ارفع صورة شخصية ومقطعًا صوتيًا (حتى 35s)، أو اكتب نصًا واختر صوتًا، وسيحوّل OmniHuman 1.5 الصورة إلى فيديو متحدث بشفاه متزامنة وحركة طبيعية. استخدم صورتك الخاصة لتظهر فيه بنفسك.
صورة شخصية واحدة مع نص تتحول إلى متحدث واقعي — مزامنة الشفاه والتعبيرات والإيماءات. بلا كاميرا ولا استوديو.
Hey everyone! I am so excited to share my new favorite foundation. It blends in seamlessly for a flawless, natural finish, and it actually feels lightweight all day. A little goes a long way, so one bottle lasts for months.
مولّد كامل للصور الناطقة بالذكاء الاصطناعي (إنسان رقمي): ارفع صورة شخصية ومقطعًا صوتيًا، أو اكتب نصًا واختر صوتًا، واحصل على فيديو ناطق واقعي بشفاه متزامنة وتعابير طبيعية وإيماءات. استخدم صورة لنفسك لتكون المقدّم. يعمل بـ ByteDance OmniHuman 1.5، دون حاجة إلى كاميرا أو ممثل أو استوديو.
لا تصوير، لا ممثل، لا شاشة خضراء. ارفع صورة واضحة واحدة لنفسك وستصبح المقدّم الذي يقرأ نصك، بصوتك أنت أو بصوت من المكتبة. أو استخدم صورة لشخص منحك إذنه وابنِ مضيفًا رقميًا قابلًا لإعادة الاستخدام لشروحات المنتجات ومقدمات الدورات والإعلانات والإعلانات التجارية. أعد توليد أسطر جديدة في أي وقت دون إعادة تصوير.
هل لديك تسجيل صوتي؟ حمّله وسيقوم الأفاتار بمزامنة حركة الشفاه معه. ليس لديك صوت؟ انتقل إلى وضع النص - اكتب ما يجب أن يقوله الأفاتار، واختر صوتًا من مكتبة تحويل النص إلى كلام المدمجة، وسيتم تحويل النص إلى صوت القيادة تلقائيًا. يتم عرض المدة التقريبية وتكلفة الرصيد قبل البدء.
يقرأ برنامج OmniHuman 1.5 إيقاع الصوت ونبرته ومعناه لتحريك الرأس والوضعية وإيماءات اليد بدقة متناهية، مع الحفاظ على هوية الشخص والإضاءة. والنتيجة هي أداء يُحاكي مقدماً حقيقياً بدلاً من صورة ثابتة بفم متحرك.
أنشئ مقاطع فيديو للمتحدثين الرسميين للإعلانات وصفحات الهبوط، ودروسًا تعليمية مصحوبة بشرح صوتي، ومنشورات تعريفية لوسائل التواصل الاجتماعي، أو نسخًا متعددة اللغات من الرسالة نفسها. يتم حفظ كل جيل في سجل البيانات مع مدخلاته، مما يتيح لك التعديل وإنتاج نسخ مختلفة بسرعة.
صور شخصية بأسلوب المقدّمين أُنتجت على CreateVision AI — أي واحدة منها تستطيع تشغيل فيديو أفاتار متحدث بمجرد إضافة الصوت.
يتولّى OmniHuman 1.5 مزامنة الشفاه وتعبيرات الوجه وحركة الجسد في هذه الصفحة.
| المُدخل | صورة شخصية واحدة، إضافة إلى ملف صوتي مرفوع أو نص مكتوب. |
|---|---|
| صورة من | صورتك أنت، أو صورة شخص منحك إذنه. يجب أن تكون الصورة والصوت لك لتستخدمهما. |
| إرشادات الصورة الشخصية | صورة أمامية، جيدة الإضاءة، والوجه كامل وظاهر وواضح. النظارات الشمسية والظلال الثقيلة تقلّل دقة مزامنة الشفاه. |
| مدة الصوت | حتى 35 ثانية لكل توليد — أي نحو 85 كلمة منطوقة. |
| مكتبة الأصوات | 60 صوتًا مدمجًا بعشر لغات، مع إمكانية الاستماع قبل التوليد. |
| النموذج | OmniHuman 1.5، وهو الذي يقود مزامنة الشفاه وتعبيرات الوجه وحركة الرأس والجسد الطبيعية. |
| التكلفة | تُحتسب التكلفة عن كل ثانية من الناتج كما في توليد الفيديو الآخر؛ وتظهر قبل التوليد. |
| المُخرَج | مقطع قابل للتنزيل، يُحفظ في سجلك مرفقًا بالصورة الشخصية المصدر والنص. |
صورتك، كلماتك، مقطع واحد.
