AI اوتار ماڈل
OmniHuman 1.5 کے ساتھ ایک ہی پورٹریٹ کو زندہ کریں — ایک تصویر اور ایک آڈیو کلپ اپ لوڈ کریں (یا متن ٹائپ کریں اور آواز چنیں) تاکہ مطابقت پذیر ہونٹوں، تاثرات اور اشاروں کے ساتھ ایک حقیقت پسندانہ بات کرنے کا اوتار تیار کیا جا سکے۔
دوسرے ویڈیو ماڈلز کے ساتھ OmniHuman 1.5 کا موازنہ کریں — وہی ورک اسپیس، سوئچ کرنے کے لیے ایک کلک۔
ایک جھلک کہ لوگ CreateVision AI پر AI ویڈیو ماڈلز کے ساتھ کیا تخلیق کر رہے ہیں۔
ByteDance کا OmniHuman 1.5 آڈیو سے ایک ہی پورٹریٹ چلاتا ہے: مطابقت پذیر ہونٹ، قدرتی تاثرات، اور پورے جسم کے اشارے جو آواز کی تال اور معنی کا جواب دیتے ہیں — نہ صرف ایک حرکت پذیر منہ۔ ایک تصویر اور کلپ اپ لوڈ کریں، یا متن ٹائپ کریں اور آواز چنیں۔
OmniHuman 1.5 کو ایک واحد پورٹریٹ اور ایک آڈیو کلپ دیں اور یہ شخص کی شناخت، چہرے کی ساخت اور روشنی کو محفوظ رکھتے ہوئے، درست ہونٹ سنک کے ساتھ چہرے کو قابل اعتماد بولنے کی کارکردگی میں متحرک کرتا ہے۔ کوئی دھاندلی، کوئی گرین اسکرین، کوئی اسٹوڈیو نہیں۔
بنیادی بات کرنے والے ہیڈ ٹولز کے برعکس، OmniHuman 1.5 سر کی حرکت، کرنسی کی تبدیلی، اور ہاتھ کے اشاروں کو چلانے کے لیے آڈیو کے تال، پراسوڈی اور معنی کو پڑھتا ہے — اس لیے اوتار ایک متحرک منہ کے ساتھ جامد تصویر کے بجائے ایک حقیقی پیش کنندہ کی طرح زور دیتا ہے، روکتا ہے اور رد عمل ظاہر کرتا ہے۔
ہاتھ پر کوئی آڈیو نہیں؟ ٹیکسٹ موڈ پر سوئچ کریں: اوتار کو کیا کہنا چاہیے ٹائپ کریں، بلٹ ان ٹیکسٹ ٹو اسپیچ لائبریری سے آواز کا انتخاب کریں، اور OmniHuman 1.5 آپ کے لیے بولی جانے والی کارکردگی پیدا کرتا ہے۔ اسکرپٹ پیش کنندگان، وضاحت کنندگان اور سماجی کلپس کے لیے مثالی۔
ماڈل مختلف آڈیو سٹائل کے ساتھ ڈھل جاتا ہے — پرسکون بیان، تاثراتی مکالمے، یہاں تک کہ گانا بھی — اور کیمرے اور اشاروں کی سمت کے لیے اختیاری ٹیکسٹ رہنمائی کی پیروی کر سکتا ہے، جو مارکیٹنگ، تربیت اور سماجی مواد کے لیے موزوں نتائج پیدا کرتا ہے۔
ایک اکاؤنٹ، مکمل امیج اور ویڈیو جنریشن ورک فلو۔
روزانہ کے کریڈٹس کے ساتھ مفت شروع کریں۔ پریمیم ماڈلز، تیز تر جنریشن اور 4K آؤٹ پٹ کے لیے اپ گریڈ کریں۔
شروعات کرنے کے لیے بہترین
سالانہ بل · $240/سال
سالانہ بل · $300/سال
OmniHuman 1.5 ByteDance کا آڈیو سے چلنے والا اوتار ماڈل ہے: یہ سنگل پورٹریٹ کے علاوہ وائس ٹریک کو مطابقت پذیر ہونٹوں، تاثرات اور اشاروں کے ساتھ حقیقت پسندانہ بات کرنے والی ویڈیو میں بدل دیتا ہے۔
ایک واضح واحد فرد کی پورٹریٹ تصویر، نیز یا تو ایک آڈیو کلپ (mp3/wav) یا — ٹیکسٹ موڈ میں — وہ متن جسے آپ بولنا چاہتے ہیں اور بلٹ ان لائبریری سے منتخب کردہ آواز، جسے ڈرائیونگ آڈیو میں ترکیب کیا جاتا ہے۔
فی نسل 35 سیکنڈ تک آڈیو۔ طویل اسکرپٹس کو ایک سے زیادہ کلپس میں بہترین طور پر تقسیم کیا جاتا ہے۔ بلنگ آڈیو کے دوسرے حصے میں ہوتی ہے، راؤنڈ اپ۔
جی ہاں OmniHuman 1.5 سر کی حرکت، کرنسی، اور ہاتھ کے اشارے پیدا کرتا ہے جو آڈیو کی تال اور معنی کا جواب دیتے ہیں، اس لیے اوتار صرف ہونٹوں کی مطابقت پذیری کے بجائے پرفارم کرتا ہے۔
ایک واحد، واضح طور پر نظر آنے والا، اچھی روشنی اور بغیر کسی رکاوٹ کے چہرے والا سامنے والا شخص۔ گروپ فوٹو، چھوٹے چہرے، یا بہت زیادہ بند چہرے معیار کو کم کرتے ہیں یا ناکام ہو سکتے ہیں۔
تخلیق کردہ آڈیو کا فی سیکنڈ۔ آپ کے بنانے سے پہلے درست کریڈٹ لاگت دکھائی جاتی ہے، اور ناکام رنز خود بخود واپس کر دیے جاتے ہیں۔
