ஒரு உருவப்படத்தையும் (35 வினாடிகள் வரை) ஒரு ஆடியோ டிராக்கையும் பதிவேற்றவும், ஓம்னிஹியூமன் 1.5, ஒத்திசைவான உதட்டு அசைவுகள் மற்றும் இயல்பான அசைவுகளுடன் பேசும் அவதார் வீடியோவை உருவாக்கும்.
ஒரு உருவப்படம் மற்றும் ஒரு ஸ்கிரிப்ட் உயிரோட்டமுள்ள பேச்சாளராக மாறுகிறது — உதடுகள், முகபாவங்கள், சைகைகள் ஒத்திசைவு. கேமரா இல்லை, ஸ்டுடியோ இல்லை.
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.
இந்தப் பக்கத்தில் lip sync, முகபாவம், உடல் அசைவு அனைத்தையும் OmniHuman 1.5 இயக்குகிறது.
புகைப்படம் மற்றும் குரலைக் கொண்டு, உயிருள்ளதைப் போன்ற பேசும் அவதார் உருவாக்கப்படுகிறது.
உள்ளமைக்கப்பட்ட ஆடியோவுடன் கூடிய உயர்தர சினிமா வீடியோ.
எழுத்து மற்றும் படத்தை, விரும்பினால் ஒலி வசதியுடன் 4K வரை காணொளியாக மாற்றும்.
குறிப்பு-நிலை கட்டுப்பாட்டுடன் கூடிய பல-காட்சி கதைகள்.
CreateVision AI-இல் உருவாக்கப்பட்ட தொகுப்பாளர் பாணி உருவப்படங்கள் — ஆடியோ சேர்த்தவுடன் இவற்றில் எதுவும் பேசும் அவதார் வீடியோவை இயக்க முடியும்.
ஒரு முழுமையான AI அவதார் (டிஜிட்டல் மனிதன்) உருவாக்கும் கருவி: ஒரு உருவப்படத்தையும் ஒரு ஆடியோ கிளிப்பையும் பதிவேற்றவும் — அல்லது ஒரு ஸ்கிரிப்டைத் தட்டச்சு செய்து ஒரு குரலைத் தேர்ந்தெடுக்கவும் — ஒத்திசைக்கப்பட்ட உதடுகள், இயல்பான முகபாவனைகள் மற்றும் சைகைகளுடன் கூடிய, தத்ரூபமான பேசும் வீடியோவைப் பெறுங்கள். ByteDance OmniHuman 1.5 மூலம் இயக்கப்படுகிறது, கேமரா, நடிகர் அல்லது ஸ்டுடியோ எதுவும் தேவையில்லை.
படப்பிடிப்பு இல்லை, நடிகர் இல்லை, கிரீன் ஸ்கிரீன் இல்லை. ஒரு நபரின் தெளிவான புகைப்படத்தைப் பதிவேற்றி, அதை உங்கள் உரையைப் பேசும் ஒரு பேச்சாளராக மாற்றுங்கள். தயாரிப்பு விளக்கங்கள், பாட அறிமுகங்கள், அறிவிப்புகள் மற்றும் விளம்பரங்களுக்காக மீண்டும் பயன்படுத்தக்கூடிய ஒரு டிஜிட்டல் தளத்தை உருவாக்குங்கள் — மேலும், மீண்டும் படப்பிடிப்பு நடத்தத் தேவையில்லாமல், எப்போது வேண்டுமானாலும் புதிய வரிகளை மீண்டும் உருவாக்கிக்கொள்ளுங்கள்.
ஏற்கனவே குரல் பதிவு உள்ளதா? அதை பதிவேற்றவும், அவதார் அதற்கேற்ப உதட்டசைக்கும். ஆடியோ இல்லையா? உரை முறைக்கு மாறவும் — அவதார் என்ன சொல்ல வேண்டும் என்பதைத் தட்டச்சு செய்து, உள்ளமைக்கப்பட்ட உரை-பேச்சு நூலகத்திலிருந்து ஒரு குரலைத் தேர்ந்தெடுக்கவும், அந்த ஸ்கிரிப்ட் உங்களுக்காக இயக்கும் ஆடியோவாக உருவாக்கப்படும். நீங்கள் உருவாக்குவதற்கு முன்பு, மதிப்பிடப்பட்ட நீளம் மற்றும் கிரெடிட் செலவு காட்டப்படும்.
ஓம்னிஹியூமன் 1.5, ஒலியின் தாளம், ஓசைநயம் மற்றும் அர்த்தத்தைப் புரிந்துகொண்டு, ஒரு நபரின் அடையாளம் மற்றும் ஒளியமைப்பைப் பாதுகாத்தவாறே, துல்லியமான உதட்டு ஒத்திசைவுடன் தலை அசைவு, உடல் தோரணை மற்றும் கை அசைவுகளையும் இயக்குகிறது. இதன் விளைவாக, அசைவூட்டப்பட்ட வாயுடன் கூடிய ஒரு நிலையான உருவப்படத்தைப் போல அல்லாமல், ஒரு உண்மையான பேச்சாளரைப் போலவே இது செயல்படுகிறது.
விளம்பரங்கள் மற்றும் இலக்குப் பக்கங்களுக்கான செய்தித் தொடர்பாளர் காணொளிகள், பயிற்சிக்கான விவரிப்புடன் கூடிய பாடங்கள் மற்றும் பணியமர்த்தல் பதிவுகள், சமூக ஊடகங்களுக்கான பேச்சாளர் பதிவுகள், அல்லது ஒரே செய்தியின் பன்மொழிப் பதிப்புகள் என அனைத்தையும் எளிதாக உருவாக்கலாம். ஒவ்வொரு தலைமுறையும் அதன் உள்ளீடுகளுடன் வரலாற்றில் சேமிக்கப்படுவதால், நீங்கள் விரைவாகப் பல மாற்றங்களையும் புதிய வகைகளையும் உருவாக்கலாம்.
| உள்ளீடு | ஒரு போர்ட்ரெய்ட் புகைப்படம், கூடவே பதிவேற்றிய ஆடியோ கோப்பு அல்லது தட்டச்சு செய்த ஸ்கிரிப்ட். |
|---|---|
| போர்ட்ரெய்ட் வழிகாட்டல் | முகம் நேராக, நல்ல வெளிச்சம், முழு முகமும் தெரிய வேண்டும், ஃபோகஸிலும் இருக்க வேண்டும். கூலிங் கிளாஸ்களும் அடர்ந்த நிழலும் lip sync துல்லியத்தைக் குறைக்கும். |
| ஆடியோ நீளம் | ஒரு உருவாக்கத்திற்கு 35 வினாடிகள் வரை — ஏறக்குறைய 85 பேசும் சொற்கள். |
| குரல் நூலகம் | 10 மொழிகளில் 60 உள்ளமைந்த குரல்கள், உருவாக்குவதற்கு முன் முன்னோட்டம் கேட்கலாம். |
| மாடல் | OmniHuman 1.5 — இது lip sync, முக பாவனை, தலை மற்றும் உடலின் இயல்பான அசைவுகளை இயக்குகிறது. |
| செலவு | மற்ற வீடியோ உருவாக்கத்தைப் போலவே வெளியீட்டின் ஒரு வினாடிக்குக் கட்டணம்; உருவாக்குவதற்கு முன்பே காட்டப்படும். |
| வெளியீடு | பதிவிறக்கக்கூடிய ஒரு கிளிப், மூல போர்ட்ரெய்ட் மற்றும் ஸ்கிரிப்ட்டுடன் உங்கள் வரலாற்றில் சேமிக்கப்படும். |
ஒரு போர்ட்ரெய்ட், ஒரு குரல் டிராக், ஒரு கிளிப்.
தெளிவான, நேர்முகமாக எடுக்கப்பட்ட புகைப்படமே சிறப்பாக வேலை செய்யும். AI அவதார் வீடியோ ஜெனரேட்டர் இந்த ஒரே ஃப்ரேமிலிருந்தே முகத்தைப் படித்துக்கொள்கிறது.
ஒரு ஆடியோ ஃபைலை அப்லோடு செய்யுங்கள், அல்லது ஸ்கிரிப்ட்டைத் தட்டச்சு செய்து உள்ளமைந்த குரல் லைப்ரரியிலிருந்து தேர்ந்தெடுங்கள். ஆடியோ 35 வினாடிகள் வரை இருக்கலாம்.
மாடல் உதடுகள், முகபாவம், இயல்பான தலை அசைவு ஆகியவற்றை ஆடியோவுடன் ஒத்திசைத்து, நீங்கள் பதிவிறக்கவோ நீட்டவோ கூடிய கிளிப்பைத் தருகிறது.
இங்கே இமேஜ் ப்ராம்ப்ட் என்பதே இல்லை — வேலையைச் செய்வது போர்ட்ரெய்ட்டும் ஆடியோவும். நீங்கள் எழுதுவது ஸ்கிரிப்ட், முடிவு இயல்பாகத் தெரியுமா என்பதைத் தீர்மானிப்பது ஸ்கிரிப்ட்டில் நீங்கள் எடுக்கும் முடிவுகளே.
குறுகிய ஒன்றில் தொடங்குங்கள். முதல் வினாடியில்தான் lip sync மிகத் தெளிவாகத் தெரியும்.
இதோ — ஒரு சின்ன விஷயம்.
