Det finns inget sådant språk.
Avgörandet ligger på raden ”Vad som krävs som indata” i tabellen. OmniHuman vill ha ett FOTO och ljud – det får den stilla bilden att börja prata. Sync vill ha VIDEO och ljud – det tar ett redan filmat klipp och synkar läpparna till ett nytt ljud. Har du ingen video utan bara ett porträtt – OmniHuman. Har du en filmad person och nytt ljud – Sync. De två är inte utbytbara.
Priset i krediter gäller per SEKUND video och står på knappen ”Generera” före varje körning. Den nedre raden ”Fem sekunder kostar” är samma pris multiplicerat med fem.
| Vad | OmniHuman | Sync |
|---|---|---|
| Modellens varianter hos oss | 1 | 1 |
| Vad den kräver som indata | bild, ljudfil | video, ljudfil |
| Pris i krediter per sekund | 321 | 167 |
| Fem sekunder kostar | 1605 krediter | 835 krediter |
| Längsta klipp åt gången | 60 sek | 60 sek |
| Upplösningar att välja mellan | 720p, 1080p | — |
| Ljud från själva modellen | ✗ | ✗ |
| Negativ beskrivning (”utan…”) | ✗ | ✗ |
OmniHuman är den enda här som utgår från en stillbild. Ett porträtt, en arkivbild eller ett genererat ansikte blir en talande person utan att någon kamera behövs.
Det finns val av upplösning – en sällsynthet bland modellerna för talande människor – och möjlighet att ange en mask, alltså att bestämma vilken del av bilden som ska animeras.
Längden den tar emot är densamma som hos Sync. Att det inte finns någon video som indata kostar alltså inte ett kortare resultat.
Sync behåller hela rörelsen från det ursprungliga klippet – gester, hållning, blick – och ändrar bara läpparna. Det är mer övertygande än vilken fotoanimation som helst, eftersom resten är på riktigt.
Sync har flera lägen för när ljudet och klippet inte är lika långa: klippa av, upprepa, spela baklänges, tystnad.
Det tar emot ett långt klipp – samma tak som OmniHuman.
Här förlorar OmniHuman. Hela rörelsen hittas på av modellen. Gesterna och hållningen är så övertygande som modellen har fått dem, och vid en lång inspelning syns enformigheten. OmniHuman hör dessutom till de dyrare per sekund – se priset i tabellen.
Här förlorar Sync. Det kräver ett redan filmat klipp. Har du ingen video är Sync helt enkelt inte med i bilden – ingen av dess inställningar hjälper. Och det ändrar bara läpparna: om inspelningen innehåller ett skratt eller en paus reagerar inte kroppen i bild på dem.
Har du ett foto – OmniHuman. Har du en video – Sync. Det är hela valet, och det är ingen fråga om preferenser.
Om du har båda ger Sync oftast ett mer övertygande resultat, eftersom större delen av bilden är på riktigt. De fullständiga modellkorten finns på sidan om OmniHuman och på sidan om Sync.
Sync. OmniHuman börjar på 321 krediter per sekund, Sync – på 167 krediter per sekund. Den billigaste varianten hos OmniHuman är OmniHuman (bild → tal), hos Sync – Sync 2.0 Pro Lip-sync. Det exakta priset står på knappen innan du startar genereringen.
Nej. Sync kräver en video som indata. För en bild som börjar tala används OmniHuman.
Sync, när du har en video – eftersom kroppen, blicken och gesterna är verkliga och bara läpparna ändras. OmniHuman hittar på allt.
Ja, indatan är ett foto, oavsett varifrån det kommer. Innehållsreglerna gäller – ansiktet på en verklig, igenkännbar person animeras inte utan personens samtycke.
Den här sidan jämför de två märkena med varandra. Hela det tekniska databladet för vardera – alla varianter, deras styrkor och svagheter, typiska uppgifter och verkliga exempel från Community – finns på dess egen sida.
Senast uppdaterad:
