman (bild → tal)
referens→video
Bildförhållanden: 1:1, 9:16, 16:9
Längder: 5 sek, 10 sek
Pris: 321 krediter
Stark på
- Av EN bild och ett ljud skapar den en video där personen pratar eller sjunger – utan inspelad video
- Rör inte bara läpparna: läser av KÄNSLAN i ljudet och agerar med hela kroppen – ett upphetsat tal ger andra gester än en stilla, förtrolig ton
- Under ytan arbetar TVÅ hjärnor: den ena tolkar ljudets innebörd och planerar gesten, den andra ritar den bild för bild
- Sång är förutsedd – pauser, stämningsskiften och scenisk rörelse
- Klarar flera karaktärer i bild
- Tar även emot en kort text utöver ljudet – med den styr du kamerarörelse, gest eller stämning
Svag på
- Längden beror på kvaliteten: upp till 30 sekunders ljud i 1080p och upp till 60 sekunder i 720p
- Bäst under 15 sekunder – längre än så börjar resultatet falla isär
- Scenen är STATISK: bakgrunden ändras inte, kameran står still, personen stannar ungefär på samma plats
- Resultatet beror helt på bilden – en dålig bild ger en dålig video
- Snabbt och hackigt tal ger den mindre tid att landa i gesten
Använd den inte till
- Skicka inte in en bild i profil, med skymt ansikte eller med glasögon som döljer ögonen
- Ge den inte en lång inspelning på en gång – dela upp den i delar under 15 sekunder
- Använd den inte när du redan har en inspelad video – där är läppsynkningen mer exakt
Typiska uppgifter
- Pratande avatar från en enda bild
- Sjungande porträtt
- Tal utifrån en given text och röst
- Ett levandegjort arkiv- eller familjeporträtt
- Programledare för en kort video, utan inspelningsdag