Тексттен сүйлөөгө AI агенттери Музыка Сөздөн текстке Сөздү клондоо Сөз дизайны Marketplace Көбүрөөк
Катаны / мүмкүнчүлүктү билдирүү

AI Lip Sync видео генератору

Face photo and audio clip to a talking-head video with lip sync, head pose and flashes. Currently unavailable while we are looking for a model that has a license that allows it.

Акысыз катталуу
Сиздин тилиңиз үчүн TTS үндөрү азырынча жок. Бизге өзүңүздүн үндөрүңүздү кошуп берүүңүздү сурайбыз! Сиздин үнүңүздү сатуу
Ушу тапта оозду синхрондоштуруу мүмкүн эмес. Бул функция SadTalker моделин Basel Face Model модели менен машыктырган, ал лицензиясы коммерциялык эмес изилдөөлөр үчүн гана берилген, ошондуктан биз аны акы төлөнүүчү кызмат катары сунуштай албайбыз. Азырынча ылайыктуу лицензия менен алмаштыруу орнотулбаган.

Сүрөт жана аудио жүктөп алуу

1000 символ секундасына

Файлды бул жакка сүйрөп алып коюңуз же кароо

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

файл.mp3

0 MB

Файлды бул жакка сүйрөп алып коюңуз же кароо

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

файл.mp3

0 MB

Видеону жүктөп алуу. Бул процесс 30 секунддан 2 мүнөткө чейин созулат.

Сөз сүйлөгөн баш видеосу

Жүктөө

SadTalker жөнүндө

SadTalker (CVPR 2023, Tencent ARC) - бул ачык булактуу сүйлөгөн баш модели, ал бир эле беттин сүрөтүн анимациялап, каалаган аудиону сүйлөтөт. Wav2Lip варианттарынан айырмаланып, SadTalker ошондой эле баштын позициясын, көздү жумууну жана жүздү анимациялап, табигый көрүнүшкө ээ.

SadTalker коду Apache-2.0, бирок анын 3D бет реконструкциясы салмагы Basel Face Model боюнча даярдалган, анын лицензиясы коммерциялык эмес изилдөө гана мүмкүн. TTS.ai коммерциялык кызмат, ошондуктан, бул куралды 15-сентябрда 2026-жылы өчүрүлгөн.

Жакшы натыйжалар үчүн кеңештер

  • Катуу сапаттагы, жакшы жарыкталган портретти колдонуу — көзү көрүнөт, оозу жабык
  • Центрированная, квадратная или 4:5 пропорция лучше всего работает
  • Акысыз үн (музыка жок) ооздун синхрондошуусун жакшыртат
  • GFPGANди каармандардын сүрөттөрү үчүн колдонуу - рендер убакытын эки эсеге көбөйтүү, бирок деталдарды тактоо
  • Эгерде сиз аватарыңыздын сүрөтүн туруктуу алууну кааласаңыз, анда "Стойкий" параметрин колдонуп көрүңүз

Лип Синхронизациясы

Акысыз баштаңыз, керек болсо жаңыртыңыз

Акысыз
  • 30 секунддук аудио чектөө
  • 256 пикселдик чыгарылыш
  • "Стой" гана
  • Көзүн жакшыртуу жок
Эң популярдуу
Акысыз эсеп-кысап
  • 30 секунддук аудио чектөө
  • "толук" жана "түз" алдын-ала орнотуулары
  • 256 / 512 пикселдик чыгарылыш
  • GFPGAN бетти жакшыртуу
Акысыз каттоо
Про
  • 5-минуттык аудио чектөө
  • GPU кезектери
  • APIге кирүү (бир нече бөлүктөрдү жүктөп алуу)
  • Веб-хаук толуктоо кайтаруулары
  • Учурда жок (коммерциялык эмес моделдик лицензия)
Жаңылоо

Көп берилүүчү суроолор

Face photo and audio clip upload, and AI generates a video of that face speaking the audio with lips movements, head pose and glimpses. 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.

Face-инпут JPG же PNG сүрөтү (10 МБга чейин) же кыска MP4/WebM видеосу болушу мүмкүн (биринчи кадрды колдонобуз). Аудио-инпут MP3, WAV, M4A же FLAC болушу мүмкүн (10 МБга чейин). Аудио-инпут 16 кГцге чейин ички түрдө кайра диапазондоо менен иштелип чыгат.

Бесплатные учетные записи: до 30 секунд на клип. Платежные пользователи: до 5 минут на запрос. Болжолу аудио означает более длительный период отображения и более высокую стоимость символов.

Липсинхронизация видео использует 1000 символов в секунду генерируемого видео. 30-секундный клип = 30 000 символов. Стоимость предварительно оплачивается из вашего баланса символов и автоматически возвращается, если генерация не удалась.

Жок. Алгоритм выключен, так как модель лицензии не позволяет этого. SadTalker код Apache-2.0, но его пакетная сеть реконструкции лиц была обучена Basel Face Model 2009, лицензия которой разрешает внутреннее, некоммерческое исследование. Видео, созданные с помощью этого инструмента до 15 сентября 2026 года, не предназначены для коммерческого использования, платные планы включены. Вы несете ответственность за то, чтобы у вас были права на загружаемый источник изображения лица и аудио.

Аспапты иштеткенде, 5 секунддук клип 30 секундду түзөт, масштабы аудио узундугуна жараша болжол менен линейдик. Бул учурда жок, анткени биз лицензиясы ага мүмкүндүк берген сүйлөгөн баш моделин издеп жатабыз.

Толук алдын-ала орнотуу (стандарттык) баштын орду, көз карашын жана жүзүнүн кыймылын анимациялайт, бул сөз сүйлөгөн баштын видеосун жаратат. Ал эми калыбына келтирүү алдын-ала орнотуу башты өз ордуна бекемдеп, оозун гана анимациялайт. Бул абалаттын стабилдүү сүрөтүн алуу үчүн пайдалуу.

GFPGAN - бул бетти калыбына келтирүү модели, ал рендерден кийин беттин деталдарын так көрсөтөт. Бул сунуш кылынбайт: анын StyleGAN2 версиясы NVIDIA коммерциялык эмес лицензиясы менен, ал эми бетти анализдөө модели CC BY-NC-SA лицензиясы менен берилген.

SadTalker 256 пикселдик өлчөмдө, 512 пикселдик өлчөмдө ылдыйкы параметрде көрсөтүлгөн. Бул аспап учурда жок; жакшы жарыкталган, сапаттуу портрет ар кандай сүйлөгөн баш моделинде мыкты натыйжаны берет.

Да. MP4 же WebM файлын бетти киргизүү катары жүктөп алыңыз, биз биринчи кадрды рулдук идентификатор катары колдонобуз. Видеону толук дублдоо (бир кадрга оозду алмаштыруу) үчүн Dubbing Studio видео конвейерин караңыз.

Да. POST 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 an URL to the rendered MP4. API access requires a paid plan.

SadTalker эң көрүнүктүү бетти аныктоо жана кыркуу үчүн бетти тууралоону колдонот. Эң мыкты натыйжа үчүн, бир адам борбордо, көзү көрүнгөн жана минималдуу окклюзиясы бар портретти жүктөңүз. Топтук сүрөттөр күтүлбөгөн натыйжаларды бериши мүмкүн.
5.0/5 (1)

Биз эмнени жакшыртсак болот? Сиздин пикириңиз бизге көйгөйлөрдү чечүүгө жардам берет.

Баштоого даярсызбы?

Акысыз катталып, 15 000 символду алыңыз. Кредиттик карта керек эмес.

Акысыз катталуу Бааны көрүү