ডিজিটাল মানব কর্মক্ষেত্র
একটি পোর্ট্রেট ছবি এবং একটি অডিও ট্র্যাক (৩৫ সেকেন্ড পর্যন্ত) আপলোড করুন, এবং OmniHuman 1.5 সিঙ্ক করা ঠোঁট ও স্বাভাবিক নড়াচড়াসহ একটি কথা বলা অ্যাভাটার ভিডিও তৈরি করবে।
একটি প্রতিকৃতি ও একটি স্ক্রিপ্ট মিলে জীবন্ত মুখপাত্র — ঠোঁট, অভিব্যক্তি ও অঙ্গভঙ্গি সিঙ্ক করা। ক্যামেরা নেই, স্টুডিও নেই।
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.
OmniHuman 1.5 কথা বলা অ্যাভাটারটি পরিচালনা করে; একই ওয়ার্কস্পেসে থাকা অন্যান্য সেরা ভিডিও মডেলগুলিতে সুইচ করুন।
ক্রিয়েটভিশন এআই ব্যবহার করে মানুষ যে কথা বলা এআই অবতারগুলো তৈরি করছে, তার এক ঝলক।
একটি সম্পূর্ণ এআই অ্যাভাটার (ডিজিটাল হিউম্যান) জেনারেটর: একটি পোর্ট্রেট এবং একটি অডিও ক্লিপ আপলোড করুন — অথবা একটি স্ক্রিপ্ট টাইপ করে একটি কণ্ঠস্বর বেছে নিন — এবং সিঙ্ক করা ঠোঁট, স্বাভাবিক অভিব্যক্তি ও অঙ্গভঙ্গিসহ একটি জীবন্ত কথা বলা ভিডিও পান। এটি বাইটড্যান্স অমনিহিউম্যান ১.৫ দ্বারা চালিত, কোনো ক্যামেরা, অভিনেতা বা স্টুডিওর প্রয়োজন নেই।
কোনো চিত্রগ্রহণ, অভিনেতা বা গ্রিন স্ক্রিনের প্রয়োজন নেই। একজন ব্যক্তির একটি স্পষ্ট ছবি আপলোড করুন এবং তাকে এমন একজন উপস্থাপকে পরিণত করুন যিনি আপনার স্ক্রিপ্ট অনুযায়ী কথা বলবেন। পণ্যের ব্যাখ্যা, কোর্সের ভূমিকা, ঘোষণা এবং বিজ্ঞাপনের জন্য একটি পুনঃব্যবহারযোগ্য ডিজিটাল হোস্ট তৈরি করুন — এবং পুনরায় চিত্রগ্রহণ ছাড়াই যেকোনো সময় নতুন সংলাপ তৈরি করুন।
আপনার কাছে কি আগে থেকেই কোনো ভয়েস রেকর্ডিং আছে? সেটি আপলোড করুন এবং অ্যাভাটারটি তার সাথে ঠোঁট মেলাবে। কোনো অডিও নেই? টেক্সট মোডে চলে যান — অ্যাভাটারটি কী বলবে তা টাইপ করুন, বিল্ট-ইন টেক্সট-টু-স্পিচ লাইব্রেরি থেকে একটি ভয়েস বেছে নিন, এবং স্ক্রিপ্টটি আপনার জন্য ড্রাইভিং অডিওতে সংশ্লেষিত হয়ে যাবে। জেনারেট করার আগে আনুমানিক দৈর্ঘ্য এবং ক্রেডিট খরচ দেখানো হয়।
OmniHuman 1.5 অডিওর ছন্দ, স্বরভঙ্গি এবং অর্থ অনুধাবন করে সঠিক লিপ-সিঙ্কের পাশাপাশি মাথার নড়াচড়া, অঙ্গভঙ্গি এবং হাতের ইশারা নিয়ন্ত্রণ করে, এবং একই সাথে ব্যক্তির পরিচয় ও আলোর বিন্যাস অক্ষুণ্ণ রাখে। এর ফলে, এটি অ্যানিমেটেড মুখসহ একটি স্থির প্রতিকৃতির মতো না হয়ে, একজন সত্যিকারের উপস্থাপকের মতো কাজ করে।
