ایسی کوئی زبان نہیں۔
فیصلہ ٹیبل کی “ان پٹ پر کیا چاہیے” والی قطار میں ہے۔ OmniHuman کو تصویر اور آواز چاہیے — ساکن فریم کو بولنے لگا دیتا ہے۔ Sync کو ویڈیو اور آواز چاہیے — پہلے سے بنا کلپ لے کر ہونٹوں کو نئی ریکارڈنگ سے ملا دیتا ہے۔ ویڈیو نہیں ہے، صرف پورٹریٹ ہے — OmniHuman۔ انسان پہلے سے فلمایا ہوا ہے اور نئی آواز ہے — Sync۔ دونوں ایک دوسرے کا متبادل نہیں ہیں۔
کریڈٹس میں قیمت ویڈیو کے ہر سیکنڈ کی ہے اور ہر بار چلانے سے پہلے “جنریٹ” بٹن پر لکھی ہوتی ہے۔ نیچے والی قطار “پانچ سیکنڈ کی قیمت” اسی قیمت کو پانچ سے ضرب دیتی ہے۔
| کیا | OmniHuman | Sync |
|---|---|---|
| ہمارے ہاں ماڈل کی اقسام | 1 | 1 |
| ان پٹ میں کیا مانگتا ہے | تصویر, آڈیو فائل | ویڈیو, آڈیو فائل |
| فی سیکنڈ قیمت کریڈٹس میں | 321 | 167 |
| پانچ سیکنڈ نکلتے ہیں | 1605 کریڈٹس | 835 کریڈٹس |
| ایک بار میں سب سے طویل کلپ | 60 سیکنڈ | 60 سیکنڈ |
| منتخب کرنے کے لیے ریزولوشن | 720p, 1080p | — |
| ماڈل کی اپنی آواز | ✗ | ✗ |
| منفی تفصیل („بغیر…“) | ✗ | ✗ |
OmniHuman یہاں واحد ہے جو ساکن تصویر سے شروع کرتا ہے۔ پورٹریٹ، آرکائیو کا فریم یا بنایا ہوا چہرہ کیمرے کے بغیر بولتا ہوا انسان بن جاتا ہے۔
اس میں ریزولوشن چننے کی سہولت ہے — جو بولتے انسان کے ماڈلز میں کم ملتی ہے — اور ماسک دینے کی بھی، یعنی یہ بتانا کہ فریم کا کون سا حصہ متحرک ہو۔
یہ جتنی طوالت قبول کرتا ہے وہ Sync جتنی ہی ہے۔ یعنی ان پٹ میں ویڈیو نہ ہونے کی قیمت چھوٹے نتیجے کی صورت میں نہیں چکانی پڑتی۔
Sync اصل کلپ کی ساری حرکت برقرار رکھتا ہے — اشارے، کھڑے ہونے کا انداز، نظر — اور صرف ہونٹ بدلتا ہے۔ یہ تصویر کی کسی بھی اینیمیشن سے زیادہ قائل کن ہے، کیونکہ باقی سب کچھ حقیقی ہے۔
جب آواز اور کلپ کا دورانیہ برابر نہ ہو تو Sync کے کئی موڈز ہیں: کاٹنا، دہرانا، الٹا چلانا، خاموشی۔
لمبی کلپ قبول کرتا ہے — وہی حد جو OmniHuman کی ہے۔
OmniHuman کہاں پیچھے رہتا ہے۔ پوری حرکت ماڈل خود گھڑتا ہے۔ اشارے اور کھڑے ہونے کا انداز اتنا ہی قائل کرنے والا ہوتا ہے جتنا ماڈل نے گھڑا ہو، اور لمبی ریکارڈنگ میں یکسانیت نظر آ جاتی ہے۔ OmniHuman فی سیکنڈ کے حساب سے مہنگے ماڈلز میں بھی شامل ہے — قیمت ٹیبل میں دیکھو۔
Sync کہاں پیچھے رہتا ہے۔ اسے پہلے سے فلمائی گئی کلپ درکار ہے۔ اگر ویڈیو نہ ہو تو Sync بس شامل ہی نہیں ہوتا — اس کی کوئی سیٹنگ مدد نہیں کرتی۔ اور یہ صرف ہونٹ بدلتا ہے: اگر ریکارڈنگ میں ہنسی یا وقفہ ہو تو فریم میں جسم اس پر ردِعمل نہیں دیتا۔
تصویر ہے — OmniHuman۔ ویڈیو ہے — Sync۔ پورا انتخاب بس یہی ہے اور یہ پسند کا سوال نہیں۔
اگر دونوں ہوں تو Sync عموماً زیادہ قائل کرنے والا نتیجہ دیتا ہے، کیونکہ فریم کا بڑا حصہ اصلی ہوتا ہے۔ مکمل کارڈز OmniHuman کے صفحے اور Sync کے صفحے پر ہیں۔
Sync۔ OmniHuman کی شروعات 321 کریڈٹس فی سیکنڈ سے ہوتی ہے، Sync کی — 167 کریڈٹس فی سیکنڈ سے۔ OmniHuman کا سب سے سستا آپشن OmniHuman (تصویر ← گفتگو) ہے، Sync کا — Sync 2.0 Pro Lip-sync۔ جنریشن چلانے سے پہلے درست قیمت بٹن پر لکھی ہوتی ہے۔
نہیں۔ Sync کو ان پٹ میں ویڈیو چاہیے۔ بولنے والی تصویر کے لیے OmniHuman استعمال ہوتا ہے۔
جب تمہارے پاس ویڈیو ہو تو Sync — کیونکہ جسم، نگاہ اور اشارے اصلی رہتے ہیں اور صرف ہونٹ بدلتے ہیں۔ OmniHuman سب کچھ خود گھڑ لیتا ہے۔
ہاں، ان پٹ ایک تصویر ہے، چاہے وہ کہیں سے بھی آئی ہو۔ مواد کے قواعد لاگو ہوتے ہیں — کسی حقیقی، قابلِ شناخت شخص کا چہرہ اس کی رضامندی کے بغیر اینیمیٹ نہیں کیا جاتا۔
یہ صفحہ دونوں برانڈز کا ایک دوسرے سے موازنہ کرتا ہے۔ ہر ایک کا مکمل تکنیکی نقشہ — تمام اقسام، خوبیاں اور کمزوریاں، عام کام اور کمیونٹی کی حقیقی مثالیں — اس کے اپنے الگ صفحے پر ہے۔
آخری اپ ڈیٹ:
