เพียงอัปโหลดรูปถ่ายบุคคลและไฟล์เสียง (ความยาวไม่เกิน 35 วินาที) แล้ว OmniHuman 1.5 จะสร้างวิดีโออวตารพูดได้พร้อมริมฝีปากที่ซิงค์กันและการเคลื่อนไหวที่เป็นธรรมชาติ
ภาพบุคคลเดียวกับสคริปต์กลายเป็นผู้พูดที่สมจริง — ริมฝีปาก สีหน้า และท่าทางซิงค์กัน ไม่ต้องใช้กล้องหรือสตูดิโอ
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.
โปรแกรมสร้างอวตาร AI (มนุษย์ดิจิทัล) ที่สมบูรณ์แบบ: อัปโหลดภาพถ่ายและคลิปเสียง หรือพิมพ์สคริปต์และเลือกเสียง แล้วคุณจะได้วิดีโอพูดคุยเสมือนจริงที่มีริมฝีปากที่ซิงค์กัน การแสดงออกที่เป็นธรรมชาติ และท่าทางที่สมจริง ขับเคลื่อนโดย ByteDance OmniHuman 1.5 ไม่จำเป็นต้องใช้กล้อง นักแสดง หรือสตูดิโอ
ไม่ต้องถ่ายทำ ไม่ต้องใช้นักแสดง ไม่ต้องใช้ฉากหลังสีเขียว เพียงอัปโหลดรูปถ่ายที่ชัดเจนของบุคคลหนึ่งคน แล้วเปลี่ยนให้เป็นพิธีกรที่พูดตามสคริปต์ของคุณ สร้างพิธีกรดิจิทัลที่ใช้ซ้ำได้สำหรับแนะนำผลิตภัณฑ์ บทนำหลักสูตร ประกาศ และโฆษณาต่างๆ และสร้างบทพูดใหม่ได้ทุกเมื่อโดยไม่ต้องถ่ายทำใหม่
มีไฟล์เสียงอยู่แล้วใช่ไหม? อัปโหลดได้เลย แล้วตัวละครจะขยับปากตามเสียงนั้น หากไม่มีไฟล์เสียง ให้เปลี่ยนเป็นโหมดข้อความ — พิมพ์สิ่งที่ตัวละครควรพูด เลือกเสียงจากคลังเสียงแปลงข้อความเป็นเสียงพูดในตัว แล้วข้อความนั้นจะถูกสังเคราะห์เป็นเสียงขับรถให้คุณโดยอัตโนมัติ ความยาวโดยประมาณและค่าใช้จ่ายเครดิตจะแสดงก่อนที่คุณจะสร้าง
OmniHuman 1.5 อ่านจังหวะ น้ำเสียง และความหมายของเสียง เพื่อควบคุมการเคลื่อนไหวของศีรษะ ท่าทาง และท่าทางมือ ควบคู่ไปกับการซิงค์ริมฝีปากที่แม่นยำ ในขณะที่ยังคงรักษาเอกลักษณ์และแสงสว่างของบุคคลนั้นไว้ ผลลัพธ์ที่ได้คือการแสดงที่เหมือนผู้บรรยายจริง ๆ มากกว่าภาพนิ่งที่มีการเคลื่อนไหวของปาก
สร้างคลิปวิดีโอสำหรับโฆษณาและหน้า Landing Page, บทเรียนพร้อมคำบรรยายและคู่มือการฝึกอบรม, โพสต์แบบพูดคุยสำหรับโซเชียลมีเดีย หรือเวอร์ชันหลายภาษาของข้อความเดียวกัน ทุกรุ่นจะถูกบันทึกไว้ในประวัติพร้อมข้อมูลป้อนเข้า เพื่อให้คุณสามารถปรับปรุงและสร้างเวอร์ชันต่างๆ ได้อย่างรวดเร็ว
ภาพบุคคลสไตล์ผู้ประกาศที่สร้างบน CreateVision AI — ใส่เสียงเข้าไป ภาพไหนก็ขับวิดีโออวตารพูดได้ทั้งนั้น
OmniHuman 1.5 คือตัวขับเคลื่อนการขยับปาก สีหน้า และการเคลื่อนไหวร่างกายบนหน้านี้
| อินพุต | ภาพบุคคลหนึ่งภาพ บวกไฟล์เสียงที่อัปโหลดหรือสคริปต์ที่พิมพ์เอง อย่างใดอย่างหนึ่ง |
|---|---|
| คำแนะนำเรื่องภาพบุคคล | หันหน้าตรง แสงดี เห็นใบหน้าทั้งหมดและอยู่ในโฟกัส แว่นกันแดดและเงาเข้ม ๆ จะลดความแม่นของลิปซิงก์ |
