Tải lên ảnh chân dung và một đoạn âm thanh (tối đa 35 giây), và OmniHuman 1.5 sẽ tạo ra một video avatar biết nói với chuyển động môi đồng bộ và chuyển động tự nhiên.
Một bức chân dung cùng kịch bản trở thành người phát ngôn sống động — khẩu hình, biểu cảm và cử chỉ đồng bộ. Không cần máy quay, không cần phòng thu.
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.
OmniHuman 1.5 điều khiển khẩu hình, biểu cảm và chuyển động cơ thể trên trang này.
Kết hợp ảnh và giọng nói để tạo ra một hình đại diện biết nói sống động như thật.
Video chất lượng cao theo phong cách điện ảnh với âm thanh được đồng bộ hóa tự nhiên.
Chuyển đổi văn bản và hình ảnh thành video, độ phân giải lên đến 4K, có tùy chọn âm thanh.
Câu chuyện nhiều cảnh với khả năng kiểm soát cấp độ tham chiếu.
Ảnh chân dung kiểu người dẫn chương trình được tạo trên CreateVision AI — chỉ cần thêm âm thanh, bất kỳ ảnh nào cũng có thể chạy thành video avatar biết nói.
Công cụ tạo avatar AI (người kỹ thuật số) hoàn chỉnh: tải lên ảnh chân dung và đoạn âm thanh — hoặc nhập kịch bản và chọn giọng nói — để có được video nói chuyện sống động như thật với chuyển động môi đồng bộ, biểu cảm và cử chỉ tự nhiên. Được hỗ trợ bởi ByteDance OmniHuman 1.5, không cần máy ảnh, diễn viên hay studio.
Không cần quay phim, không cần diễn viên, không cần phông nền xanh. Chỉ cần tải lên một bức ảnh rõ nét của một người và biến nó thành người thuyết trình đọc kịch bản của bạn. Tạo một người dẫn chương trình kỹ thuật số có thể tái sử dụng cho các video giới thiệu sản phẩm, phần mở đầu khóa học, thông báo và quảng cáo — và tạo lại các đoạn hội thoại mới bất cứ lúc nào mà không cần quay lại.
Bạn đã có bản ghi âm giọng nói? Hãy tải lên và hình đại diện sẽ khớp khẩu hình với giọng nói đó. Không có âm thanh? Chuyển sang chế độ văn bản — nhập những gì hình đại diện nên nói, chọn giọng nói từ thư viện chuyển văn bản thành giọng nói tích hợp sẵn, và kịch bản sẽ được tổng hợp thành âm thanh điều khiển cho bạn. Thời lượng ước tính và chi phí tín dụng sẽ được hiển thị trước khi bạn bắt đầu tạo.
OmniHuman 1.5 đọc nhịp điệu, ngữ điệu và ý nghĩa của âm thanh để điều khiển chuyển động đầu, tư thế và cử chỉ tay, đồng thời khớp môi chính xác, trong khi vẫn giữ nguyên danh tính và ánh sáng của người nói. Kết quả mang lại hiệu quả giống như một người thuyết trình thực thụ hơn là một bức chân dung tĩnh với miệng được hoạt họa.
Tạo các đoạn video người phát ngôn cho quảng cáo và trang đích, các bài học có lời thuyết minh và hướng dẫn đào tạo, bài đăng có người dẫn chương trình cho mạng xã hội, hoặc các phiên bản đa ngôn ngữ của cùng một thông điệp. Mỗi thế hệ đều được lưu lại lịch sử với các dữ liệu đầu vào, vì vậy bạn có thể lặp lại và tạo ra các biến thể một cách nhanh chóng.
| Đầu vào | Một ảnh chân dung cộng với một tệp âm thanh tải lên hoặc một kịch bản bạn tự gõ. |
|---|---|
| Hướng dẫn về ảnh chân dung | Chính diện, đủ sáng, thấy trọn gương mặt và nét căng. Kính râm và bóng đổ đậm làm giảm độ chính xác khẩu hình. |
| Độ dài âm thanh | Tối đa 35 giây mỗi lần tạo — khoảng 85 từ nói. |
| Thư viện giọng đọc | 60 giọng đọc dựng sẵn trên 10 ngôn ngữ, nghe thử được trước khi tạo. |
| Mô hình | OmniHuman 1.5, mô hình điều khiển khẩu hình, biểu cảm gương mặt cùng chuyển động đầu và cơ thể tự nhiên. |
| Chi phí | Tính phí theo từng giây đầu ra như các kiểu tạo video khác; hiển thị trước khi bạn tạo. |
| Đầu ra | Một clip tải về được, lưu vào lịch sử kèm ảnh chân dung gốc và kịch bản. |
Một bức chân dung, một đoạn giọng nói, một clip.
Ảnh chụp chính diện, rõ nét cho kết quả tốt nhất. Trình tạo video avatar AI đọc khuôn mặt từ đúng khung hình này.
Tải lên một tệp âm thanh, hoặc gõ kịch bản rồi chọn giọng từ thư viện có sẵn. Âm thanh dài tối đa 35 giây.
Mô hình đồng bộ khẩu hình, biểu cảm và chuyển động đầu tự nhiên theo âm thanh, rồi trả về một clip bạn có thể tải xuống hoặc nối dài.
Ở đây không có prompt ảnh — ảnh chân dung và âm thanh mới là thứ làm việc. Cái bạn viết là kịch bản, và những lựa chọn trong kịch bản quyết định kết quả trông có tự nhiên hay không.
Hãy bắt đầu bằng một câu ngắn. Giây đầu tiên là lúc khẩu hình lộ rõ nhất.
