Texti í talName AI Agents Tónlist Tal í texta Raddklónun Hljóðhönnun Markaðsstaður Meira
Tilkynna villu / Feature Request

AI Lip Sync myndskeiðsrafall

Snúðu andlitsmynd og hljóðmynd í talandi höfuð myndband með lip sync, höfuð stellingu og blikkar. Nú ekki í boði meðan við leitum að líkani sem leyfi leyfir það.

Skráðu þig ókeypis
Lip sync er ekki í boði í augnablikinu. SadTalker líkanið sem það notaði var þjálfað á Basel Face Model, sem er leyfi fyrir rannsóknir sem ekki eru í viðskiptalegum tilgangi, svo við getum ekki boðið það á greidda þjónustu. Engin skipti með viðeigandi leyfi er uppsett ennþá.

Hlaða upp andlit + hljóð

1. 000 stafir á sekúndu

Dragðu og slepptu skránni hér, eða fletta

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

skrá.mp3

0 MB

Dragðu og slepptu skránni hér, eða fletta

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

skrá.mp3

0 MB

Þetta tekur yfirleitt 30 sekúndur til 2 mínútur.

Talandi-Head myndbandið þitt

Sækja

Um SadTalker

SadTalker (CVPR 2023, Tencent ARC) er opinn uppspretta talandi höfuð líkan sem hreyfir eitt andlit mynd til að tala hvaða hljóð.Ólíkt Wav2Lip afbrigði, SadTalker einnig hreyfa höfuð stelling, blikkar, og tjáning fyrir náttúrulegri niðurstöðu.

Síðasta útgáfa af 3D-myndvinnsluforritinu var Apache-2.0, en 3D-andlitsendurgerðarþyngd þess var þjálfuð á Basel Face Model, sem leyfi hans leyfir aðeins rannsóknir sem ekki eru í atvinnuskyni. TTS.ai er viðskiptaþjónusta, svo tólið var slökkt á 15. september 2026.

Ábendingar fyrir bestu niðurstöður

  • Notaðu hágæða, vel upplýst andlitsmynd - augu sýnileg, munnur lokaður
  • Miðjuð andlit, ferningur eða 4: 5 hlutfall virkar best
  • Hreint talhljóð (engin tónlist) skilar þéttari samstillingu á vörum
  • Virkja GFPGAN fyrir hetja skot - tvöfaldar gera tíma en skerpir smáatriði
  • Notaðu Still forstillinguna þegar þú vilt stöðugt avatar skot

Lip Sync myndbandsáætlanir

Byrjaðu ókeypis, uppfærðu þegar þú þarft meira

Frjáls
  • 30 sekúndna hljóðtakmörk
  • 256 px úttak
  • "Still" forstilling eingöngu
  • Engin andlit auka
Vinsælasta
Ókeypis reikningur
  • 30 sekúndna hljóðtakmörk
  • Bæði "full" og "stillt" forstillingar
  • 256 / 512 px úttak
  • GFPGAN andlit auka
Skráðu þig ókeypis
Pro
  • 5 mínútna hljóðtakmörk
  • Forgangsröð GPU
  • API aðgangur (multipart upphleðsla)
  • Til bakakalla fyrir Webhook- fullnustu
  • Nú ekki í boði (non-commercial líkan leyfi)
Uppfærsla

Algengar spurningar (FAQ)

Hladdu upp andlitsmynd og hljóðmynd og AI býr til myndband af því andliti sem talar hljóðið með vöruhreyfingum, höfuðstöðu og blikkar. Tólið er nú óaðgengilegt: það keyrði SadTalker (CVPR 2023), sem 3D andlits endurreisnarþyngd var þjálfuð á Basel Face Model, sem er leyfi fyrir rannsóknir sem ekki eru í viðskiptalegum tilgangi.

Andlitið getur verið JPG eða PNG mynd (allt að 10 MB) eða stutt MP4 / WebM akstursmyndband (við notum fyrsta ramma). Aksturshljóðið getur verið MP3, WAV, M4A eða FLAC allt að 10 MB.

Frjáls reikningar: allt að 30 sekúndur á myndskeiði.Greiðandi notendur: allt að 5 mínútur á beiðni. Lengri hljóð þýðir lengri endurgerð og hærri kostnaður.

Lip sync vídeó notar 1.000 stafi á sekúndu af myndskeiði sem myndast. 30 sekúndna myndskeið = 30.000 stafir.Kostnaðurinn er innheimtur fyrirfram frá persónujöfnuðinum þínum og endurgreiddur sjálfkrafa ef kynslóð mistekst.

Nei. Tólið er slökkt vegna þess að líkanleyfið leyfir það ekki. SadTalker kóðinn er Apache-2.0, en andlitsendurgerðarnetið sem fylgir því var þjálfað á Basel Face Model 2009, sem leyfir aðeins innri, óauglýsingar rannsóknir. Vídeó sem búið er til með því fyrir 15. september 2026 eru ekki til viðskiptanotkunar, þar með talið greiddar áskriftir. Þú berð ábyrgð á að hafa réttindi til andlitsmyndarinnar og hljóðsins sem þú hleður upp.

Þegar tólið var í gangi tók 5 sekúndna myndskeið um 30 sekúndur og mælikvarði þess var um það bil línulegur með lengd hljóðsins. Það er nú ekki tiltækt þar til við leitum að talhausmódeli sem leyfir það.

Full forstilling (sjálfgefið) hreyfir höfuðstöðu, blikkar og tjáning ásamt vörunum, sem framleiðir náttúrulegra talandi höfuðmyndband.Still forstilling læsir höfðinu á sínum stað og hreyfir aðeins munninn - gagnlegt þegar þú vilt stöðugt avatar skot.

GFPGAN er andlits endurreisnarlíkan sem skerpir andlitsupplýsingar eftir að hafa verið gerðar. Það er ekki í boði: StyleGAN2 fyrri er undir NVIDIA leyfi sem ekki er í viðskiptalegum tilgangi og andlitsgreiningarlíkanið er CC BY-NC-SA.

SadTalker er sjálfgefið gerð í 256 px, með 512 px sem hægari valkost. Tólið er ekki tiltækt núna; vel lýsing, hágæða portrett gefur bestu niðurstöðuna með hvaða tala höfuð líkan.

Já. Hladdu upp MP4 eða WebM sem andlitsinntak og við notum fyrsta ramma sem akstursauðkenni. Fyrir fullan vídeó endur-dubbing (per-frame munn skipti), sjá komandi Dubbing Studio vídeó leiðslum.

Já. POSTaðu fjölhluta beiðni til /api/v1/lipsync/ með andlits- og hljóðreitunum, þá spyrðu /api/v1/lipsync/result/?uuid= þar til staða er "lokið". Svarið inniheldur slóð á MP4 mynd. API aðgangur krefst greidds áætlunar.

SadTalker notar andlitssamræmi til að greina og skera áberandi andlit. Til að ná sem bestum árangri skaltu hlaða upp mynd með einum manni miðju, augu sýnileg og lágmarks lokun.
5.0/5 (1)

Hvað gætum við bætt? Viðbrögð þín hjálpa okkur að laga vandamál.

Tilbúinn til að byrja?

Skráðu þig ókeypis og fáðu 50 einingar. Engin kreditkort krafist.

Skráðu þig ókeypis Skoða verðlag