โมเดลอวาตาร์ AI
เปลี่ยนภาพบุคคลให้มีชีวิตชีวาด้วย OmniHuman 1.5 — เพียงอัปโหลดรูปถ่ายและคลิปเสียง (หรือพิมพ์ข้อความและเลือกเสียง) เพื่อสร้างอวตารพูดได้ที่สมจริง พร้อมริมฝีปาก การแสดงออกทางสีหน้า และท่าทางที่ซิงค์กัน
เปรียบเทียบ OmniHuman 1.5 กับโมเดลวิดีโออื่นๆ — พื้นที่ทำงานเดียวกัน เพียงคลิกเดียวก็สลับได้
ตัวอย่างผลงานบางส่วนที่ผู้คนกำลังสร้างด้วยโมเดลวิดีโอ AI บน CreateVision AI
OmniHuman 1.5 ของ ByteDance สร้างภาพบุคคลจากเสียงได้อย่างสมจริง: ริมฝีปากที่ซิงค์กัน สีหน้าท่าทางที่เป็นธรรมชาติ และท่าทางของร่างกายที่ตอบสนองต่อจังหวะและความหมายของเสียง ไม่ใช่แค่การขยับปากเท่านั้น อัปโหลดรูปภาพและวิดีโอ หรือพิมพ์ข้อความและเลือกเสียงได้
เพียงแค่ป้อนภาพบุคคลและคลิปเสียงให้กับ OmniHuman 1.5 โปรแกรมก็จะสร้างแอนิเมชั่นใบหน้าให้กลายเป็นตัวละครที่กำลังพูดได้อย่างสมจริง พร้อมการซิงค์ริมฝีปากที่แม่นยำ ในขณะที่ยังคงรักษาเอกลักษณ์ โครงสร้างใบหน้า และแสงสว่างของบุคคลนั้นไว้ ไม่ต้องใช้การจัดวางโครงสร้าง ไม่ต้องใช้ฉากหลังสีเขียว ไม่ต้องใช้สตูดิโอ
แตกต่างจากเครื่องมือแสดงภาพบุคคลแบบพื้นฐาน OmniHuman 1.5 อ่านจังหวะ น้ำเสียง และความหมายของเสียงเพื่อขับเคลื่อนการเคลื่อนไหวของศีรษะ การเปลี่ยนท่าทาง และการใช้มือ ทำให้ตัวละครเสมือนเน้นย้ำ หยุดชั่วคราว และแสดงปฏิกิริยาเหมือนผู้บรรยายจริง ๆ มากกว่าภาพนิ่งที่มีเพียงปากที่ขยับได้
ไม่มีไฟล์เสียงใช่ไหม? เปลี่ยนเป็นโหมดข้อความ: พิมพ์สิ่งที่อวตารควรพูด เลือกเสียงจากคลังเสียงแปลงข้อความเป็นเสียงในตัว แล้ว OmniHuman 1.5 จะสร้างเสียงพูดให้คุณ เหมาะสำหรับผู้บรรยายที่พูดตามสคริปต์ ผู้ให้คำอธิบาย และคลิปโซเชียลมีเดีย
โมเดลนี้สามารถปรับให้เข้ากับรูปแบบเสียงที่หลากหลาย ไม่ว่าจะเป็นการบรรยายอย่างนุ่มนวล บทสนทนาที่แสดงอารมณ์ หรือแม้กระทั่งการร้องเพลง และยังสามารถทำตามคำแนะนำข้อความเพิ่มเติมสำหรับการควบคุมกล้องและท่าทาง ทำให้ได้ผลลัพธ์ที่ดูดีเหมาะสมสำหรับการตลาด การฝึกอบรม และเนื้อหาบนโซเชียลมีเดีย
บัญชีเดียว ครบทั้งเวิร์กโฟลว์การสร้างภาพและวิดีโอ
เริ่มฟรีด้วยเครดิตรายวัน อัปเกรดเพื่อใช้โมเดลพรีเมียม สร้างงานเร็วขึ้น และภาพระดับ 4K
เหมาะสำหรับการเริ่มต้น
เรียกเก็บเงินรายปี · $240/ปี
เรียกเก็บเงินรายปี · $300/ปี
OmniHuman 1.5 คือโมเดลอวตารที่ขับเคลื่อนด้วยเสียงของ ByteDance โดยจะเปลี่ยนภาพถ่ายบุคคลเพียงภาพเดียวและเสียงพูดให้กลายเป็นวิดีโอพูดคุยที่สมจริง พร้อมริมฝีปาก การแสดงออกทางสีหน้า และท่าทางที่ซิงค์กัน
ภาพถ่ายบุคคลเดี่ยวที่คมชัด พร้อมด้วยคลิปเสียง (mp3/wav) หรือ — ในโหมดข้อความ — ข้อความที่คุณต้องการให้พูดและเสียงที่เลือกจากคลังเสียงในตัว ซึ่งจะถูกสังเคราะห์เป็นเสียงประกอบการขับขี่
แต่ละคลิปมีความยาวไม่เกิน 35 วินาที หากสคริปต์ยาวกว่านั้น ควรแบ่งออกเป็นหลายคลิป การคิดค่าบริการคิดตามวินาทีของเสียง โดยปัดขึ้น
ใช่แล้ว OmniHuman 1.5 สร้างการเคลื่อนไหวศีรษะ ท่าทาง และการใช้มือที่ตอบสนองต่อจังหวะและความหมายของเสียง ทำให้ตัวละครเสมือนแสดงท่าทางออกมาจริงๆ ไม่ใช่แค่ขยับปากตามเสียงเท่านั้น
ภาพถ่ายควรเป็นภาพบุคคลคนเดียวที่หันหน้าตรง เห็นชัดเจน มีแสงสว่างเพียงพอ และใบหน้าไม่มีสิ่งกีดขวาง ภาพถ่ายกลุ่ม ใบหน้าเล็ก หรือใบหน้าที่ถูกบดบังอย่างมาก จะทำให้คุณภาพลดลงหรืออาจถ่ายไม่ได้
ต่อหนึ่งวินาทีของเสียงที่สร้างขึ้น ค่าใช้จ่ายเครดิตที่แน่นอนจะแสดงก่อนที่คุณจะทำการสร้าง และระบบจะคืนเงินให้โดยอัตโนมัติหากการทำงานล้มเหลว
