Black Friday sale50% OFFyour first month

Get 50% off

Offisiell BytePlus-partnerBytePlus, et ByteDance-selskap

Offisiell BytePlus-partner · OmniHuman 2.0

AI lipsync: Lag video med talende figurer fra bilder og stemme

Last opp et bilde, legg til en lydspor, og figuren på bildet vil uttale eller synge hvert ord med naturlige uttrykk og bevegelser. Det kjører på OmniHuman 2.0, ByteDance sin lyd-drevne modell, med ett opptak på opptil 5 minutt.

  • Opptil 5 minutt
  • Snakking, synging og rap
  • Folk, figurer og kjæledyr
  • 720p eller 1080p
  • 4 kreditter kreditter per sekund

Lip Sync er et betalt verktøy. To måter å starte med et lite beløp på: en prøveperiode på 48 timer for $3 (60 kreditter, omtrent 15 sekunder i 720p; deretter fortsetter Creator til $19 den første måneden og $25/måned, med mindre du sier opp innen de 48 timene; finnes også med Pro (60 kreditter, deretter $49/måned) eller Max (60 kreditter, deretter $99/måned)) eller en kredittpakke fra $8 (160 kreditter, omtrent 40 sekunder i 720p, engangsbetaling uten abonnement).

På denne siden
  1. Hva du kan lage med AI lipsync
  2. Lag en lipsync-video i 3 steg
  3. Videoen du kan lage
  4. Hvor stemmen kommer fra
  5. Pris for lip sync-video
  6. Populære bruksområder
  7. Tips for et naturlig resultat
  8. Ofte stilte spørsmål om AI-lipsync
  9. Utforsk mer

Hva du kan lage med AI lipsync

AI lipsync tar to ting: et bilde av en person og det de skal si. Resultatet er en video der den personen faktisk snakker. Lipsync i KreatorFlow bruker ", OmniHuman 2.0 ByteDance sin nyeste lyd-drevne videomodell. KreatorFlow er ", en offisiell partner av BytePlus, et ByteDance-selskap og kjører modellen gjennom BytePlus.

Lyd-drevet betyr at lyden styrer. Munnbevegelsene matcher ordene, øyenbrynene og hodet reagerer på vektlegging, pauser ser ut som pauser, og en sang fremføres i stedet for bare å matche leppene. Skriftlige instruksjoner er nok for ting som lyden ikke formidler, som et smil, et nikking eller en langsom kamerazoom.

En enkelt generering kan vare opptil ", 5 minutter, så en hel tale, undervisningsmateriell, produktgjennomgang eller en hel sang kan bli ett kontinuerlig opptak med samme ansikt fra start til slutt, i stedet for korte klipp som er limt sammen.

Lag en lipsync-video i 3 steg

  1. 1

    Legg til et bilde

    Last opp ett tydelig bilde av en person, en figur eller et kjæledyr, eller velg ett fra opplastningene, genereringene eller lagrede karakterer. Best resultat oppnås med et bilde der det er ett ansikt som ser omtrent mot kameraet, med åpen munn.

  2. 2

    Legg til stemmen

    Skriv inn et manus og velg en av de innebygde stemmene, eller last opp din egen MP3- eller WAV-fil: en opptak, en sang eller en stemmelinje laget i Audio-studioet, inkludert en stemme du har klonet. Sporet kan være 4 sekunder til 5 minutter langt.

  3. 3

    Generer og last ned

    Velg 720p eller 1080p, legg til valgfri instruks for bevegelser og kamera, og trykk Generer. Prisen vises først: 4 kreditter kreditter per sekund i 720p, 6 kreditter i 1080p. Videoen er like lang som lydsporet og havner i biblioteket ditt.

Videoen du kan lage

Ett opptak på opptil 5 minutt

Lyden kan vare 4 sekunder til 5 minutter, og videoens lengde er nøyaktig den samme som lyden.

Talende bilde, syngende bilde

Snakking, dialog, fortelling, sanger og rask rap. Munnformer, intonasjon og følelser følger lydsporet.

Folk, figurer, kjæledyr

Portretter, anime- og tegneseriefigurer, 3D-figurer, fantasyvesener og dyr kan animeres.

Alle språk

Modellen følger lyden, så norsk og andre språk eller dialekter kan brukes så lenge det finnes lyd.

