Black Friday sale50% OFFyour first month

Get 50% off

Officiel BytePlus-partnerBytePlus, et ByteDance-selskab

Officiel BytePlus-partner · OmniHuman 2.0

AI-lip sync: lav video med talende figurer fra billeder og stemme

Upload et billede, tilføj en lydspor, og personen på billedet vil udtale eller synge hvert ord med naturlige udtryk og bevægelser. Det kører på OmniHuman 2.0, ByteDances lyd-drevne model, med ét optag på op til 5 minut.

  • Op til 5 minutter
  • Tale, sang og rap
  • Mennesker, figurer og kæledyr
  • 720p eller 1080p
  • 4 kreditter kreditter per sekund

Lip Sync er et betalt værktøj. To måder at starte med et lille beløb: en prøveperiode på 48 timer for $3 (60 kreditter, cirka 15 sekunder i 720p; derefter fortsætter Creator til $19 den første måned og $25/måned, medmindre du opsiger inden for de 48 timer; fås også med Pro (60 kreditter, derefter $49/måned) eller Max (60 kreditter, derefter $99/måned)) eller en kreditpakke fra $8 (160 kreditter, cirka 40 sekunder i 720p, engangsbetaling uden abonnement).

På denne side
  1. Hvad du kan lave med det
  2. Sådan laver du en lipsync video i tre trin
  3. Hvad du kan lave med det
  4. Hvor stemmen kommer fra
  5. Hvad et lip sync-video koster
  6. Populære anvendelser
  7. Tips til et naturligt resultat
  8. Ofte stillede spørgsmål om AI lipsync
  9. Udforsk mere

Hvad du kan lave med det

En lipsync AI tager to ting, et billede af en person og noget, de skal sige, og returnerer en video af den person, der siger det. KreatorFlow Lip Sync gør dette med OmniHuman 2.0 ByteDances nyeste lyd-drevne video model. KreatorFlow er en officiel partner til BytePlus, et ByteDance-selskab og kører modellen gennem BytePlus.

Lyd-drevet betyder, at lyden styrer. Mundbevægelserne matcher ordene, bryn og hoved reagerer på betoninger, pauser ser ud som pauser, og en sang udføres i stedet for blot at blive mumlet. Din valgfrie tekstretning tilføjer kun, hvad lyden ikke kan sige, såsom et smil, et nik eller en langsom kamerazoom.

Fordi ét generering kan køre i op til 5 minutter, kan en hel tale, lektion, produktgennemgang eller sang være ét kontinuerligt optag med det samme ansigt fra start til slut, i stedet for korte klip samlet sammen.

Sådan laver du en lipsync video i tre trin

  1. 1

    Tilføj et foto

    Upload et klart foto af en person, en figur eller et kæledyr, eller vælg et fra dine uploads, generationer eller gemte figurer. Et ansigt, der ser ca. mod kameraet, med ubeskærmte læber, giver det bedste resultat.

  2. 2

    Tilføj stemmen

    Skriv et manuskript og vælg en af vores stemmer, eller tilføj din egen MP3 eller WAV: en optagelse, en sang eller en stemmelinje lavet i Audio studio, inklusive en stemme du har klonet. Sporet kan være 4 sekunder til 5 minutter langt.

  3. 3

    Generer og download

    Vælg 720p eller 1080p, tilføj en valgfri retning for bevægelser og kamera, og tryk på Generer. Prisen vises først: 4 kreditter kreditter pr. sekund i 720p, 6 kreditter i 1080p. Videoen er lige så lang som lyden og lander i dit bibliotek.

Hvad du kan lave med det

Op til 5 minutter i ét optag

Ethvert lydspor fra 4 sekunder til 5 minutter. Videoen er præcis lige så lang som lyden.

Talende, syngende og rap

Tale, dialog, fortælling, sange og hurtige vers. Mundformer, intonation og følelser følger sporet.

Rigtige mennesker, figurer og kæledyr

Portrætter, anime og tegneseriefigurer, 3D-figurer, fantasyvæsener og dyr.

Ethvert sprog

Modellen følger lyden, så stemmen kan være på ethvert sprog eller accent, du har lyd til.

Ret præstationen

Tilføj op til 2.000 tegn med retning: bevægelser, følelser, kamerabevægelser, ting der sker i baggrunden.

