OmniHuman — làm ảnh người sống dậy bằng giọng nói và chuyển động

OmniHuman là gì

OmniHuman là mô hình video tạo sinh do ByteDance phát triển — công ty đứng sau TikTok. Nó lấy một tấm ảnh duy nhất của một người và một bản ghi âm (lời nói hoặc bài hát) rồi biến thành video mà người trong ảnh đang nói hoặc hát. Chuyển động của môi, đầu và thân được đồng bộ với âm thanh, nên hình ảnh tĩnh sống dậy một cách tự nhiên.

Khác với những mô hình chỉ thêm chuyển động vào ảnh, OmniHuman nhắm thẳng vào hình ảnh con người và lời nói — mục tiêu là môi bám đúng từng tiếng, còn biểu cảm và cử chỉ trông sống động chứ không máy móc. Vì thế đây là lựa chọn tiện khi bạn muốn cho một tấm ảnh cụ thể “cất tiếng” bằng một giọng nào đó.

Trên genkiki.com mô hình có tên “OmniHuman (ảnh → lời nói)” trong chế độ Video từ ảnh — bạn tải lên một chân dung và một file âm thanh, hệ thống trả về video hoàn chỉnh.

Các phiên bản và khả năng trong generiram

OmniHuman chỉ có một bản, với một nhiệm vụ rõ ràng: làm ảnh người sống dậy bằng giọng nói. Dưới đây là tóm tắt.

Video từ ảnh

Bạn đưa vào ảnh một người và một bản ghi âm. OmniHuman giữ nguyên gương mặt trong ảnh và thêm chuyển động môi khớp nhịp lời nói, cùng những chuyển động tự nhiên của đầu và thân. Kết quả là video mà người trong ảnh trông như đang thật sự nói hoặc hát đoạn âm thanh bạn đưa vào.

Hợp với việc gì

• Làm sống lại chân dung — cho một tấm ảnh tĩnh nói hoặc hát.
• Avatar biết nói — tạo nhân vật hoặc gương mặt truyền tải thông điệp bằng giọng bạn chọn.
• Ảnh biết nói — làm sống ảnh gia đình, ảnh lịch sử hay ảnh sản phẩm có người.
• Lồng tiếng cho ảnh tĩnh — thêm giọng nói và biểu cảm vào một khung hình, không cần máy quay và quay phim.

Bắt đầu thế nào

Mở AI Studio của genkiki.com, chọn OmniHuman (ảnh → lời nói), tải lên một tấm ảnh rõ nét của người đó cùng bản ghi âm bạn muốn nghe, rồi bấm tạo. Để có kết quả tốt nhất, dùng ảnh có gương mặt rõ và đủ sáng, cùng bản ghi âm sạch, không nhiều tiếng ồn nền.