Này — nói nhanh chuyện này nhé.
Giữ mỗi câu dưới khoảng 15 từ. Mệnh đề dài tạo ra những khoảng ngắt không tự nhiên.
Serum này có hai thành phần. Đó là toàn bộ công thức.
Dấu phẩy và dấu chấm trở thành nhịp lấy hơi. Đặt chúng ở chỗ bạn thật sự ngừng.
Nó hiệu quả — và chỉ mất mười giây.
Khoảng 2,5 từ mỗi giây. Hãy viết vừa với độ dài clip bạn muốn.
khoảng 85 từ cho một clip 35 giây
Sản phẩm mang tính cách mạng của chúng tôi ứng dụng công nghệ tiên tiến nhất để mang lại những kết quả vô song cho các khách hàng tinh tế đang tìm kiếm sự xuất sắc.
Đây là phần lúc nào cũng có người hỏi. Hai thành phần, không chất độn. Khoảng một tuần là bạn thấy khác.
Câu đầu là một câu dài 19 từ toàn khái niệm trừu tượng — avatar đọc nó bằng giọng đều đều, hụt hơi, vì chẳng có chỗ nào để ngừng. Câu thứ hai là ba câu ngắn với những điểm nhấn tự nhiên, và đó là thứ khiến lời đọc nghe ra chất người.
Xin chào và chào mừng các bạn đến với kênh của chúng tôi, nơi hôm nay chúng ta sẽ cùng bàn về năm điều quan trọng nhất mà bạn cần biết về các quy trình chăm sóc da.
Năm điều về chăm sóc da. Điều đầu tiên là điều nhiều người vẫn làm sai.
Những câu mở đầu dài lê thê là nơi khẩu hình lệch nhiều nhất, vì mô hình không có dấu câu nào để bám vào. Một câu mở ngắn cho nó những điểm nhấn rõ ràng và cũng giữ chân người xem tốt hơn.
Avatar biết nói chỉ là một dạng kết quả. Tạo ảnh và tạo video cũng chạy từ chính tài khoản đó.
Việc tạo avatar đứng ở đâu giữa bức tranh rộng hơn của các engine video.
Tạo ra bức chân dung mà bạn sẽ đưa cho trình tạo avatar.
Giá video theo giây trông ra sao giữa các engine.
Tự tạo một ảnh chân dung gốc từ đầu nếu bạn chưa có sẵn.
Engine dùng cho những cảnh phụ bao quanh clip avatar của bạn.
Video avatar tính phí theo giây như mọi video khác. Tài khoản miễn phí có 80 tín dụng mỗi ngày để dùng thử.
Hoàn hảo để bắt đầu
Thanh toán hằng năm · $240/năm
Thanh toán hằng năm · $300/năm
Avatar AI là một video biết nói được tạo ra từ một bức ảnh và giọng nói duy nhất. Thay vì quay phim, bạn chỉ cần cung cấp ảnh chân dung và âm thanh (hoặc kịch bản + giọng nói), và mô hình sẽ tạo ra một màn trình diễn nói chuyện sống động như thật — được sử dụng như một người thuyết trình, phát ngôn viên hoặc người kể chuyện kỹ thuật số.
Một bức ảnh chân dung rõ nét, chụp chính diện, cùng với một đoạn âm thanh (mp3/wav) hoặc — ở chế độ văn bản — kịch bản bạn muốn nói và một giọng nói được chọn từ thư viện có sẵn. Chỉ cần như vậy là đủ để tạo ra một video avatar biết nói.
Có. Hãy tải bản ghi âm của riêng bạn lên và hình đại diện sẽ khớp khẩu hình với âm thanh đó. Nếu bạn không có bản ghi âm, hãy chuyển sang chế độ văn bản và chọn một giọng nói từ thư viện chuyển văn bản thành giọng nói.
Tối đa 35 giây âm thanh cho mỗi lần tạo. Đối với kịch bản dài hơn, hãy chia chúng thành nhiều đoạn nhỏ. Thời lượng ước tính sẽ hiển thị khi bạn nhập và bạn sẽ bị tính phí theo từng giây âm thanh.
Các ứng dụng phổ biến bao gồm video giới thiệu sản phẩm và quảng cáo, thuyết minh khóa học và hướng dẫn người mới, video ngắn trên mạng xã hội, thông báo và các phiên bản đa ngôn ngữ của một thông điệp — bất cứ nơi nào bạn cần quay phim người thuyết trình.
CreateVision AI sử dụng OmniHuman 1.5 của ByteDance, giúp điều khiển đồng bộ hóa chuyển động môi, chuyển động đầu và cử chỉ từ âm thanh. Xem trang mô hình OmniHuman 1.5 để biết chi tiết kỹ thuật.
Ảnh chân dung chính diện, đủ sáng, thấy trọn khuôn mặt và nét căng. Kính râm, bóng đổ đậm trên mặt, góc chụp quá lệch, hay khuôn mặt quá nhỏ trong khung hình đều làm giảm độ chính xác của khẩu hình.
Không. Bạn có thể gõ kịch bản và chọn giọng từ thư viện có sẵn, gồm 60 giọng trải trên 10 ngôn ngữ. Nếu muốn dùng bản thu của chính mình, hệ thống cũng cho phép tải lên.
Tối đa 35 giây âm thanh mỗi lần tạo. Với các bài trình bày dài hơn, hãy tạo nhiều đoạn rồi ghép lại — dùng cùng một ảnh chân dung gốc sẽ giữ người dẫn nhất quán qua các clip.