720p eller 1080p

4 kreditter kreditter per sekund i 720p og 6 kreditter per sekund i 1080p, vist før du genererer.

Hvor stemmen kommer fra

Vores stemmer. Skriv, hvad personen skal sige, og vælg en af de indbyggede engelske stemmer på Lip Sync-siden. Talen laves først med tekst til tale (2 kreditter pr. 1.000 tegn), og derefter videoen.

Dit eget optagelse. Optag på din telefon og upload som MP3 eller WAV. Ren tale med lidt baggrundsstøj giver de skarpeste mundbevægelser.

En stemme fra Audio studio. Lav en tale på flere sprog og stemmer med tekst til tale eller klon din egen stemme. De lydspor, du laver, vises i Lip Sync-lydvælgeren.

En sang. Upload en vokaltrack, du har rettigheder til. Hvis du kun har den fulde mix, fungerer en version med dæmpet musik bedre end en høj.

Hvad et lip sync-video koster

Kreditter pr. påbegyndt sekund af lyd, læst fra den samme kode, som studioet bruger til at opkræve kreditter med.

720p pr. sekund

4

kreditter

1080p pr. sekund

6

kreditter

Lip sync-kreditter efter lydlængde og opløsning
Lydlængde720p1080p
4 sekunder16 kreditter24 kreditter
10 sekunder40 kreditter60 kreditter
30 sekunder120 kreditter180 kreditter
1 minutter240 kreditter360 kreditter
5 minutter1.200 kreditter1.800 kreditter

Den korteste opkrævede klip er 4 sekunder, og den længste, 5 minutter kræver 1.200 kreditter kreditter og 720p. Lip Sync kræver en betalt konto: ethvert plan (fra Creator fra $19 og den første måned) eller ethvert kreditpakke (fra $8), er det nok. Kreditter til en video, der fejler, returneres automatisk. Se priser. Priser i amerikanske dollars.

Populære anvendelser

  • Produktpræsentationer og talsmandsreklamer fra ét varemærkebillede
  • Kursusforklaringer og undervisningsvideoer med den samme præsentatør i hver lektion
  • Fødselsdags- og takkebeskeder fra et foto, i din egen stemme
  • Musikvideoer og virtuelle sangere fra en karakter og en vokaltrack
  • Den samme besked på flere sprog, fra ét foto
  • Lydbog, podcast og nyhedssegmenter med et ansigt på skærmen
  • Talende maskoter, kæledyr og tegneseriekarakterer til sociale opslag

Tips til et naturligt resultat

  • Brug et skarpt foto med ét tydeligt synligt ansigt. Tæt på og halvfigur fungerer bedst; små ansigter i vide shots er mindre velegnede.
  • Hold munden og hagen fri: ingen hænder, mikrofoner eller hår over læberne.
  • Brug ren lyd. Baggrundsstøj og høj musik gør mundbevægelserne mindre præcise.
  • Skriv kun instruktioner om bevægelse som almindelige sætninger, for eksempel "Hun smiler, og læner sig frem mod kameraet, mens hun taler." Beskriv ikke, hvad der allerede er på billedet.
  • Test en kort linje i 720p, før du render en lang optagelse i 1080p.

Samtykke og ansvarlig brug

AI lipsync får personen på billedet til at tale eller synge lydsporet præcist. Reglerne er derfor klare. Ved første generering med et nyt billede beder hjemmesiden dig om at bekræfte, at det er dig, eller at du har samtykke. Billedet tjekkes, før kreditterne trækkes, og billeder med nøgenhed eller med personer under 18 år behandles ikke.

  • Brug dit eget billede eller et billede af en person, der har givet samtykke til ansigtsanimation. Du kan bruge dine egne figurer, dyr og illustrationer.
  • Brug en stemme, du har ret til at bruge: din egen, en standardstemme, en klonet stemme med samtykke eller en optagelse med tilladelse. Det samme gælder for musik og sange.
  • Seksuelt indhold, indhold med personer under 18 år og udgivelse af falske identiteter er forbudt. Du må ikke oprette optagelser, hvor rigtige personer siger ting, de aldrig har sagt, med henblik på svindel, chikane eller desinformation.
  • Offentlige personer, såsom celebriteter og politikere, må ikke bruges uden deres samtykke og rettigheder til at bruge deres image.
  • Når du uploader video af en rigtig person, der taler, skal du mærke videoen som AI-genereret. Mange platforme kræver denne mærkning.

