ليکنه وينا ته استازي موسیقي غږيز ليکنه غږ نقلول غږ سازونه بازار نور
کړاو راپورول / د ځانتيا غوښتنه

د AI د پاڼې د ویډیو جوړونکی

د مخ عکس او د غږ کلیپ د لپ سینک، سر پوزې او بلیکونو سره د خبرو اترو سر ویډیو ته بدل کړئ. اوس مهال نه شتون لري پداسې حال کې چې موږ د هغه ماډل لپاره ګورو چې د لیږد اجازه یې اجازه ورکوي.

په وړیا ډول راجستر شئ
موږ خپل غږ وپلوري
د Lip sync اوس مهال شتون نلري. د SadTalker ماډل چې دا یې کارولی په Basel Face Model کې روزل شوی و، چې یوازې د غیر سوداګریزو څیړنو لپاره اجازه لري، نو موږ نشو کولی په یوه تادیه شوي خدمت کې یې وړاندې کړو. د مناسب جواز سره هیڅ ځای نه نصب کیږي.

مخ + غږيز لېږل

په سېکېنډ کې ۱۰۰۰ لوښه

خپل دوتنه دلته ځغلول او پرېښودل، يا لټول

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

دوتنه.mp3

0 MB

خپل دوتنه دلته ځغلول او پرېښودل، يا لټول

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

دوتنه.mp3

0 MB

ستاسو د ویډیو د ښودلو. دا معمولا 30 ثانیې 2 دقیقې نیسي.

ستاسو خبرې کول-سر ويډيو

رالېښنې

په اړه SadTalker

SadTalker (CVPR 2023، Tencent ARC) یو خلاص سرچینه خبرې کول-سر ماډل دی چې د یو واحد مخ انځور د هر ډول غږیز خبرې کولو لپاره ژوندي کوي. د Wav2Lip ډولونو برعکس، SadTalker هم د ډیر طبیعي پایلې لپاره سر پوزې، بلیکونه او څرګندونه ژوندي کوي.

د SadTalker کوډ Apache-2.0 دی، مګر د هغې د 3D مخ بیارغونې وزنونه د Basel Face Model په اړه روزل شوي، چې د دوی جواز یوازې غیر سوداګریز څیړنې ته اجازه ورکوي. TTS.ai یو سوداګریز خدمت دی، نو وسیله د سپتمبر په 15، 2026 کې بنده شوې وه.

د غوره پایلو لپاره لارښوونې

  • د لوړ کیفیت، ښه روښانه عکس کاروئ - سترګې ښکاري، خوله تړل شوې
  • مرکزي مخ، مربع یا 4: 5 اړخ نسبت غوره کار کوي
  • پاک خبرې آډیو (نه موسیقي) توليدات tighter لپ sync
  • د قهرمان عکسونو لپاره GFPGAN فعال کړئ - دوه ځله وخت رامینځته کوي مګر تفصیلات sharpens
  • کله چې تاسو يو ثبات لرونکی انځورن انځور غواړﺉ، د سټېلېټ مخکوت کارول

د پاڼې د سمون ويډيو پلانونه

وړیا پیل کړئ، تازه کړئ کله چې تاسو ډیر اړتیا لرئ

وړیا
  • غږيزه کچه ۳۰ سېکېنډه
  • وتۍ ٢٥٦ پکسلز
  • يوازې "هغه هم" مخکوت
  • هېڅ مخ زياتوونکی
تر ټولو مشهور
وړیا ګڼون
  • غږيزه کچه ۳۰ سېکېنډه
  • دواړه "پورې" او "ناڅاپي" مخکوتونه
  • ۲۵۶ / ۵۰۱ پکسله وتۍ
  • GFPGAN مخ زياتونکی
په وړیا ډول راجستر شئ
د
  • ۵-منۍ غږيزه کچه
  • د GPU د اوليت لړۍ
  • API لاسرسي (ډير برخې پورته کول)
  • د وېب هوک بشپړولو اړيکنيو
  • اوس مهال نه شته (د غیر سوداګریز ماډل منښتليک)
اوسمهالول

ډېرې پوښتنې

د مخ عکس او آډیو کلیپ پورته کړئ، او AI د دې مخ ویډیو تولیدوي چې د لپ حرکتونو، سر پوزې او بلیکونو سره آډیو خبرې کوي. دا وسیله په اوس وخت کې نه ده: دا د SadTalker (CVPR 2023) چلوي، چې د 3D مخ بیارغونې وزنونه د Basel Face Model په اړه روزل شوي، کوم چې یوازې د غیر سوداګریزو څیړنو لپاره اجازه ورکړل شوې.

