參考素材 → 影片用哪個比較便宜——OmniHuman 還是 Sync？
Sync。OmniHuman 從 321 點數/秒 起，Sync 從 167 點數/秒 起。OmniHuman 最便宜的版本是 OmniHuman（照片 → 說話），Sync 則是 Sync 2.0 Pro Lip-sync。確切價格會在你開始生成前顯示在按鈕上。
找不到這個語言。
答案就在表格裡「輸入需要什麼」這一列。OmniHuman 需要照片和音訊——讓靜止的畫面開口說話。Sync 需要影片和音訊——拿一段已經拍好的片段，讓嘴型對上新的錄音。沒有影片、只有一張人像——選 OmniHuman。已經拍好人物、又有新的音訊——選 Sync。兩者無法互相取代。
點數價格以每秒影片計算，每次生成前都會顯示在「生成」按鈕上。下方那一行「五秒合計」就是同一價格乘以五。
| 項目 | OmniHuman | Sync |
|---|---|---|
| 本站提供的模型版本 | 1 | 1 |
| 需要的輸入 | 照片, 音訊檔 | 個影片, 音訊檔 |
| 每秒點數價格 | 321 | 167 |
| 五秒合計 | 1605 點數 | 835 點數 |
| 單次最長片段 | 60 秒 | 60 秒 |
| 可選解析度 | 720p, 1080p | — |
| 模型原生音訊 | ✗ | ✗ |
| 反向描述（「不要……」） | ✗ | ✗ |
OmniHuman 是這裡唯一從靜態照片出發的模型。一張人像、一張舊照片或一張生成的臉，都能變成會說話的人，完全不需要攝影機。
它可以選擇解析度——這在讓人物開口說話的模型中很少見——還能提供遮罩，也就是指定畫面中哪個部分要動起來。
它能接受的長度和 Sync 相同。也就是說，輸入端沒有影片，並不會換來比較短的結果。
Sync 保留原始片段中的所有動作——手勢、姿態、眼神——只改變嘴型。這比任何照片動畫都更有說服力，因為其餘部分都是真實的。
當音訊和片段長度不一致時，Sync 提供幾種處理模式：裁剪、循環、倒轉、靜音。
它能接受的片段和 OmniHuman 一樣長，上限相同。
OmniHuman 輸在哪裡。所有動作都是模型憑空生成的。手勢和姿態的可信度取決於模型的想像力，錄製時間一長，重複感就會顯現。OmniHuman 在按秒計價上也偏貴——價格見表格。
Sync 輸在哪裡。需要已經拍好的片段。沒有影片，Sync 就完全派不上用場——它的任何設定都幫不了你。而且它只改變嘴型：如果錄音裡有笑聲或停頓，畫面中的身體不會對此做出反應。
有照片——選 OmniHuman。有影片——選 Sync。選擇就這麼簡單，跟喜好無關。
如果兩者都有，Sync 通常效果更有說服力，因為畫面的大部分都是真實的。完整資料請見OmniHuman 頁面和Sync 頁面。
Sync。OmniHuman 從 321 點數/秒 起，Sync 從 167 點數/秒 起。OmniHuman 最便宜的版本是 OmniHuman（照片 → 說話），Sync 則是 Sync 2.0 Pro Lip-sync。確切價格會在你開始生成前顯示在按鈕上。
不能。Sync 需要輸入影片。想讓照片開口說話，請使用 OmniHuman。
如果你有影片，那就是 Sync——因為身體、眼神和手勢都是真實的，只有嘴型會改變。OmniHuman 則是全部憑空生成。
可以，輸入是一張圖片，不論它來自哪裡。內容規範同樣適用——未經本人同意，不能讓真實、可辨識的人臉動起來。
本頁把這兩個品牌放在一起比較。每個品牌的完整技術檔案——所有版本、優缺點、典型用途以及社群的真實作品——都在它專屬的頁面上。
最後更新：