வாக்கியங்களை ஏறக்குறைய 15 சொற்களுக்குள் வையுங்கள். நீளமான உட்பிரிவுகள் இயற்கைக்கு மாறான இடைநிறுத்தங்களை உருவாக்கும்.
இந்த சீரத்தில் இரண்டே பொருட்கள் இருக்கின்றன. முழு ஃபார்முலாவும் அவ்வளவுதான்.
காற்புள்ளிகளும் முற்றுப்புள்ளிகளும் மூச்சாக மாறுகின்றன. நீங்கள் நிஜமாகவே நிறுத்தும் இடங்களிலேயே அவற்றைப் போடுங்கள்.
இது வேலை செய்யும் — பத்து வினாடிகள் போதும்.
வினாடிக்கு ஏறக்குறைய 2.5 சொற்கள். உங்களுக்கு வேண்டிய கிளிப் நீளத்துக்கு ஏற்ப எழுதுங்கள்.
35 வினாடி கிளிப்புக்கு ~85 சொற்கள்
சிறப்பைத் தேடும் நுட்பமான வாடிக்கையாளர்களுக்கு ஒப்பற்ற முடிவுகளை வழங்குவதற்காக எங்கள் புரட்சிகரமான தயாரிப்பு அதிநவீன தொழில்நுட்பத்தைப் பயன்படுத்துகிறது.
இந்தப் பகுதியைப் பற்றித்தான் எல்லாரும் எப்போதும் கேட்கிறார்கள். இரண்டே பொருட்கள், நிரப்பி எதுவும் இல்லை. வித்தியாசம் ஒரு வாரத்தில் தெரியும்.
முதலாவது 19 சொற்கள் கொண்ட ஒரே ஒரு வாக்கியம், முழுக்க முழுக்க கருத்தியலானது — நிற்க இடமே இல்லாததால் அவதார் அதை தட்டையான, மூச்சுவிடாத ஒரே சுரத்தில் சொல்கிறது. இரண்டாவது மூன்று குறுகிய வாக்கியங்கள், அவற்றில் இயல்பான அழுத்தப் புள்ளிகள் உள்ளன, அதுதான் பேச்சை மனிதத்தன்மையுடன் ஒலிக்கச் செய்கிறது.
வணக்கம், எங்கள் சேனலுக்கு வரவேற்கிறோம், இன்று நாம் சரும பராமரிப்பு வழக்கங்கள் குறித்து நீங்கள் தெரிந்துகொள்ள வேண்டிய ஐந்து மிக முக்கியமான விஷயங்களைப் பற்றி விவாதிக்கப் போகிறோம்.
சரும பராமரிப்பு பற்றி ஐந்து விஷயங்கள். முதலாவதில்தான் பெரும்பாலானோர் தவறு செய்கிறார்கள்.
நீளமாக நிற்காமல் ஓடும் தொடக்கங்களில்தான் lip sync மிக அதிகமாக விலகுகிறது, ஏனெனில் மாடலுக்குப் பிடிமானமாக நிறுத்தக்குறிகளே இல்லை. குறுகிய ஒரு தொடக்கம் அதற்குத் தெளிவான அழுத்தப் புள்ளிகளைத் தருகிறது, கவனத்தையும் நன்றாகப் பிடித்து வைக்கிறது.
பேசும் அவதார்கள் ஒரு வகை அவுட்புட் மட்டுமே. இமேஜ் மற்றும் வீடியோ ஜெனரேஷனும் இதே கணக்கிலிருந்தே இயங்குகின்றன.
பரந்த வீடியோ எஞ்சின்களுக்கு நடுவே அவதார் ஜெனரேஷன் எங்கே அமைகிறது.
அவதார் ஜெனரேட்டரிடம் நீங்கள் கொடுக்கப்போகும் போர்ட்ரெய்ட்டையே உருவாக்குதல்.
பல்வேறு எஞ்சின்களில் வினாடிக்கான வீடியோ விலை எப்படி இருக்கிறது.
உங்களிடம் போர்ட்ரெய்ட் இல்லையென்றால் ஒன்றை முதலிலிருந்தே உருவாக்குதல்.
உங்கள் அவதார் கிளிப்பைச் சுற்றியுள்ள b-roll-க்குப் பயன்படுத்த வேண்டிய எஞ்சின்.
மற்ற வீடியோ அவுட்புட் போலவே அவதார் வீடியோவும் வினாடிக்கு கட்டணமிடப்படுகிறது. இலவச கணக்குகளுக்கு முயற்சி செய்ய நாளொன்றுக்கு 80 credits கிடைக்கும்.
