Tekst kõnele AI-agendid Muusika Kõne tekstile Hääle kloonimine Hääle disain Turuplats Rohkem
Teata veast / Omaduse päring

AI Lip sünkroniseerimine Video Generator

Pöörata näo foto ja heliklipp rääkiv-head video huule sünkroniseerimine, pea poseerimine ja vilkub. Praegu kättesaamatu, kui me otsime mudel, kelle litsents võimaldab.

Registreeru tasuta
Meil pole veel TTS-hääli sinu keeles. Müü oma hääl
Huulesünkroon ei ole praegu saadaval. SadTalker mudel, mida ta kasutas oli koolitatud Basel Face mudel, mis on litsentseeritud mitte-äriliste uuringute, nii et me ei saa pakkuda seda tasuline teenus. Ei asenda sobiva litsentsi on paigaldatud veel.

Lae nägu + heli

1000 märki sekundis

Lohista & fail siia või sirvimine

JPG, PNG, or short MP4/WebM. Max 10MB. One clear, well-lit face works best.

fail.mp3

0 MB

Lohista & fail siia või sirvimine

MP3, WAV, M4A, or FLAC. Max 10MB. Free: up to 30 sec. Pro: up to 5 min.

fail.mp3

0 MB

Video renderdamine võtab tavaliselt 30 sekundit kuni 2 minutit.

Sinu kõnelev peavideo

Allalaadimine

SadTalkerist

SadTalker (CVPR 2023, Tencent ARC) on avatud lähtekoodiga rääkiv-head mudel, mis animeerib ühe näo pilt rääkida tahes heli. Erinevalt Wav2Lip variandid, SadTalker ka animeerib pea poseerida, vilkub, ja väljendus rohkem loomulik tulemus.

SadTalker kood on Apache-2.0, kuid selle 3D nägu rekonstrueerimise kaalud olid koolitatud Basel Face mudel, kelle litsents võimaldab mitte-äriline teadus ainult. TTS.ai on äriteenus, nii et vahend oli välja lülitatud 15. septembril 2026.

Parimate tulemuste nõuanded

  • Kasutage kvaliteetset hästivalgustatud portreed nähtavad silmad, suu kinni
  • Keskel nägu, ruudu või 4:5 kuvasuhe toimib kõige paremini
  • Puhta kõne heli (muusikata) annab tihedama huulesünkroonsuse
  • Luba GFPGAN kangelane shots ~ Doubles muuta aega, kuid teritab detaile
  • Kasutage ikka valmis, kui soovite kindlat avatari lööki

Lip Sünkroniseeri videoplaanid

Alusta tasuta, uuenda, kui vajad rohkem

Vaba
  • 30-sekundiline audiopiirang
  • 256 px väljund
  • Ainult eelseadistatud
  • Näotugevdajat pole
Kõige populaarsem
Vaba konto
  • 30-sekundiline audiopiirang
  • Nii "täis" kui ka "veel" eelseadistused
  • 256 / 512 px väljund
  • GFPGAN näotugevdaja
Registreeru tasuta
Pro
  • 5-minutiline helipiirang
  • Prioriteetne GPU järjekord
  • API-juurdepääs (mitmeosaline üleslaadimine)
  • Veebikonksu lõpetamise tagasihelistamised
  • Praegu kättesaamatu (mitteärilise mudeli litsents)
Uuendamine

Korduma kippuvad küsimused

Lae üles näofoto ja heliklipp ning tehisintellektiga luuakse video sellest näost, kus räägitakse huulte liigutustega, peapoosiga ja vilgub. Tööriist ei ole saadaval: see töötas SadTalkeriga (CVPR 2023), kelle 3D näo rekonstrueerimisraskusi õpetati Basel Face Modell, mis on litsentseeritud ainult mitteäriliseks uurimistööks.

Näosisendiks võib olla JPG või PNG pilt (kuni 10 MB) või lühike MP4/WebM sõiduvideo (me kasutame esimest raami). Sõiduheli võib olla MP3, WAV, M4A või FLAC kuni 10 MB. Me valime heli 16 kHz sees.

Tasuta kontod: kuni 30 sekundit klipi kohta. Maksavad kasutajad: kuni 5 minutit päringu kohta. Pikemad audio tähendab pikemat aja ja suurema tähemärgi maksumust.

Huule sünkroniseerimine video kasutab 1000 tähemärki sekundis loodud video. 30-sekundiline klipp = 30,000 tähemärki. Maksumus on tasutud ees oma iseloomu tasakaalu ja tagastatakse automaatselt, kui generatsioon ebaõnnestub.

Ei. Tööriist on välja lülitatud, sest mudel litsentsi ei luba seda. SadTalker kood on Apache-2.0, kuid selle komplekteeritud näo rekonstrueerimise võrk oli koolitatud Basel Face Model 2009, kelle litsents võimaldab sisemist, mitte-äriline teadus ainult. Videod loodud enne 15. septembrit 2026 ei ole kaubanduslikuks kasutamiseks, tasulised plaanid lisatud. Te vastutate õiguste eest allikas näo pilt ja heli üles laadida.

Kui tööriist jooksis, võttis 5- sekundiline klips umbes 30 sekundit, skaleerimine umbes lineaarselt heli pikkus. See on hetkel kättesaamatu, kui otsime rääkiv-head mudel, kelle litsents seda võimaldab.

Täielik eelseadistatud (vaikimisi) animaadid pea poseerib, pilgutab ja väljendus koos huultega, tekitades loomulikuma rääkiva peaga video. Ikka seadistatud lukustab pea paika ja animeerib ainult suu, mis on kasulik, kui soovid kindlat avatari lööki.

GFPGAN on näo taastamise mudel, mis teritas näo üksikasju pärast renderdamist. Seda ei pakuta: selle StyleGAN2 on varem NVIDIA mitteärilise litsentsi all ja selle näo parsimise mudel on CC BY-NC-SA.

SadTalker renderdati vaikimisi 256 px, aeglasema võtmena 512 px. Tööriist ei ole hetkel kättesaadav; hästivalgustatud, kvaliteetne portree annab parima tulemuse iga rääkiva pea mudeliga.

Yes. Upload an MP4 or WebM as the face input and we will use the first frame as the driving identity. For full video re-dubbing (per-frame mouth replacement), see the upcoming Dubbing Studio video pipeline.

Jah. POST multipart palve /api/v1/lipsync / näo ja audio väljad, siis küsitlus /api/v1/lipsync/ result/? uudid= kuni staatus on lõpetatud. Vastus sisaldab URL teisendatud MP4. API juurdepääsu nõuab tasuline plaan.

SadTalker kasutab nägu-kõla avastada ja kärpida kõige silmatorkavam nägu. Parimate tulemuste, laadida portree ühe inimese keskel, silmad nähtavad ja minimaalne oklusioon. Grupi fotod võivad anda ettearvamatu tulemusi.
5.0/5 (1)

Mida me võiks parandada? Teie tagasiside aitab meil lahendada küsimusi.

Oled valmis alustama?

Registreeru tasuta ja saada 50 krediiti.

Registreeru tasuta Vaade Hinnakujundus