د مخ ننوتل کولی شي د JPG یا PNG انځور وي (تر 10 MB پورې) یا یو لنډ MP4 / WebM چلولو ویډیو (موږ لومړی فریم کاروو). د چلولو غږ کولی شي MP3، WAV، M4A، یا FLAC تر 10 MB پورې وي. موږ په داخلي توګه 16 kHz ته غږ راټول کوو.

وړیا حسابونه: تر 30 ثانیو پورې په هر کلیپ کې. د کاروونکو تادیه: تر 5 دقیقو پورې په هر غوښتنلیک کې. اوږده غږ د اوږدې مودې او لوړې کرکټرونو لګښت معنی لري.

د لیپ سینک ویډیو د تولید شوي ویډیو په ثانیه کې د 1,000 کرکټرونو کاروي. د 30 ثانیې کلیپ = 30,000 کرکټرونه. لګښت ستاسو د کرکټرونو توازن څخه مخکې بلل کیږي او په اتوماتيک ډول بیرته ورکول کیږي که نسل ناکام شي.

نه. وسیله د دې لپاره بنده شوې ځکه چې د ماډل جواز اجازه نه ورکوي. د SadTalker کوډ Apache-2.0 دی، مګر د هغې د بنډل شوي مخ بیارغونې شبکې د Basel Face Model 2009 په اړه روزل شوي، چې د هغې جواز یوازې داخلي، غیر سوداګریز څیړنې ته اجازه ورکوي. د سپتمبر 15، 2026 څخه مخکې د ویډیو تولید شوي ویډیوګانې د سوداګریز کارولو لپاره نه دي، د تادیې پلانونه شامل دي. تاسو د سرچینې مخ عکس او غږیز حقونو لپاره مسؤل یاست چې تاسو یې پورته کوئ.

کله چې وسیله روانه وه، د 5 ثانیې کلیپ د 30 ثانیو په اړه و، د آډیو اوږدوالي سره په خطي ډول خطي اندازه کول. دا اوس مهال نه شتون لري پداسې حال کې چې موږ د خبرو اترو سر ماډل ته ګورو چې د لیږد اجازه یې اجازه ورکوي.

بشپړ preset (د تل لپاره) د سر پوزه، بلیکونه، او د لپونو سره سره څرګندونه، د ډیر طبیعي خبرې کولو سر ویډیو تولیدوي. لاهم preset په ځای کې سر قفل کوي او یوازې د خولې ژوند کوي - ګټور کله چې تاسو یو ثابت اېواټر شوټ غواړئ.

GFPGAN د مخ د بیارغونې ماډل دی چې د رغولو وروسته د مخ جزییات څرګندوي. دا وړاندیز نه کیږي: د هغې StyleGAN2 مخکې د NVIDIA غیر سوداګریز جواز لاندې دی او د هغې مخ پارسنګ ماډل CC BY-NC-SA دی.

SadTalker په 256 px کې د تل لپاره، د 512 px سره د ورو انتخاب په توګه وړاندې کوي. دا وسیله په اوس وخت کې نه ده؛ یو ښه روښانه، د لوړ کیفیت عکس د هرې خبرې سر ماډل سره غوره پایلې ورکوي.

هو. د مخ انټيګیټ په توګه د MP4 یا WebM ډاونلوډ کړئ او موږ به لومړی فریم د چلولو هویت په توګه وکاروو. د بشپړ ویډیو بیا ډوب کولو لپاره (د هر فریم د خولې ځای په ځای کول)، د راتلوونکي ډوبنګ سټډیو ویډیو پایپ لاین وګورئ.

هو. د /api/v1/lipsync / سره د مخ او غږیز ساحو سره د څو برخو غوښتنه ، بیا د پوښتنې /api/v1/lipsync/result/؟ uuid = تر هغه چې وضعیت " بشپړ شوی " وي. ځواب د MP4 ته یو URL لري. API ته لاسرسی د تادیې پلان ته اړتیا لري.

SadTalker د مخ-alignment کاروي چې کشف او د تر ټولو مشهور مخ فصل. د غوره پایلو لپاره، د يو شخص مرکزي، سترګې ښکاره، او لږ تر لږه occlusion سره د انځور پورته. د ډلې انځورونه کولای شي د ناڅرګند پایلې توليد کړي.
5.0/5 (1)

موږ څه کولای شي چې ښه شي؟ ستاسو د نظر موږ سره مرسته کوي د ستونزو د حل.

د پېلولو لپاره چمتو ياست؟

وړيا راجستر او 50 کریډیټ ترلاسه کړئ. د کریډیټ کارت اړتیا نشته.

په وړیا ډول راجستر شئ نرخونه وګورئ