ಮಾತಿನ ಪಠ್ಯ AI ಏಜರ್‌ಗಳು ಸಂಗೀತ ಮಾತಿನ ಪಠ್ಯ ಧ್ವನಿ ಕೆರಳುವಿಕೆ ಧ್ವನಿ ವಿನ್ಯಾಸName ಮಾರುಕಟ್ಟು ಇನ್ನಷ್ಟು
ದೋಷ / ಉಪಘಟಕದ ಮನವಿಯನ್ನು ವರದಿ ಮಾಡು@ option: check Ask for Confirmation When

AILp Sync ವಿಡಿಯೊ ಉತ್ಪತ್ತಿQuery

ಒಂದು ಮುಖ ಚಿತ್ರ ಹಾಗು ಒಂದು ಆಡಿಯೋ ಕ್ಲಿಪ್ ಅನ್ನು ಒಂದು ಸಂಭಾಷಣೆಗೆ ಸೇರಿಸು ಲಿಪ್ಸಿಂಗ್, ತಲೆಯ ops ಮತ್ತು ಮಿನುಗುವ. ಈಗ ನಾವು ಒಂದು ನಮೂನೆಯನ್ನು ಹುಡುಕುತ್ತಿರುವಾಗ, ಇದು ಪರವಾನಗಿ ಮಾಡಲು ಅವಕಾಶವಿರುತ್ತದೆ. ಇದು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.

ಮುಕ್ತವಾಗಿ ಮೇಲೆ ಗುರುತಿಸು
Lyp ಸಹಿಯನ್ನು ಈಗ ಲಭ್ಯವಿಲ್ಲ. ಸಾಫ್ಟ್ ಶುಲ್ಕರ್ ಮಾದರಿ ಇದು ಬಾಸೆಲ್ ಪ್ರೊಫೈಲ್ ಮೆಲಟನಲ್ಲಿ ತರಬೇತಿಗೊಳಿಸಲಾಗಿತ್ತು, ಇದು ಕಾಮ್ಮೇರೆಂಟಿಕ್ ವಿಶ್ಲೇಷಣೆಯಲ್ಲದ ಸಂಶೋಧನೆಗಾಗಿ ಮಾತ್ರ ಅನುವಾದಿಸಲ್ಪಡುತ್ತದೆ, ಆದ್ದರಿಂದ ನಾವು ಅದನ್ನು ಒಂದು ಸಂಬಳ ಸೇವೆಗಾಗಿ ನೀಡಲಾರೆವು. ಒಂದು ಸೂಕ್ತವಾದ ಲೈಸನ್ಸ್ ಅನ್ನು ಹೊಂದಿರುವ ಯಾವ ಪ್ರತಿಷ್ಠಾಪನೆಯೂ ಇನ್ನೂ ಅನುಸ್ಥಾಪಿಸಿಲ್ಲ.

ಮುಖ + ಆಡಿಯೊವನ್ನು ಅಪ್‌ಲೋಡ್ ಮಾಡು

ಸೆಕೆಂಡಿಗೆ 1,000 ಅಕ್ಷರಗಳು

ನಿಮ್ಮ ಕಡತವನ್ನು ಇಲ್ಲಿಗೆ ಎಳೆದುಹಾಕು( T) ವೀಕ್ಷಿಸು

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

ಕಡತ. ಫಾರ್ಮಾಟ್3

0 MB

ನಿಮ್ಮ ಕಡತವನ್ನು ಇಲ್ಲಿಗೆ ಎಳೆದುಹಾಕು( T) ವೀಕ್ಷಿಸು

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

ಕಡತ. ಫಾರ್ಮಾಟ್3

0 MB

ನಿಮ್ಮ ವಿಡಿಯೋವನ್ನು ಸಿದ್ಧಗೊಳಿಸಿ. ಇದು ಸಾಮಾನ್ಯವಾಗಿ 30 ಸೆಕೆಂಡಿನಿಂದ ೨ ನಿಮಿಷ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ.

ನಿಮ್ಮ ಸಂವಾದ ವೀಕ್ಷಣೆName

MP4 ಅನ್ನು ಡೌನ್‌ಲೋಡ್ ಮಾಡು

ಸಾಪ್ತಾಹಿಕ ಸಂಭಾಷಣೆಗಾರನ ಬಗ್ಗೆ

ಸಾಯ್ ಟೆಂಪೆಟರ್ (CVPR223, ಟೆನ್‌ಪ್ರೆಷನ್ ARC) ಯಾವುದೇ ಆಡಿಯೊವನ್ನು ಮಾತನಾಡಲು ಒಂದು ಮುಖದ ಚಿತ್ರವನ್ನು ಸಜೀವವಾಗಿಸುವಂಥ, ಸಾಪ್ತಾ ಟೆಲಿಗ್ರಾಫ್‌ವಿಕ್ಸಸ್ ನಂತಿರದೆ, ಸಾಪ್ತಾ ಟೆಲಿಗ್ರಾಫರ್ ತಲೆನೋಗಳು, ಮಿನುಗುವಿಕೆಗಳು ಮತ್ತು ನೈಸರ್ಗಿಕ ಫಲಿತಾಂಶಗಳಿಗಾಗಿ ಎಕ್ಸ್‍ಪ್ರೆಶನ್ ಎಕ್ಸ್‍ಪ್ರೆಸ್(CVPR2).