تعمل الصورة الواضحة المواجهة للأمام بشكل أفضل: سيلفي هاتف، أو صورة رأس، أو إطار من فيديو. يقرأ نظام الصور الناطقة بالذكاء الاصطناعي وجهك من هذا الإطار الواحد.
سجّل نفسك وارفع الصوت، أو اكتب نصك واختر واحدًا من 60 صوتًا مدمجًا. يمكن أن يصل طول الصوت إلى 35 ثانية.
يزامن النموذج الشفاه والتعبير وحركة الرأس الطبيعية مع الصوت. احتفظ بالصورة نفسها وولّد أسطرًا جديدة كلما احتجت إليها، دون إعادة تصوير.
لا يوجد هنا موجِّه للصورة — فالصورة الشخصية والصوت هما من يقوم بالعمل. أما ما تكتبه فهو النص، وخيارات النص هي التي تقرّر إن كانت النتيجة ستبدو طبيعية.
ابدأ بشيء قصير. الثانية الأولى هي أوضح موضع تظهر فيه مزامنة الشفاه.
أهلًا — كلمة سريعة.
أبقِ الجمل دون 15 كلمة تقريبًا. الجمل الطويلة تنتج وقفات غير طبيعية.
هذا السيروم يحتوي على مكوّنين. هذه هي التركيبة كاملة.
الفواصل والنقاط تتحوّل إلى أنفاس. ضعها حيث تتوقف فعلًا عند الكلام.
إنه ينجح — ولا يستغرق سوى عشر ثوانٍ.
نحو 2.5 كلمة في الثانية. اكتب بما يناسب طول المقطع الذي تريده.
نحو 85 كلمة لمقطع مدته 35 ثانية
يستخدم منتجنا الثوري أحدث التقنيات لتقديم نتائج لا تُضاهى لعملاء مميّزين يبحثون عن التميّز.
هذا هو الجزء الذي يسأل عنه الناس دائمًا. مكوّنان، بلا حشو. وسترى الفرق خلال أسبوع تقريبًا.
الأولى جملة واحدة من 19 كلمة كلها تجريد — يؤدّيها الأفاتار بنبرة مسطّحة متّصلة بلا نفَس، لأنه لا يجد موضعًا للوقوف. والثانية ثلاث جمل قصيرة بمواضع نبر طبيعية، وهذا ما يجعل الأداء يبدو بشريًا.
مرحبًا وأهلًا بكم في قناتنا حيث سنناقش اليوم أهم خمسة أشياء تحتاجون إلى معرفتها عن روتينات العناية بالبشرة.
خمسة أشياء عن العناية بالبشرة. أوّلها هو ما يخطئ فيه الناس.
الافتتاحيات الطويلة المتّصلة هي أكثر ما تنحرف عنده مزامنة الشفاه، لأن النموذج لا يجد علامات ترقيم يتّكئ عليها. أما الافتتاحية القصيرة فتمنحه مواضع نبر واضحة وتمسك الانتباه بشكل أفضل.
الأفاتارات الناطقة مخرج واحد فقط. فتوليد الصور والفيديو يعمل من الحساب نفسه.
أين يقع توليد الأفاتار بين محرّكات الفيديو الأوسع.
إنتاج الصورة الشخصية التي ستسلّمها لمولّد الأفاتار.
كيف يبدو تسعير الفيديو بالثانية عبر مختلف المحرّكات.
توليد صورة شخصية مصدرية من الصفر إن لم تكن لديك واحدة.
المحرّك المناسب للقطات التكميلية حول مقطع الأفاتار الخاص بك.
تُحتسب فيديوهات الصور الناطقة بالثانية مثل مخرجات الفيديو الأخرى. تحصل الحسابات الجديدة على 200 رصيد مجاني لتجربتها.