Den fulde liste over forbud findes i Brugspolitik (engelsk).

Ofte stillede spørgsmål om AI lipsync

Hvad er AI lipsync?

AI lipsync omdanner et statisk foto og et lydspor til en video, hvor personen på billedet taler eller synger lyden. På KreatorFlow kører det på OmniHuman 2.0, ByteDance's lyd-drevne videomodel: læberne følger hvert ord, og ansigt, hoved og overkrop bevæger sig med stemmens rytme og følelser.

Hvor lang kan en lipsync-video være?

Videoen er lige så lang som din lyd: 4 sekunder til 5 minutter pr. generation. Det er langt nok til en fuld præsentation, en lektion, et podcast-segment eller en hel sang i ét tag.

Hvor meget koster AI lipsync?

4 kreditter kreditter pr. sekund af lyd i 720p og 6 kreditter kreditter pr. sekund i 1080p, talt pr. påbegyndt sekund med et minimum på 4 sekunder. Et 10-sekunders klip koster 40 kreditter kreditter i 720p, og 1 minut kræver 240 kreditter. Den nøjagtige pris vises, før du genererer, og et mislykket video giver kreditterne tilbage.

Har jeg brug for et betalt abonnement?

Ja. Lip Sync fungerer på ethvert betalt abonnement eller kreditpakke. Abonnementer starter fra Creator $19 i den første måned, og den mindste kreditpakke koster $8 for 160 kreditter kreditter. Begge opløsninger er tilgængelige på alle betalte konti.

Kan fotoet synge, ikke bare tale?

Ja. OmniHuman 2.0 følger sang og hurtig rap lige så godt som tale, med mund, intonation og følelser, der følger sporet. Upload vokalsporet; en ren vokal med lidt baggrundsmusik giver den mest nøjagtige mundbevægelse.

Hvilke sprog fungerer lipsync på?

Modellen følger lyden af lydsporet, så stemmesporet kan være på ethvert sprog. Stemmerne indbygget på Lip Sync-siden er engelske; til andre sprog skal du lave stemmelinjen i Audio studio eller uploade din egen optagelse.

Fungerer det med tegnefilm, 3D-figurer og dyr?

Ja. Udover rigtige mennesker animerer OmniHuman 2.0 anime- og tegnefilmfigurer, 3D-figurer, fantasyvæsener og dyr, såsom en kat eller en ræv, så længe ansigtet er klart.

Kan jeg bruge et foto af en anden person?

Kun med deres tilladelse. Du skal være personen på billedet eller have deres samtykke til at få dem til at tale, og du skal have ret til at bruge stemmen og eventuel musik. Webstedet beder dig bekræfte dette for hvert nyt foto. Celebriteter og offentlige personer er ikke tilladt uden tilladelse, og intet seksuelt eller involverende mindreårige er tilladt.

Kan jeg bruge min egen stemme eller en klonet stemme?

Ja. Upload en optagelse af dig selv, eller klon din stemme i Audio studio, lav en stemmelinje med den og vælg den linje i Lip Sync. De indbyggede stemmer koster Text to Speech-prisen for linjen (2 kreditter pr. 1.000 tegn) oven i videoen.

Er der en lipsync API?

Ja. Udviklere kan kalde /v1/lip-sync med et foto og et lydspor og betale pr. sekund i forudbetalte tokens: $0.20 pr. sekund i 720p og $0.30 i 1080p. Se OmniHuman API-siden.

Lav din første talende video

Åbn Lip Sync, tilføj et billede og en stemme, og se prisen, før du genererer. Tilgængelig på ethvert betalt abonnement eller et kreditpakke fra 199 kr., uden abonnement.

Lip Sync er et betalt værktøj. To måder at starte med et lille beløb: en prøveperiode på 48 timer for $3 (60 kreditter, cirka 15 sekunder i 720p; derefter fortsætter Creator til $19 den første måned og $25/måned, medmindre du opsiger inden for de 48 timer; fås også med Pro (60 kreditter, derefter $49/måned) eller Max (60 kreditter, derefter $99/måned)) eller en kreditpakke fra $8 (160 kreditter, cirka 40 sekunder i 720p, engangsbetaling uden abonnement).

Udforsk mere