SadTalker's code is Apache-2.0, but its 3D face reconstruction weights were trained on the Basel Face Model, whose license allows non-commercial research only. TTS.ai is a commercial service, so the tool was switched off on September 15, 2026.

ಉತ್ತಮ ಫಲಿತಾಂಶಗಳಿಗೆ ಸುಳಿವು

  • ಒಂದು ನೀಟಾಗಿ, ಸುಗಮವಾಗಿ ಚಿತ್ರವನ್ನು ಬಳಸು ಕಣ್ಣುಗಳು ಗೋಚರಿಸುತ್ತವೆ, ಬಾಯಿಯನ್ನು ಮುಚ್ಚುತ್ತದೆ
  • ಕೇಂದ್ರೀಕೃತ ಮುಖ, ಚೌಕ ಅಥವಾ 4: 5 ಆಕಾರ ದರ ವಿಭಜನೆಯೇ ಅತ್ಯುತ್ತಮವಾಗಿದೆ
  • ವಾಚನಾ ಶ್ರೇಣಿಯನ್ನು ಸ್ವಚ್ಛಗೊಳಿಸು (ಮೌನ ಇಲ್ಲ) Name
  • GFPGan ಅನ್ನು ಹೀಬ್ರೂಟ್ಸ್‌ಗಳಿಗೆ ಶಕ್ತಗೊಳಿಸು —⁠ ಇಬ್ಬಗೆಯ ಸಾಲು ಸಮಯ ಆದರೆ ಚುರುಕಿನ ವಿವರವನ್ನು ಶಕ್ತಗೊಳಿಸು
  • ನೀವು ಸ್ಥಿರವಲ್ಲದ ವಿಶ್ಲೇಷಣೆಗೆ ಗುರಿಯಾದಾಗ, ಸ್ಥಿರವಾಗಿ ನಿಲ್ಲುವ ಪೂರ್ವಸಂಸ್ಥೆಯನ್ನು ಉಪಯೋಗಿಸಿರಿ

ಲಿಪ್ Sync ವಿಡಿಯೋ ತಂತ್ರಾಂಶಗಳುName

ನಿಮಗೆ ಹೆಚ್ಚು ಅಗತ್ಯವಿರುವಾಗ ಮುಕ್ತವಾಗಿ ಆರಂಭಿಸು, ಅಪ್‌ಡೇಟ್ ಮಾಡು

ಉಚಿತ
  • 30-ಎರಡು ಶ್ರವ್ಯಾಂಶ (ಆಡಿಯೋ) ಮಿತಿ
  • 256 px ಪ್ರದಾನ (ಔಟ್ ಪುಟ್)
  • "leill" ಮುಂಬದಿ ಮಾತ್ರ
  • ಯಾವುದೇ ಮುಖದ ವಿಸ್ತರಣಾಕಾರವಿಲ್ಲ
ಹೆಚ್ಚು ಜನಪ್ರಿಯ
ಮುಕ್ತ ಖಾತೆ
  • 30-ಎರಡು ಶ್ರವ್ಯಾಂಶ (ಆಡಿಯೋ) ಮಿತಿ
  • "ಪೂರ್ಣ" ಹಾಗು "ಸಂಪೂರ್ಣ" ಮುದ್ರಿತ ಸೆಟ್‌ಗಳು
  • 256 / 512 px ಉತ್ಪತ್ತಿ
  • GFPGan ಮುಖವು ಹೆಚ್ಚುವಹಿಸುತ್ತದೆ
ಮುಕ್ತವಾಗಿ ಮೇಲೆ ಗುರುತಿಸು
ಪ್ರಾಥಮಿಕName
  • ೫- ನಿಮಿಷಗಳ ಆಡಿಯೊ ಮಿತಿ
  • ಆದ್ಯತೆ GPU ವರ್ಗ
  • API ನಿಲುಕಣೆ (multipartup ನೌನ್‌ಲೋಡ್)
  • ಜಾಲ ಗೂಗಲ್ ಪೂರ್ಣಗೊಳಿಕೆ ಬ್ಯಾಕ್‌ಗಳು
  • ಪ್ರಸಕ್ತ ಲಭ್ಯವಿಲ್ಲ (ಕಮೈರಿಕವಲ್ಲದ ಮಾದರಿ ಲೈಸನ್ಸ್)
ಊರ್ಜಿತಗೊಳಿಸು

