قم بتحميل صورة شخصية ومسار صوتي (حتى 35 ثانية)، وسيقوم OmniHuman 1.5 بإنشاء فيديو أفاتار ناطق مع شفاه متزامنة وحركة طبيعية.
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.
مولد صور رمزية (شخصية رقمية) متكامل بتقنية الذكاء الاصطناعي: حمّل صورة شخصية ومقطعًا صوتيًا، أو اكتب نصًا واختر صوتًا، واحصل على فيديو نابض بالحياة مع حركة شفاه متزامنة وتعبيرات طبيعية وإيماءات. يعمل بتقنية ByteDance OmniHuman 1.5، ولا يتطلب كاميرا أو ممثلًا أو استوديو.
لا حاجة للتصوير، ولا ممثل، ولا شاشة خضراء. ما عليك سوى تحميل صورة واضحة لشخص وتحويلها إلى مُقدّم يُلقي نصك. أنشئ منصة رقمية قابلة لإعادة الاستخدام لعرض شروحات المنتجات، ومقدمات الدورات التدريبية، والإعلانات، والعروض الترويجية، وأعد إنشاء نصوص جديدة في أي وقت دون الحاجة إلى إعادة التصوير.
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. |
|---|---|
| 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. |
صورة شخصية واحدة، ومسار صوتي واحد، ومقطع واحد.
أفضل خيار هو صورة واضحة من الأمام. فمولّد فيديو الأفاتار بالذكاء الاصطناعي يقرأ الوجه من هذا الإطار الواحد.
ارفع ملفًا صوتيًا، أو اكتب النص واختر من مكتبة الأصوات المدمجة. ويمكن أن يمتد الصوت حتى 35 ثانية.
يزامن النموذج الشفاه وتعبيرات الوجه وحركة الرأس الطبيعية مع الصوت، ثم يعيد مقطعًا يمكنك تنزيله أو تمديده.
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 الأفاتار بالثانية كسائر مخرجات الفيديو. وتحصل الحسابات المجانية على 80 رصيدًا يوميًا لتجربتها.
مثالي للبدء
يُحاسَب سنويًا · $240/year
يُحاسَب سنويًا · $380/year
الصورة الرمزية المُولّدة بالذكاء الاصطناعي هي عبارة عن فيديو ناطق لشخص مُنشأ من صورة واحدة وصوت. بدلاً من التصوير، تُقدّم صورة شخصية وصوتًا (أو نصًا مكتوبًا وصوتًا)، ويقوم النموذج بتحريك أداء كلامي واقعي - يُستخدم كمقدم رقمي أو متحدث رسمي 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.
حتى 35 ثانية من الصوت في كل عملية توليد. وللعروض الأطول، ولّد عدة مقاطع ثم اجمعها — فالاحتفاظ بالصورة المصدرية نفسها يبقي المقدّم متسقًا عبر المقاطع.