Bevegelsesinstruksjoner

Skriv bevegelser, følelser, kamerarørsler og hendelser i bakgrunnen til 2 000 tegn.

720p eller 1080p

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

Hvor stemmen kommer fra

Innebygde stemmer. Skriv inn hva personen skal si, og velg en av de engelske stemmene på Lip Sync-siden. Stemmeopptaket lages først med tekst til tale (2 kreditter per 1 000 tegn), og deretter videoen.

Ditt eget opptak. Ta opp med telefonen din, og last opp som MP3 eller WAV. Ren tale med lite bakgrunnsstøy gir skarpeste munnbevegelse.

Stemme fra Audio-studioet. Lag en stemmelinje med tekst til tale på flere språk og stemmer, eller klon din egen stemme. Lydfiler du lager, vises i Lip Sync-lydvelgeren.

En sang. Last opp en vokaltrack du har rettighetene til. Hvis du bare har den fulle miksen, fungerer en versjon med roligere musikk bedre enn en høy.

Pris for lip sync-video

Kreditter per startet sekund av lyd, lest fra samme kode studioet bruker for å ta ut kreditter.

720p per sekund

4

kreditter

1080p per sekund

6

kreditter

Lip sync-kreditter etter lydlengde og oppløsning
Lydlengde720p1080p
4 sekunder16 kreditter24 kreditter
10 sekunder40 kreditter60 kreditter
30 sekunder120 kreditter180 kreditter
1 minutter240 kreditter360 kreditter
5 minutter1 200 kreditter1 800 kreditter

Den korteste fakturerbare klippen er 4 sekunder, og den lengste videoen, 5 minutter koster 1 200 kreditter kreditter og 720p. Lip Sync krever en betalt konto: et abonnement (fra Creator fra $19 og den første måneden) eller et kreditt-pakke (fra $8). Kreditter for en video som feiler, returneres automatisk. Se priser. Priser i amerikanske dollar.

Populære bruksområder

  • Produkt-presentasjoner og talsmann-reklamer fra ett merkebilde
  • Kursforklaringer og treningsvideoer med samme presentatør i hver leksjon
  • Bursdags- og takk-meldinger fra et bilde, i din egen stemme
  • Musikkvideoer og virtuelle sangere fra en karakter og en vokaltrack
  • Samme melding på flere språk, fra ett bilde
  • Lydbok, podcast og nyhetssegmenter med et ansikt på skjermen
  • Snakkende maskoter, kjæledyr og tegneseriekarakterer for sosiale innlegg

Tips for et naturlig resultat

  • Bruk et skarpt bilde med ett tydelig synlig ansikt. Nærbilder og halvfigurer fungerer best; små ansikter i vide bilder er mindre egnet.
  • Hold munnen og haken fri: ingen hender, mikrofoner eller hår over leppene.
  • Bruk ren lyd. Bakgrunnsstøy og høy musikk gjør munnbevegelsen mindre presis.
  • Skriv instruksjoner om bevegelse som vanlige setninger, for eksempel «hun smiler, så hun lener seg mot kameraet mens hun snakker». Beskriv ikke det som allerede er på bildet.
  • Test en kort linje i 720p før du lager en lang opptak i 1080p.

Samtykke og ansvarlig bruk

AI-lipsync får personen på bildet til å si eller synge lydsporet nøyaktig slik det er. Reglene er derfor klare. Når du genererer med et nytt bilde første gang, ber nettsiden deg om å bekrefte at det er deg selv, eller at du har samtykke. Bildet sjekkes før kreditter belastes, og bilder med nakenhet eller med personer under 18 år behandles ikke.

  • Bruk ditt eget bilde eller et bilde av en person som har gitt samtykke til ansiktsanimasjon. Du kan bruke dine egne figurer, dyr og illustrasjoner.
  • Bruk en stemme du har rett til å bruke: din egen, standard, klonet med samtykke eller en opptak du har tillatelse til. Det samme gjelder musikk og sanger.
  • Seksuelt innhold, innhold som involverer personer under 18 år, og utgivelse av falske identiteter er forbudt. Ikke lag opptak der virkelige personer sier ting de aldri har sagt, med hensikt om svindel, trakassering eller desinformasjon.
  • Offentlige personer, som kjendiser og politikere, kan ikke brukes uten deres samtykke og rettigheter til å bruke bildet.
  • Når du laster opp video av en virkelig person som snakker, merk at videoen er laget med AI. Mange plattformer krever denne merkingen.