ಅನೇಕವೇಳೆ ಪ್ರಶ್ನೆಗಳು

Upload a face photo and an audio clip, and the AI generates a video of that face speaking the audio with lip movements, head pose and blinks. The tool is currently unavailable: it ran SadTalker (CVPR 2023), whose 3D face reconstruction weights were trained on the Basel Face Model, which is licensed for non-commercial research only.

ಪ್ರದಾನ (aptPG) ಅಥವಾ JPG ಅಥವ PNG ಚಿತ್ರ (UP MB 10 MB) ಅಥವ ಒಂದು ಚಿಕ್ಕ MP4 ಡ್ರೈವ್ ಡ್ರೈವ್ ವಿಡಿಯೋ (ನಾವು ಮೊದಲ ಚೌಕವನ್ನು ಬಳಸುತ್ತೇವೆ). ಡ್ರೈವ್ ಆಡುವುದು MP3, WAV, MAV, ಅಥವಾ FLC 10 MB ಗೆ. ನಾವು ChM-ಗೆ ಒಂದು RAMSE ಆಡಿಯೊವನ್ನು ಆಂತರಿಕವಾಗಿ ಪುನರಾವರ್ತಿಸುತ್ತೇವೆ. ನಾವು CTHS ನಲ್ಲಿ DAC ಅನ್ನು ಮರುಸ್ಥಾಪಿಸುತ್ತೇವೆ.

ಮುಕ್ತ ಖಾತೆಗಳು: ಒಂದು Clip ಗೆ 30 ಸೆಕೆಂಡುಗಳವರೆಗೆ. ಬಕೆಟ್‌ಗಳನ್ನು ಬಳಸುವುದು: ಪ್ರತಿ ಮನವಿಗೆ ಸುಮಾರು 5 ನಿಮಿಷಗಳವರೆಗೆ ಕೇಳಲಾಗುತ್ತದೆ. ಹೆಚ್ಚು ಸಮಯ ಆಡುವುದು ಮತ್ತು ಹೆಚ್ಚಿನ ಅಕ್ಷರದ ಬೆಲೆ.

Lip ಸಹನ್ ವಿಡಿಯೋ ಒಂದು ಪುನರುಜ್ಜೀವನ ವಿಡಿಯೋದಲ್ಲಿ 1,000 ಅಕ್ಷರಗಳನ್ನು ಬಳಸುತ್ತದೆ. ಒಂದು 30-ಅಧಿವೇಶನ ಕ್ಲಿಪ್ = 30,000 ಅಕ್ಷರಗಳನ್ನು. ವೆಚ್ಚವು ನಿಮ್ಮ ಅಕ್ಷರಸಾಮಲತೆಯಿಂದ ಮುಂಭಾಗವನ್ನು ಜೋಡಿಸುತ್ತದೆ ಹಾಗು ಪೀಳಿಗೆಯು ವಿಫಲಗೊಂಡಾಗ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಪುನರುಜ್ಜೀವನವಾಗುತ್ತದೆ.

No. The tool is switched off because the model license does not allow it. SadTalker code is Apache-2.0, but its bundled face reconstruction network was trained on the Basel Face Model 2009, whose license allows internal, non-commercial research only. Videos generated with it before September 15, 2026 are not for commercial use, paid plans included. You are responsible for having the rights to the source face image and audio you upload.

5-ಅರನೆ ಕ್ಲಿಪ್ ಸುಮಾರು 30 ಸೆಕೆಂಡು ಹಿಡಿಯಿತು. ಇದು ತುಂಬಾ ಸಮನಿಸುತ್ತಾ ಧ್ವನಿ-ದತ್ತ ಸಮನದಲ್ಲಿ ಅಳೆಯುತ್ತದೆ. ನಾವು ಮಾತನಾಡುವ-ತಲೆ ನಮೂನೆಯನ್ನು ಹುಡುಕುತ್ತಿರುವಾಗ ಇದು ಈಗ ಲಭ್ಯವಿಲ್ಲ ಮತ್ತು ಇದು ಅನುವು ಮಾಡಿ ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.