বিজ্ঞাপন এবং ল্যান্ডিং পেজের জন্য মুখপাত্রের ক্লিপ, প্রশিক্ষণের জন্য বর্ণনাসহ পাঠ ও অনবোর্ডিং, সোশ্যাল মিডিয়ার জন্য টকিং-হেড পোস্ট, অথবা একই বার্তার বহুভাষিক সংস্করণ তৈরি করুন। প্রতিটি প্রজন্ম তার ইনপুটসহ ইতিহাসে সংরক্ষিত থাকে, ফলে আপনি দ্রুত পুনরাবৃত্তি করতে এবং বিভিন্ন সংস্করণ তৈরি করতে পারেন।
একটি অ্যাকাউন্ট, সম্পূর্ণ ইমেজ এবং ভিডিও জেনারেশন ওয়ার্কফ্লো।
দৈনিক ক্রেডিট দিয়ে বিনামূল্যে শুরু করুন। প্রিমিয়াম মডেল, দ্রুততর জেনারেশন, এবং 4K আউটপুটের জন্য আপগ্রেড করুন।
শুরু করার জন্য আদর্শ
বার্ষিক বিল করা হয় · $240/বছর
বার্ষিক বিল করা হয় · $300/বছর
এআই অ্যাভাটার হলো কোনো ব্যক্তির একটিমাত্র ছবি ও কণ্ঠস্বর থেকে তৈরি করা একটি কথা বলা ভিডিও। ভিডিও ধারণ করার পরিবর্তে, আপনি একটি প্রতিকৃতি ও অডিও (অথবা একটি স্ক্রিপ্ট ও কণ্ঠস্বর) প্রদান করেন এবং মডেলটি জীবন্তের মতো করে কথা বলার ভঙ্গি তৈরি করে — যা ডিজিটাল উপস্থাপক, মুখপাত্র বা কথক হিসেবে ব্যবহৃত হয়।
একটি স্পষ্ট, সম্মুখভাগের পোর্ট্রেট ছবি, সাথে একটি অডিও ক্লিপ (mp3/wav) অথবা — টেক্সট মোডে — আপনার পছন্দের স্ক্রিপ্ট এবং বিল্ট-ইন লাইব্রেরি থেকে বেছে নেওয়া একটি কণ্ঠস্বর। একটি কথা বলা অ্যাভাটার ভিডিও তৈরি করার জন্য এটুকুই যথেষ্ট।
হ্যাঁ। আপনার নিজের অডিও রেকর্ডিং আপলোড করুন এবং অ্যাভাটারটি সেটির সাথে ঠোঁট মেলাবে। যদি আপনার কোনো রেকর্ডিং না থাকে, তবে টেক্সট মোডে যান এবং এর পরিবর্তে টেক্সট-টু-স্পিচ লাইব্রেরি থেকে একটি ভয়েস বেছে নিন।
প্রতি জেনারেশনে সর্বোচ্চ ৩৫ সেকেন্ডের অডিও। এর চেয়ে দীর্ঘ স্ক্রিপ্টের জন্য, সেগুলোকে একাধিক ক্লিপে ভাগ করুন। আপনি টাইপ করার সময় আনুমানিক সময়কাল দেখানো হবে এবং আপনাকে প্রতি সেকেন্ড অডিওর জন্য বিল করা হবে।
এর সাধারণ ব্যবহারগুলোর মধ্যে রয়েছে পণ্যের ব্যাখ্যা ও বিজ্ঞাপন, কোর্স ও অনবোর্ডিং-এর বর্ণনা, সোশ্যাল মিডিয়ায় প্রচারিত টকিং-হেড ক্লিপ, ঘোষণা, এবং কোনো বার্তার বহুভাষিক সংস্করণ — এমন সব জায়গা যেখানে সাধারণত একজন উপস্থাপকের ভিডিও ধারণ করার প্রয়োজন হয়।
CreateVision AI, ByteDance-এর OmniHuman 1.5 ব্যবহার করে, যা অডিও থেকে লিপ-সিঙ্ক, মাথার নড়াচড়া এবং অঙ্গভঙ্গি পরিচালনা করে। প্রযুক্তিগত বিবরণের জন্য OmniHuman 1.5 মডেলের পৃষ্ঠাটি দেখুন।
