ไม่พบภาษานี้
คำตอบอยู่ที่แถว “อินพุตที่ต้องใช้” ในตาราง OmniHuman ต้องใช้ “ภาพถ่าย” และเสียง — ทำให้ภาพนิ่งพูดได้ Sync ต้องใช้ “วิดีโอ” และเสียง — นำคลิปที่ถ่ายไว้แล้วมาปรับปากให้ตรงกับเสียงที่อัดใหม่ ไม่มีวิดีโอ มีแค่ภาพพอร์เทรต — OmniHuman มีคลิปคนที่ถ่ายไว้แล้วกับเสียงใหม่ — Sync ทั้งสองตัวใช้แทนกันไม่ได้
ราคาเป็นเครดิตคิดต่อวิดีโอหนึ่งวินาที และแสดงบนปุ่ม “สร้าง” ก่อนสร้างทุกครั้ง แถวล่าง “ห้าวินาทีคิดเป็น” คือราคาเดียวกันคูณห้า
| หัวข้อ | OmniHuman | Sync |
|---|---|---|
| เวอร์ชันของโมเดลที่มีให้ใช้ที่นี่ | 1 | 1 |
| ต้องใช้อินพุตอะไร | รูปภาพ, ไฟล์เสียง | วิดีโอ, ไฟล์เสียง |
| ราคาเป็นเครดิตต่อวินาที | 321 | 167 |
| ราคาสำหรับห้าวินาที | 1605 เครดิต | 835 เครดิต |
| คลิปยาวที่สุดต่อครั้ง | 60 วิ | 60 วิ |
| ความละเอียดที่เลือกได้ | 720p, 1080p | — |
| เสียงจากตัวโมเดลเอง | ✗ | ✗ |
| คำอธิบายเชิงลบ (“ไม่เอา…”) | ✗ | ✗ |
OmniHuman เป็นตัวเดียวในที่นี้ที่เริ่มจากภาพนิ่ง ภาพพอร์เทรต ภาพเก่าจากคลัง หรือใบหน้าที่สร้างขึ้น ก็กลายเป็นคนที่พูดได้ โดยไม่ต้องใช้กล้อง
เลือกความละเอียดได้ ซึ่งหาได้ยากในโมเดลคนพูด และยังใส่มาสก์ได้ด้วย คือระบุได้ว่าส่วนไหนของภาพจะให้เคลื่อนไหว
ความยาวที่รับได้เท่ากับ Sync แปลว่าการไม่มีวิดีโอเป็นอินพุตไม่ได้ทำให้ผลลัพธ์สั้นลง
Sync เก็บการเคลื่อนไหวทั้งหมดจากคลิปต้นฉบับไว้ ทั้งท่าทาง ท่วงท่า และสายตา แล้วเปลี่ยนแค่ปาก ผลที่ได้จึงน่าเชื่อกว่าการทำภาพนิ่งให้ขยับแบบไหนๆ เพราะส่วนที่เหลือเป็นของจริง
Sync มีหลายโหมดสำหรับกรณีที่เสียงกับคลิปยาวไม่เท่ากัน: ตัดทิ้ง เล่นซ้ำ เล่นย้อนกลับ เงียบ
รับคลิปยาวได้ เพดานเท่ากับ OmniHuman
จุดอ่อนของ OmniHuman การเคลื่อนไหวทั้งหมดโมเดลคิดขึ้นเอง ท่าทางและท่วงท่าจะน่าเชื่อแค่ไหนก็ขึ้นอยู่กับที่โมเดลคิดมา และถ้าเสียงยาว ความซ้ำซากจะเริ่มเห็นชัด OmniHuman ยังเป็นหนึ่งในตัวที่แพงกว่าเมื่อคิดต่อวินาที ดูราคาในตาราง
จุดอ่อนของ Sync ต้องมีคลิปที่ถ่ายไว้แล้ว ถ้าคุณไม่มีวิดีโอ Sync ก็ใช้ไม่ได้เลย ไม่มีการตั้งค่าไหนช่วยได้ และมันเปลี่ยนแค่ปาก ถ้าในเสียงมีเสียงหัวเราะหรือช่วงหยุด ร่างกายในภาพก็ไม่ตอบสนองตาม
มีภาพถ่าย — OmniHuman มีวิดีโอ — Sync ทางเลือกมีแค่นี้ และไม่ใช่เรื่องของความชอบ
ถ้ามีทั้งสองอย่าง Sync มักให้ผลที่น่าเชื่อกว่า เพราะภาพส่วนใหญ่เป็นของจริง ข้อมูลครบถ้วนอยู่ที่หน้า OmniHumanและหน้า Sync
Sync OmniHuman เริ่มต้นที่ 321 เครดิตต่อวินาที ส่วน Sync เริ่มที่ 167 เครดิตต่อวินาที รุ่นย่อยที่ถูกที่สุดของ OmniHuman คือ OmniHuman (ภาพ → เสียงพูด) ส่วนของ Sync คือ Sync 2.0 Pro Lip-sync ราคาที่แน่นอนจะแสดงบนปุ่มก่อนที่คุณจะเริ่มสร้าง
ไม่ได้ Sync ต้องใช้วิดีโอเป็นอินพุต ถ้าต้องการให้รูปภาพพูดได้ ให้ใช้ OmniHuman
Sync ถ้าคุณมีวิดีโอ — เพราะร่างกาย สายตา และท่าทางเป็นของจริง มีแค่ปากที่เปลี่ยน ส่วน OmniHuman สร้างขึ้นใหม่ทั้งหมด
ได้ อินพุตคือภาพถ่าย ไม่ว่าจะมาจากที่ใดก็ตาม แต่กฎด้านเนื้อหายังมีผลอยู่ — ใบหน้าของบุคคลจริงที่จดจำได้จะไม่ถูกนำมาทำให้เคลื่อนไหวโดยไม่ได้รับความยินยอมจากเจ้าตัว
หน้านี้เปรียบเทียบสองแบรนด์กันตรง ๆ ข้อมูลทางเทคนิคฉบับเต็มของแต่ละแบรนด์ — ทุกรุ่นย่อย จุดแข็งและจุดอ่อน งานที่ใช้บ่อย และตัวอย่างจริงจากคอมมูนิตี้ — อยู่ในหน้าเฉพาะของแบรนด์นั้น
อัปเดตล่าสุด:
