Szöveg a beszédhez AI ügynökök Zene Beszéd szövegre Hang klónozása Hangtervezés Piactér Még
Hibajelentés / feladatkérés

AI Lip Sync Video Generator

Fordítsa az arcképet és audio klipet egy beszélő-fej videó ajak szinkronizálás, fej póz és pislogás. Jelenleg nem elérhető, amíg keresünk egy modellt, amelynek licence lehetővé teszi.

Regisztráció Ingyenes
A SadTalker modell, amit használt, a Basel Face Model-en volt kiképezve, amely csak nem kereskedelmi kutatásra engedélyezett, így nem tudjuk fizetni a szolgáltatást. Még nincs telepítve a megfelelő licenc.

Feltöltés Face + Audio

1000 karakter másodpercenként

Itt húzza le a fájlt, vagy böngészés

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

file.mp3

0 MB

Itt húzza le a fájlt, vagy böngészés

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

file.mp3

0 MB

Ez általában 30 másodperc 2 percig tart.

A beszédfejes videód

MP4 letöltése

A SadTalkerről

SadTalker (CVPR 2023, Tencent ARC) egy nyílt forráskódú beszélő-fej modell, amely animálja az egyetlen arcképet, hogy bármilyen audio. Ellentétben a Wav2Lip változatok, SadTalker is animáció fej póz, pislogás, és kifejezés egy természetes eredmény.

A SadTalker kódja az Apache-2.0, de 3D arcrekonstrukciós súlyait a Bázel Face Modelen képezték ki, amelynek licence csak nem kereskedelmi kutatást tesz lehetővé. TTS.ai egy kereskedelmi szolgáltatás, így az eszközt 2026. szeptember 15-én kikapcsolták.

Tippek a legjobb eredményekért

  • Használjon kiváló minőségű, jól megvilágított portrét, látható szemek, száj zárva
  • Koncentrált arc, négyzet vagy 4:5 méretarány működik a legjobban
  • Tiszta beszéd hang (nem zene) ad feszesebb ajak szinkronizálás
  • A GFPGAN engedélyezése hős lövésekhez A páros időt ad, de részleteket élesít.
  • Használd a Still preset-et, amikor állandó avatar lövést akarsz.

Lip Szinkron video tervek

Ingyenes indítás, frissítés, ha többre van szükséged

Ingyenes
  • 30 másodperces audio limit
  • 256 px kimenet
  • "Még mindig" csak előre beállított
  • Nincs arcerősítő
Legnépszerűbb
Ingyenes számla
  • 30 másodperces audio limit
  • Mind a "teljes" mind a "még" előre beállított
  • 256 / 512 px kimenet
  • GFPGAN arcerősítő
Regisztráció Ingyenes
Pro
  • 5 perces audio limit
  • Prioritású GPU sor
  • API-hozzáférés (többrészes feltöltés)
  • Webhook befejezési visszahívások
  • Jelenleg nem áll rendelkezésre (nem kereskedelmi modellengedély)
Frissítés

Gyakran ismételt kérdések

Feltölt egy arcképet és egy audio klipet, és az MI készít egy videót arról, hogy az arc a szájmozgásokkal, fejpózzal és pislogással beszél. Az eszköz jelenleg nem elérhető: a SadTalker (CVPR 2023), amelynek 3D arcrekonstrukciós súlyait a Bázeli Face Modellen képezték ki, amely csak nem kereskedelmi kutatásra engedélyezett.

Az arcbemenet lehet JPG vagy PNG kép (legfeljebb 10 MB) vagy egy rövid MP4/WebM vezetési videó (az első képkockát használjuk). A meghajtó audió lehet MP3, WAV, M4A, vagy FLAC akár 10 MB. Újraminta audió 16 kHz belső.

Ingyenes számlák: klipenként legfeljebb 30 másodperc. Fizető felhasználók: akár 5 perc kérésre. Hosszabb audió azt jelenti, hosszabb idő és magasabb karakter költség.

Lip sync videó használ 1000 karakter másodpercenként generált videó. Egy 30 másodperces klip = 30,000 karakter. A költség előre számlázzák a karakter egyensúly és automatikusan visszatérítik, ha a generáció sikertelen.

Nem. Az eszköz azért van kikapcsolva, mert a modell licenc nem teszi lehetővé. A SadTalker kód az Apache-2.0, de a csomagban lévő arcrekonstrukciós hálózata a Bázel Face 2009-es modellen volt kiképezve, amelynek licence csak belső, nem kereskedelmi kutatást tesz lehetővé. A 2026. szeptember 15. előtt készült videók nem kereskedelmi használatra készültek, a fizetett tervek is benne vannak. Ön felelős a forrás arckép és audió feltöltésének jogaiért.

Amikor az eszköz futott, egy 5 másodperces klip körülbelül 30 másodpercet vett igénybe, nagyjából lineárisan, audio hosszával. Jelenleg nem elérhető, miközben egy beszélő-fej modellt keresünk, amelynek licence lehetővé teszi.

Teljes preset (alapértelmezett) animáció fej póz, pislog, és a kifejezés mellett az ajkak, egy természetesebb beszélő-head videó. Még mindig előre beállított zár a fej a helyén, és animáció csak a száj · hasznos, ha azt szeretnénk, hogy egy állandó avatar lövés.

A GFPGAN egy arcrestaurálási modell, amely a fordítás után élesítette az arc adatait. Nem ajánlott: a StyleGAN2 előélete NVIDIA nem kereskedelmi licenc alatt áll, és arcra szerelhető modell a CC BY-NC-SA.

A SadTalker alapesetben 256 px-en, 512 px-en, lassabban. Az eszköz jelenleg nem elérhető, egy jól megvilágított, magas minőségű portré a legjobb eredményt adja bármilyen beszédfejes modellel.

Igen. Töltsön fel egy MP4 vagy WebM-et az arc bemeneteként, és az első képkockát fogjuk használni, mint a vezetési identitást. A teljes videó újradubbing (per-frame száj csere), lásd a közelgő Dubbing Studio videovezetéket.

Yes. POST a multipart request to /api/v1/lipsync/ with face and audio fields, then poll /api/v1/lipsync/result/?uuid= until status is "completed". The response contains a URL to the rendered MP4. API access requires a paid plan.

A SadTalker arc-összehangolást használ a legkiemelkedőbb arc felismerésére és megvetésére. A legjobb eredmény érdekében tölts fel egy portrét egy személyre, látható szemekkel és minimális elzáródással. A csoportos fotók kiszámíthatatlan eredményeket eredményezhetnek.
5.0/5 (1)

Mit lehetne javítani? A visszajelzés segít megoldani a problémákat.

Készen állsz?

Jelentkezz ingyen és szerezz 15.000 karaktert. Nincs szükség hitelkártyára.

Regisztráció Ingyenes Tekintse meg az árakat