Unggah potret dan trek audio (hingga 35s), atau ketik naskah dan pilih suara, dan OmniHuman 1.5 mengubah foto menjadi video bicara dengan bibir tersinkron dan gerakan alami. Gunakan foto Anda sendiri untuk membintangi videonya.
Satu potret ditambah skrip menjadi juru bicara yang hidup — bibir, ekspresi, dan gerakan tersinkron. Tanpa kamera, tanpa studio.
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.
Generator foto berbicara AI (manusia digital) yang lengkap: unggah potret dan klip audio, atau ketik naskah dan pilih suara, lalu dapatkan video berbicara yang hidup dengan bibir tersinkron, ekspresi alami, dan gerakan. Gunakan foto diri Anda untuk menjadi pembawa acara. Didukung oleh ByteDance OmniHuman 1.5, tanpa kamera, aktor, atau studio.
Tanpa syuting, tanpa aktor, tanpa green screen. Unggah satu foto diri Anda yang jelas dan Anda menjadi pembawa acara yang membacakan naskah Anda, dengan suara Anda sendiri atau suara dari pustaka. Atau gunakan foto seseorang yang telah memberi Anda izin dan bangun host digital yang dapat dipakai ulang untuk penjelasan produk, pembukaan kursus, pengumuman, dan iklan. Buat ulang dialog baru kapan saja tanpa syuting ulang.
Sudah punya rekaman suara? Unggah dan avatar akan melakukan sinkronisasi bibir sesuai suara tersebut. Tidak ada audio? Beralih ke mode teks — ketik apa yang harus diucapkan avatar, pilih suara dari pustaka teks-ke-ucapan bawaan, dan skrip akan disintesis menjadi audio penggerak untuk Anda. Perkiraan durasi dan biaya kredit akan ditampilkan sebelum Anda membuat konten.
OmniHuman 1.5 membaca ritme, prosodi, dan makna audio untuk menggerakkan kepala, postur, dan gestur tangan bersamaan dengan sinkronisasi bibir yang akurat, sambil mempertahankan identitas dan pencahayaan orang tersebut. Hasilnya tampak seperti presenter sungguhan, bukan potret statis dengan mulut yang bergerak.
Buat klip juru bicara untuk iklan dan halaman arahan, pelajaran dan orientasi yang dinarasikan untuk pelatihan, postingan wawancara untuk media sosial, atau versi multibahasa dari pesan yang sama. Setiap generasi disimpan dalam sejarah beserta masukannya, sehingga Anda dapat melakukan iterasi dan menghasilkan variasi dengan cepat.
Potret bergaya pembawa acara yang dibuat di CreateVision AI — begitu kamu menambahkan audio, mana pun bisa menggerakkan video avatar yang berbicara.
OmniHuman 1.5 yang menggerakkan lip sync, ekspresi, dan gerakan tubuh di halaman ini.
Foto + suara menjadi avatar berbicara yang tampak seperti manusia.
Video sinematik premium dengan audio yang disinkronkan secara native.
Konversi teks & gambar ke video, hingga resolusi 4K dengan suara opsional.
Cerita multi-bidikan dengan kontrol setingkat referensi.
| Input | Satu foto potret ditambah file audio yang diunggah atau naskah yang Anda ketik. |
|---|---|
| Foto milik siapa | Milik Anda sendiri, atau milik seseorang yang telah memberi Anda izin. Baik foto maupun suaranya harus menjadi milik Anda untuk digunakan. |
| Panduan foto potret | Menghadap depan, pencahayaan baik, seluruh wajah terlihat dan fokus. Kacamata hitam dan bayangan tebal menurunkan akurasi lip sync. |
| Durasi audio | Hingga 35 detik per pembuatan — kira-kira 85 kata yang diucapkan. |
| Pustaka suara | 60 suara bawaan dalam 10 bahasa, dengan pratinjau yang bisa didengar sebelum Anda membuat. |
| Model | OmniHuman 1.5, yang menggerakkan lip sync, ekspresi wajah, serta gerakan kepala dan tubuh yang alami. |
| Biaya | Ditagih per detik output seperti pembuatan video lainnya; ditampilkan sebelum Anda membuat. |
| Output | Klip yang bisa diunduh, tersimpan di riwayat Anda beserta potret sumber dan naskahnya. |
Foto Anda, kata-kata Anda, satu klip.
Foto yang jelas dan menghadap ke depan bekerja paling baik: selfie ponsel, foto headshot, atau satu bingkai dari video. AI foto berbicara membaca wajah Anda dari satu bingkai ini.
Rekam diri Anda dan unggah audionya, atau ketik naskah Anda dan pilih salah satu dari 60 suara bawaan. Audio dapat berdurasi hingga 35 detik.
Model menyinkronkan bibir, ekspresi, dan gerakan kepala alami dengan audio. Pertahankan foto yang sama dan hasilkan dialog baru kapan pun Anda membutuhkannya, tanpa syuting ulang.
Di sini tidak ada prompt gambar — potret dan audionya yang bekerja. Yang Anda tulis adalah naskahnya, dan pilihan dalam naskah itulah yang menentukan apakah hasilnya terlihat alami.
Mulailah dengan sesuatu yang pendek. Detik pertama adalah tempat lip sync paling kelihatan.
Hei — sebentar saja.
Jaga kalimat di bawah sekitar 15 kata. Anak kalimat yang panjang menghasilkan jeda yang tidak alami.
Serum ini punya dua bahan. Itu saja seluruh formulanya.