Full liste over forbud finnes i Bruksvilkår (engelsk).

Ofte stilte spørsmål om AI-lipsync

Hva er AI lipsync?

AI lipsync omdanner et stillestående bilde og et lydspor til en video der personen på bildet snakker eller synger lydsporet. På KreatorFlow kjører det på OmniHuman 2.0, ByteDance sin lyd-drevne videomodell: leppene følger hvert ord, og ansikt, hode og overkropp beveger seg i takt med stemmens rytme og følelser.

Hvor lang kan en lipsync-video være?

Videoen er like lang som lydsporet ditt: 4 sekunder til 5 minutter per generering. Det er langt nok til en full presentasjon, en undervisningsvideo, et podcast-avsnitt eller en hel sang i ett opptak.

Hvor mye koster AI lipsync?

4 kreditter kreditter per sekund av lyd i 720p og 6 kreditter kreditter per sekund i 1080p, telt per påbegynt sekund med et minimum på 4 sekunder. Et 10-sekunders klipp koster 40 kreditter kreditter i 720p240 kreditter kreditter. Den nøyaktige prisen vises før du genererer, og mislykkede videoer gir kredittene tilbake.

Trenger jeg et betalt abonnement?

Ja. Lip Sync fungerer på alle betalte abonnementer eller kredittpakker. Abonnementene starter fra Creator $19 i den første måneden, og den minste kredittpakken er $8 for 160 kreditter kreditter. Begge oppløsningene er tilgjengelige på alle betalte kontoer.

Kan bildet synge, ikke bare snakke?

Ja. OmniHuman 2.0 følger sang og rask rap like godt som tale, med munn, intonasjon og følelser som følger sporet. Last opp vokalsporet; en ren vokal med lite bakgrunnsmusikk gir mest nøyaktig munnbevegelse.

Hvilke språk fungerer lipsync på?

Modellen følger lyden av lydsporet, så stemmesporet kan være på ethvert språk. Stemmene innebygd på lipsync-siden er på engelsk; for andre språk lager du stemmelinjen i Audio-studioet eller laster opp ditt eget opptak.

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

Ja. I tillegg til virkelige mennesker, animere OmniHuman 2.0 anime- og tegneseriefigurer, 3D-figurer, fantasiskapninger og dyr, som en katt eller en røyskatt, så lenge ansiktet er tydelig.

Kan jeg bruke et bilde av noen andre?

Bare med deres tillatelse. Du må være personen på bildet eller ha deres samtykke til å få dem til å snakke, og du må ha rettighetene til å bruke stemmen og eventuelle sanger. Nettsiden ber deg bekrefte dette for hvert nytt bilde. Kjendiser og offentlige personer er ikke tillatt uten tillatelse, og ingenting seksuelt eller som involverer mindreårige er tillatt.

Kan jeg bruke min egen stemme eller en klonet stemme?

Ja. Last opp et opptak av deg selv, eller klon stemmen din i Audio-studioet, lag en stemmelinje med den og velg den linjen i Lipsync. De innebygde stemmene koster Text to Speech-prisen for linjen (2 kreditter per 1 000 tegn) i tillegg til videoen.

Finnes det en lipsync-API?

Ja. Utviklere kan kalle /v1/lip-sync med et bilde og et lydspor og betale per sekund med forhåndsbetalte token: $0.20 per sekund i 720p og $0.30 i 1080p. Se OmniHuman API-siden.

Lag din første talende video

Åpne lipsync, last opp et bilde og en lyd, og se prisen før du genererer. Tilgjengelig på alle betalingsabonnement eller kredittpakker fra 49 kr, ingen abonnement nødvendig.

Lip Sync er et betalt verktøy. To måter å starte med et lite beløp på: en prøveperiode på 48 timer for $3 (60 kreditter, omtrent 15 sekunder i 720p; deretter fortsetter Creator til $19 den første måneden og $25/måned, med mindre du sier opp innen de 48 timene; finnes også med Pro (60 kreditter, deretter $49/måned) eller Max (60 kreditter, deretter $99/måned)) eller en kredittpakke fra $8 (160 kreditter, omtrent 40 sekunder i 720p, engangsbetaling uten abonnement).

Utforsk mer