தொடங்குவதற்கு சரியானது
ஆண்டுதோறும் கட்டணம் · $240/ஆண்டு
ஆண்டுதோறும் கட்டணம் · $300/ஆண்டு
AI அவதார் என்பது, ஒரே ஒரு புகைப்படம் மற்றும் குரலைக் கொண்டு உருவாக்கப்படும், ஒரு நபரின் பேசும் காணொளி ஆகும். படப்பிடிப்பு செய்வதற்குப் பதிலாக, நீங்கள் ஒரு உருவப்படத்தையும் ஒலியையும் (அல்லது ஒரு திரைக்கதை மற்றும் குரலையும்) வழங்குகிறீர்கள், அந்த மாதிரி உருவம் தத்ரூபமான பேச்சு நடிப்பை அசைவூட்டுகிறது — இது ஒரு டிஜிட்டல் வழங்குநர், செய்தித் தொடர்பாளர் அல்லது கதைசொல்லியாகப் பயன்படுத்தப்படுகிறது.
தெளிவான, முன்பக்க உருவப்படம், அதனுடன் ஒரு ஒலித்துண்டு (mp3/wav) அல்லது — உரைப் பயன்முறையில் — நீங்கள் பேச விரும்பும் உரையும், உள்ளமைக்கப்பட்ட நூலகத்திலிருந்து தேர்ந்தெடுக்கப்பட்ட ஒரு குரலும். பேசும் அவதார் காணொளியை உருவாக்க இதுவே போதுமானது.
ஆம். உங்கள் சொந்த ஆடியோ பதிவைப் பதிவேற்றவும், அவதார் அதற்கேற்ப உதட்டசைக்கும். உங்களிடம் பதிவு இல்லை என்றால், டெக்ஸ்ட் மோடுக்கு மாறி, டெக்ஸ்ட்-டு-ஸ்பீச் லைப்ரரியிலிருந்து ஒரு குரலைத் தேர்ந்தெடுக்கவும்.
ஒவ்வொரு உருவாக்கத்திற்கும் 35 வினாடிகள் வரையிலான ஆடியோ. நீண்ட ஸ்கிரிப்டுகளுக்கு, அவற்றை பல கிளிப்புகளாகப் பிரிக்கவும். நீங்கள் தட்டச்சு செய்யும்போது மதிப்பிடப்பட்ட கால அளவு காட்டப்படும், மேலும் ஒவ்வொரு வினாடி ஆடியோவிற்கும் உங்களுக்குக் கட்டணம் விதிக்கப்படும்.
தயாரிப்பு விளக்கங்கள் மற்றும் விளம்பரங்கள், பாடநெறி மற்றும் பணியமர்த்தல் உரைகள், சமூக ஊடகப் பேச்சுக் காணொளிகள், அறிவிப்புகள், மற்றும் ஒரு செய்தியின் பன்மொழிப் பதிப்புகள் என, ஒரு பேச்சாளரை நீங்கள் படமாக்க வேண்டிய மற்ற எல்லா இடங்களிலும் இதன் பொதுவான பயன்பாடுகள் அடங்கும்.
CreateVision AI, ByteDance-இன் OmniHuman 1.5-ஐப் பயன்படுத்துகிறது. இது, ஒலியிலிருந்து உதட்டு அசைவு, தலை அசைவு மற்றும் சைகைகளை இயக்குகிறது. தொழில்நுட்ப விவரங்களுக்கு OmniHuman 1.5 மாதிரிப் பக்கத்தைப் பார்க்கவும்.
நல்ல வெளிச்சத்தில், நேர்முகமாக எடுக்கப்பட்ட போர்ட்ரெய்ட் — முகம் முழுவதும் தெரிந்து, ஃபோகஸில் இருக்க வேண்டும். சன்கிளாஸ், முகத்தில் அடர்ந்த நிழல், மிகச் சாய்ந்த கோணங்கள், அல்லது ஃப்ரேமில் மிகச் சிறிய முகம் — இவை அனைத்தும் lip-sync துல்லியத்தைக் குறைக்கின்றன.
இல்லை. நீங்கள் ஸ்கிரிப்ட்டைத் தட்டச்சு செய்து, உள்ளமைந்த லைப்ரரியிலிருந்து ஒரு குரலைத் தேர்ந்தெடுக்கலாம் — 10 மொழிகளில் 60 குரல்கள் உள்ளன. உங்கள் சொந்த ரெக்கார்டிங்கையே பயன்படுத்த விரும்பினால், அதை அப்லோடு செய்யவும் முடியும்.
ஒவ்வொரு ஜெனரேஷனுக்கும் 35 வினாடிகள் வரை ஆடியோ. நீண்ட விளக்கக்காட்சிகளுக்குப் பல பகுதிகளை உருவாக்கி இணைத்துக்கொள்ளுங்கள் — அதே மூலப் போர்ட்ரெய்ட்டை வைத்திருந்தால் எல்லா கிளிப்களிலும் தொகுப்பாளர் ஒரே மாதிரி இருப்பார்.