| ความยาวเสียง | สูงสุด 35 วินาทีต่อการสร้างหนึ่งครั้ง — ราว 85 คำพูด |
| คลังเสียง | เสียงในตัว 60 แบบ ครอบคลุม 10 ภาษา ฟังตัวอย่างได้ก่อนสร้าง |
| โมเดล | OmniHuman 1.5 ซึ่งขับเคลื่อนลิปซิงก์ สีหน้า และการเคลื่อนไหวของศีรษะและร่างกายที่เป็นธรรมชาติ |
| ค่าใช้จ่าย | คิดค่าใช้จ่ายตามวินาทีของผลลัพธ์เหมือนการสร้างวิดีโออื่น ๆ และแสดงให้เห็นก่อนคุณกดสร้าง |
| เอาต์พุต | คลิปที่ดาวน์โหลดได้ บันทึกไว้ในประวัติพร้อมภาพบุคคลต้นฉบับและสคริปต์ |
ภาพบุคคลหนึ่งภาพ เสียงหนึ่งแทร็ก คลิปหนึ่งชิ้น
ภาพถ่ายหน้าตรงที่คมชัดให้ผลดีที่สุด เครื่องมือสร้างวิดีโออวตาร AI จะอ่านใบหน้าจากเฟรมเดียวนี้
อัปโหลดไฟล์เสียง หรือพิมพ์บทแล้วเลือกจากคลังเสียงในตัว เสียงยาวได้สูงสุด 35 วินาที
โมเดลจะซิงก์ริมฝีปาก สีหน้า และการขยับศีรษะอย่างเป็นธรรมชาติให้เข้ากับเสียง แล้วส่งคืนคลิปที่คุณดาวน์โหลดหรือต่อความยาวได้
ตรงนี้ไม่มีพรอมต์ภาพ — ภาพบุคคลกับเสียงเป็นตัวทำงาน สิ่งที่คุณเขียนคือสคริปต์ และการเลือกใช้คำในสคริปต์เป็นตัวตัดสินว่าผลลัพธ์จะดูเป็นธรรมชาติหรือไม่
เริ่มด้วยอะไรสั้น ๆ วินาทีแรกคือช่วงที่ลิปซิงก์ถูกมองเห็นชัดที่สุด
เฮ้ — ขอสั้น ๆ แป๊บนึงนะ
ให้แต่ละประโยคยาวไม่เกินราว 15 คำ อนุประโยคยาว ๆ ทำให้เกิดจังหวะหยุดที่ไม่เป็นธรรมชาติ
เซรั่มขวดนี้มีสองส่วนผสม นั่นคือทั้งหมดของสูตร
เครื่องหมายจุลภาคและจุดจะกลายเป็นจังหวะหายใจ ใส่ไว้ตรงที่คุณจะหยุดจริง ๆ
มันได้ผลจริง — และใช้เวลาแค่สิบวินาที
ประมาณ 2.5 คำต่อวินาที เขียนให้พอดีกับความยาวคลิปที่คุณต้องการ
ราว 85 คำสำหรับคลิป 35 วินาที
ผลิตภัณฑ์อันปฏิวัติวงการของเราใช้เทคโนโลยีล้ำสมัยเพื่อส่งมอบผลลัพธ์ที่ไร้ผู้ใดเทียบทานสำหรับลูกค้าผู้พิถีพิถันที่มองหาความเป็นเลิศ
นี่คือส่วนที่ทุกคนถามเสมอ สองส่วนผสม ไม่มีตัวเติม คุณจะเห็นความต่างในราวหนึ่งสัปดาห์
อันแรกเป็นประโยคเดียวยาว 19 คำที่เต็มไปด้วยคำนามธรรม อวตารจึงอ่านออกมาแบนราบและไม่มีจังหวะหายใจ เพราะไม่มีที่ให้หยุดเลย อันที่สองเป็นสามประโยคสั้นที่มีจุดเน้นเป็นธรรมชาติ ซึ่งเป็นสิ่งที่ทำให้การอ่านฟังดูเหมือนคนจริง
สวัสดีค่ะ และขอต้อนรับสู่ช่องของเรา ซึ่งวันนี้เราจะมาพูดคุยกันถึงห้าสิ่งที่สำคัญที่สุดที่คุณจำเป็นต้องรู้เกี่ยวกับกิจวัตรการดูแลผิว
ห้าเรื่องเกี่ยวกับการดูแลผิว ข้อแรกคือข้อที่คนส่วนใหญ่เข้าใจผิด
ประโยคเปิดยาว ๆ ที่ไม่มีจังหวะหยุด คือจุดที่ลิปซิงก์เพี้ยนมากที่สุด เพราะโมเดลไม่มีเครื่องหมายวรรคตอนให้ยึด ประโยคเปิดสั้น ๆ ให้จุดเน้นที่ชัดเจนและดึงความสนใจได้ดีกว่า