Koma dan titik menjadi tarikan napas. Pakai di tempat Anda benar-benar akan berhenti.
Ini berhasil — dan cuma butuh sepuluh detik.
Kira-kira 2,5 kata per detik. Tulis sesuai panjang klip yang Anda inginkan.
~85 kata untuk klip 35 detik
Produk revolusioner kami memanfaatkan teknologi mutakhir untuk menghadirkan hasil yang tiada banding bagi pelanggan berselera tinggi yang mendambakan keunggulan.
Ini bagian yang selalu ditanyakan orang. Dua bahan, tanpa pengisi. Bedanya akan terlihat sekitar seminggu.
Yang pertama adalah satu kalimat 19 kata penuh abstraksi — avatar membacakannya dengan nada datar tanpa napas karena tidak ada tempat untuk berhenti. Yang kedua adalah tiga kalimat pendek dengan titik tekanan yang alami, dan itulah yang membuat pembawaannya terdengar manusiawi.
Halo dan selamat datang di channel kami di mana hari ini kita akan membahas lima hal terpenting yang perlu Anda ketahui tentang rutinitas perawatan kulit.
Lima hal soal perawatan kulit. Nomor satu yang paling sering salah.
Pembuka panjang yang berlarut-larut adalah tempat lip sync paling banyak menyimpang, karena model tidak punya tanda baca untuk berpegang. Hook pendek memberinya titik tekanan yang bersih dan lebih menahan perhatian.
Avatar berbicara hanyalah satu jenis output. Pembuatan gambar dan video juga berjalan dari akun yang sama.
Di mana posisi pembuatan avatar di antara engine video yang lebih luas.
Membuat potret yang akan Anda serahkan ke avatar generator.
Seperti apa harga video per detik di berbagai engine.
Membuat potret sumber dari nol jika Anda belum punya.
Engine yang dipakai untuk b-roll di sekitar klip avatar Anda.
Video foto berbicara ditagih per detik seperti output video lainnya. Akun baru mendapatkan 200 kredit gratis untuk mencobanya.
Sempurna untuk memulai
Ditagih tahunan · $240/year
Ditagih tahunan · $468/tahun
Foto berbicara AI, juga disebut avatar AI atau manusia digital, adalah video berbicara hasil generasi dari seseorang yang dibangun dari satu foto dan satu suara. Alih-alih syuting, Anda menyediakan potret dan audio (atau naskah + suara), dan model menganimasikan penampilan berbicara yang hidup — digunakan sebagai pembawa acara digital, juru bicara, atau narator.
Foto potret yang jelas dan menghadap ke depan, ditambah klip audio (mp3/wav) atau — dalam mode teks — skrip yang ingin Anda ucapkan dan suara yang dipilih dari perpustakaan bawaan. Itu sudah cukup untuk menghasilkan video avatar yang berbicara.
Ya. Unggah rekaman audio Anda sendiri dan avatar akan melakukan sinkronisasi bibir sesuai dengan rekaman tersebut. Jika Anda tidak memiliki rekaman, beralihlah ke mode teks dan pilih suara dari pustaka teks-ke-ucapan.
Hingga 35 detik audio per generasi. Untuk skrip yang lebih panjang, bagi menjadi beberapa klip. Perkiraan durasi ditampilkan saat Anda mengetik, dan Anda akan ditagih per detik audio.
Penggunaan umum meliputi penjelasan produk dan iklan, narasi kursus dan orientasi, klip narasumber di media sosial, pengumuman, dan versi pesan multibahasa — di mana pun Anda biasanya perlu merekam presenter.
CreateVision AI menggunakan OmniHuman 1.5 dari ByteDance, yang menggerakkan sinkronisasi bibir serta gerakan kepala dan isyarat dari audio. Lihat halaman model OmniHuman 1.5 untuk detail teknisnya.
Potret dengan pencahayaan baik dan menghadap ke depan, di mana seluruh wajah terlihat dan fokus. Kacamata hitam, bayangan pekat di wajah, sudut ekstrem, atau wajah yang terlalu kecil dalam frame semuanya menurunkan akurasi lip-sync.
Tidak. Anda bisa mengetik naskah lalu memilih suara dari pustaka bawaan yang berisi 60 suara dalam 10 bahasa. Mengunggah rekaman sendiri juga didukung jika Anda lebih suka memakainya.
Ya, dan itu adalah penggunaan yang paling umum. Unggah foto diri Anda, lalu rekam suara Anda sendiri atau ketik naskah dan pilih suara dari pustaka. Hasilnya adalah Anda, mengucapkan kata-kata Anda, tanpa pengaturan kamera. Banyak kreator menyimpan satu foto yang bagus dan menghasilkan klip baru darinya setiap minggu.
Ya. Berdasarkan Ketentuan Layanan CreateVision AI, konten yang Anda hasilkan dapat digunakan untuk tujuan pribadi dan komersial, dengan atribusi kepada CreateVision AI jika sesuai. Anda bertanggung jawab untuk memiliki hak atas foto dan suara yang Anda unggah, serta atas aturan pengungkapan AI apa pun di platform tempat Anda memublikasikan.
Tujuannya sama, mekanismenya berbeda. Di sini foto Anda adalah identitasnya dan audio atau naskah Anda menggerakkan ucapan, jadi hasilnya adalah klip talking-head dengan sinkronisasi bibir, bukan adegan yang Anda masuki. Ini bekerja dari satu foto apa pun, tidak memerlukan pendaftaran video, dan tidak bergantung pada aplikasi lain yang harus tetap tersedia.