مثالي للبدء
يُحاسَب سنويًا · $240/year
يُحاسَب سنويًا · $468/سنة
الصورة الناطقة بالذكاء الاصطناعي، وتسمى أيضًا الصورة الرمزية بالذكاء الاصطناعي أو الإنسان الرقمي، هي فيديو ناطق مولّد لشخص مبني من صورة واحدة وصوت. بدلًا من التصوير، تقدّم صورة شخصية وصوتًا (أو نصًا + صوتًا)، ويحرّك النموذج أداءً كلاميًا واقعيًا — يُستخدم كمقدّم رقمي أو متحدث باسم أو راوٍ.
صورة شخصية واضحة من الأمام، بالإضافة إلى مقطع صوتي (mp3/wav) أو - في وضع النص - النص الذي ترغب في نطقه مع اختيار صوت من المكتبة المدمجة. هذا يكفي لإنشاء فيديو أفاتار ناطق.
نعم. حمّل تسجيلك الصوتي الخاص، وسيقوم الأفاتار بمزامنة حركة الشفاه معه. إذا لم يكن لديك تسجيل، فانتقل إلى وضع النص واختر صوتًا من مكتبة تحويل النص إلى كلام.
يُمكنك تسجيل ما يصل إلى 35 ثانية من الصوت لكل عملية إنشاء. بالنسبة للنصوص الأطول، قسّمها إلى مقاطع متعددة. يظهر لك الوقت المُقدّر أثناء الكتابة، ويتم احتساب التكلفة بالثانية.
تشمل الاستخدامات الشائعة شرح المنتجات والإعلانات، وسرد الدورات التدريبية والتعريفية، ومقاطع الفيديو التي تظهر فيها المتحدثة على وسائل التواصل الاجتماعي، والإعلانات، والنسخ متعددة اللغات من الرسالة - في أي مكان قد تحتاج فيه إلى تصوير مقدم العرض.
تستخدم تقنية الذكاء الاصطناعي CreateVision برنامج OmniHuman 1.5 من ByteDance، الذي يتحكم في مزامنة حركة الشفاه وحركة الرأس والإيماءات بناءً على الصوت. راجع صفحة طراز OmniHuman 1.5 للاطلاع على التفاصيل التقنية.
صورة شخصية جيدة الإضاءة من الأمام، يظهر فيها الوجه كاملًا وواضحًا. النظارات الشمسية، والظل الكثيف على الوجه، والزوايا المتطرفة، أو الوجه الصغير جدًا داخل الإطار — كلها تقلّل دقة مزامنة الشفاه.
لا. يمكنك كتابة النص واختيار صوت من المكتبة المدمجة التي تضم 60 صوتًا بـ 10 لغات. ورفع تسجيلك الخاص مدعوم أيضًا إن كنت تفضّل استخدامه.
نعم، وهذا الاستخدام الأكثر شيوعًا. ارفع صورة لنفسك، ثم إما سجّل صوتك أو اكتب نصًا واختر صوتًا من المكتبة. النتيجة هي أنت، تقول كلماتك، دون إعداد كاميرا. يحتفظ كثير من صنّاع المحتوى بصورة جيدة واحدة ويولّدون منها مقاطع جديدة كل أسبوع.
نعم. بموجب شروط خدمة CreateVision AI، يمكن استخدام المحتوى الذي تنشئه لأغراض شخصية وتجارية، مع الإشارة إلى CreateVision AI عند الاقتضاء. أنت مسؤول عن امتلاك حقوق الصورة والصوت اللذين ترفعهما، وعن أي قواعد للإفصاح عن الذكاء الاصطناعي على المنصة التي تنشر فيها.
الهدف نفسه، لكن الآلية مختلفة. هنا صورتك هي الهوية، والصوت أو النص الذي تقدمه هو الذي يقود الكلام، لذا يكون الناتج مقطعًا لوجه متحدث مع مزامنة الشفاه بدلًا من مشهد يتم إدخالك فيه. يعمل من أي صورة واحدة، ولا يحتاج إلى تسجيل بالفيديو، ولا يعتمد على بقاء تطبيق آخر متاحًا.