ಸಂಪೂರ್ಣ ಅನಿವಾರ್ಯ (ಪೂರ್ವನಿಯೋಜಿತ) ತಲೆ, ಮಿನುಗುವಿಕೆ, ತುಟಿಗಳೊಂದಿಗೆ ವೀಕ್ಷಣೆ ಮತ್ತು ಅಭಿವ್ಯಕ್ತಿಯು ಹೆಚ್ಚು ಸ್ವಾಭಾವಿಕವಾಗಿ ಮಾತಾಡುತ್ತಿರುವ ವಿಡಿಯೋವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ.

GFPGAN is a face restoration model that sharpened facial details after rendering. It is not offered: its StyleGAN2 prior is under an NVIDIA non-commercial license and its face parsing model is CC BY-NC-SA.

256 ಗೆ ಪೂರ್ವನಿಯೋಜಿತವಾಗಿ ನಿರೂಪಿಸಲಾದ ಸಾಯ್ ಟೆಲಿವಿಷನ್, 512 px ವೇಗವಾಗಿ ಕೊಡುವ ಆಯ್ಕೆಯೊಂದಿಗೆ. ಇದು ಈಗ ಲಭ್ಯವಿಲ್ಲ. ಒಂದು ಶ್ರೀಮಟ್, ಉತ್ತಮ, ಉತ್ತಮ ಮತ್ತು ಉತ್ತಮ ಗುಣಮಟ್ಟದ ಚಿತ್ರವು ಯಾವುದೇ ಸಂವಾದದ ನಮೂನೆಯೊಂದಿಗೆ ಉತ್ತಮ ಫಲಿತಾಂಶವನ್ನು ಕೊಡುತ್ತದೆ.

ಹೌದು. MP4 ಅಥವಾ ವೆಬ್M ಅನ್ನು ಮುಖದ ಇನ್‌ಪುಟ್ ಆಗಿ ಉತ್ಥಾಪಿಸಿ ನಾವು ಮೊದಲ ಚೌಕಟ್ಟನ್ನು ಡ್ರೈವ್ ಗುರುತಾಗಿ ಬಳಸುತ್ತೇವೆ. ಪೂರ್ಣ ವಿಡಿಯೋ ಮತ್ತೆ ಡಬ್ಬಿಂಗ್ ಬಾಯನ್ನು ಬದಲಾಯಿಸುವಿಕೆ (ಹೆಚ್ಚೆ ಬಾಯ ಬದಲಿ), ಬರಲಿರುವ ಡಬ್ಬಿಂಗ್ ಪ್ಲಗಿಂಗ್ ವಿಡಿಯೋ ಪ್ಲಗಿನ್ ನೋಡಿ.

Yapi/ Vip/ 1 lip/ lib ಗೆ ಬಹುಪಾಲು ಕೋರಿಕೆ (ಪ್ರೋಗ್ರಾಂ), ಮುಖ ಮತ್ತು ಧ್ವನಿ ಕ್ಷೇತ್ರಗಳೊಂದಿಗೆ/ಸಂಪರ್ಕಸ್ಥಾನಗಳಿಗೆ, ನಂತರ /api/v1/libscript/result= "ಪೂರ್ಣಗೊಳ್ಳುವುದು". MP4 ಗೆ ಪ್ರತ್ಯುತ್ತರವು ಒಂದು ತಾಣವನ್ನು ಒಳಗೊಂಡಿದೆ. API ಗೆ ಒಂದು ಪಾರದರ್ಶಕ ಪ್ರೋಗದ ಅಗತ್ಯವಿರುತ್ತದೆ.

ಸಾಪ್ತಾ ಚಾಲಕಿಯು ಅತ್ಯಂತ ಪ್ರಸಿದ್ಧವಾದ ಮುಖವನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಹಾಗು ಬೆಳೆಸಲು ಮುಖ-ಸಂಸ್ಕಾರವನ್ನು ಬಳಸುತ್ತದೆ. ಉತ್ತಮ ಫಲಿತಾಂಶಕ್ಕಾಗಿ, ಒಂದು ವ್ಯಕ್ತಿಯೊಂದಿಗೆ ಚಿತ್ರವನ್ನು ಅಪ್‌ಡೇಟ್‌ ಮಾಡಲಾಗುತ್ತದೆ. ಗುಂಪು ಫೋಟೋಗಳು ಊಹಿಸಲಾಗದ ಫಲಿತಾಂಶಗಳನ್ನು ತರಬಹುದು.
5.0/5 (1)

ನೀವೇನು ಉತ್ತರ ಕೊಡುವಿರಿ?

ಆರಂಭಿಸಲು ಸಿದ್ಧನಾ?

50 ರ ದರಗಳನ್ನು ಪಡೆಯಿರಿ.

ಮುಕ್ತವಾಗಿ ಮೇಲೆ ಗುರುತಿಸು ಪ್ರಸ್ತಾಪವನ್ನು ನೋಡಿ