อวตารพูดได้เป็นเพียงผลลัพธ์แบบหนึ่ง การสร้างภาพและวิดีโอก็ทำงานจากบัญชีเดียวกัน
การสร้างอวตารอยู่ตรงไหนในภาพรวมของเอนจินวิดีโอทั้งหมด
สร้างภาพบุคคลที่คุณจะส่งต่อให้เครื่องมือสร้างอวตาร
ราคาวิดีโอต่อวินาทีของแต่ละเอนจินเป็นอย่างไร
สร้างภาพต้นฉบับบุคคลขึ้นมาใหม่ ถ้าคุณยังไม่มี
เอนจินที่ควรใช้ทำภาพประกอบรอบ ๆ คลิปอวตารของคุณ
วิดีโออวตารคิดค่าบริการเป็นวินาทีเหมือนวิดีโออื่น ๆ บัญชีฟรีได้รับ 80 เครดิตต่อวันเพื่อทดลองใช้
เหมาะสำหรับการเริ่มต้น
เรียกเก็บเงินรายปี · $240/ปี
เรียกเก็บเงินรายปี · $380/ปี
อวตาร AI คือวิดีโอพูดได้ของบุคคลที่สร้างขึ้นจากภาพถ่ายและเสียงเพียงภาพเดียว แทนที่จะถ่ายทำ คุณเพียงแค่ให้ภาพถ่ายและเสียง (หรือบทพูด + เสียง) แล้วโมเดลจะสร้างภาพเคลื่อนไหวเพื่อแสดงการพูดที่สมจริง — สามารถใช้เป็นผู้ดำเนินรายการดิจิทัล โฆษก หรือผู้บรรยายได้
เพียงแค่ใส่รูปถ่ายหน้าตรงที่ชัดเจน พร้อมกับไฟล์เสียง (mp3/wav) หรือในโหมดข้อความ ก็ใส่สคริปต์ที่ต้องการให้พูด และเลือกเสียงจากคลังเสียงในตัว ก็สามารถสร้างวิดีโออวตารพูดได้แล้ว
ใช่ค่ะ คุณสามารถอัปโหลดไฟล์เสียงของคุณเอง แล้วตัวละครจะขยับปากตามเสียงนั้น หากคุณไม่มีไฟล์เสียง ให้เปลี่ยนเป็นโหมดข้อความ แล้วเลือกเสียงจากคลังเสียงแปลงข้อความเป็นเสียงพูดแทนค่ะ
สามารถบันทึกเสียงได้สูงสุด 35 วินาทีต่อครั้ง สำหรับสคริปต์ที่ยาวกว่านั้น ให้แบ่งออกเป็นหลายคลิป ระบบจะแสดงระยะเวลาโดยประมาณขณะที่คุณพิมพ์ และจะคิดค่าบริการตามวินาทีของเสียง
การใช้งานทั่วไป ได้แก่ การอธิบายผลิตภัณฑ์และโฆษณา การบรรยายในหลักสูตรและขั้นตอนการปฐมนิเทศ คลิปพูดคุยบนโซเชียลมีเดีย ประกาศ และข้อความหลายภาษา — ในทุกที่ที่คุณอาจต้องถ่ายทำผู้บรรยาย
CreateVision AI ใช้ OmniHuman 1.5 ของ ByteDance ซึ่งควบคุมการซิงค์ริมฝีปาก การเคลื่อนไหวศีรษะ และท่าทางต่างๆ จากเสียง ดูรายละเอียดทางเทคนิคได้ที่หน้าข้อมูลรุ่น OmniHuman 1.5
ภาพบุคคลหน้าตรงที่แสงเพียงพอ เห็นใบหน้าทั้งหมดและอยู่ในโฟกัส แว่นกันแดด เงาหนาทับใบหน้า มุมที่เอียงมากเกินไป หรือใบหน้าที่เล็กเกินไปในเฟรม ล้วนลดความแม่นยำของการขยับปาก
ไม่ต้อง คุณพิมพ์บทแล้วเลือกเสียงจากคลังเสียงในตัวได้เลย ซึ่งมี 60 เสียงครอบคลุม 10 ภาษา และหากอยากใช้เสียงที่คุณอัดเอง ก็อัปโหลดได้เช่นกัน
เสียงได้สูงสุด 35 วินาทีต่อการสร้างหนึ่งครั้ง หากต้องการนำเสนอที่ยาวกว่านั้น ให้สร้างหลายช่วงแล้วนำมาต่อกัน — การใช้ภาพบุคคลต้นฉบับเดียวกันจะทำให้ผู้นำเสนอดูสม่ำเสมอตลอดทุกคลิป
