Текст к речи АИ Агенты Музыка Выступление с текстом Клонирование голоса Голосовой дизайн Рынок Больше
Доклад " Bugg " / " Особенности запроса "

AI Синхронизатор видеомагнитофона Lip

Сделай фото лица и аудиоклип на видео с толстяками с синхронизацией губ, головной позы и мигающими.

Не подписываться
Модель SadTalker, которую она использовала, была подготовлена на модели Basel Face, которая лицензирована только на некоммерческие исследования, поэтому мы не можем предложить ее на платной услуге. Замена подходящей лицензии пока не установлена.

Загрузить лицо + звук

1 000 знаков в секунду

Перетащите свой файл здесь, или Просмотр

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

файл mp3

0 MB

Перетащите свой файл здесь, или Просмотр

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

файл mp3

0 MB

Как правило, это занимает от 30 секунд до 2 минут.

Твоё видео-голову

Загрузка MP4

О Сад-Талкере

SadTalker (CVPR 2023, Tencent ARC) — модель с открытым исходным кодом, которая анимирует одно лицо, чтобы сказать любой звук. В отличие от Wav2Lip, SadTalker также анимирует позу головы, мигает и выражение для более естественного результата.

Код СадТалкера Apache-2.0, но его 3D-образные веса были подготовлены на модели Базельского лица, лицензия на которую допускает только некоммерческие исследования. TTS.ai является коммерческой услугой, поэтому инструмент был выключен 15 сентября 2026 года.

Рекомендации в отношении наилучших результатов

  • Использовать высококачественный, хорошо освещенный портрет: видимые глаза, закрытый рот
  • Скрытое лицо, квадратное или 4:5 соотношение сторон работает лучше всего
  • Чистая речь звук (без музыки) дает более жесткий синхронизм губ
  • Включите GFPGAN для героев — удваивает время, но уточняет детали
  • Используйте все еще сетку, когда хотите, чтобы аватар был снят.

Синхронные видеопланы Lip

Начать бесплатно, обновить, когда нужно больше

Свободные
  • 30-секундный предел звука
  • 256 px выходных
  • Только "по-прежнему"
  • Никакого усилителя лица
Самые популярные
Свободный счет
  • 30-секундный предел звука
  • Как "полные", так и "по-прежнему"
  • 256 / 512 вывода px
  • Усилитель лица GFPAN
Не подписываться
Про
  • 5-минутное ограничение звука
  • Приоритетная очередь GPU
  • Доступ к API (многоразрядная загрузка)
  • Обратные звонки в Webhook
  • В настоящее время отсутствует (некоммерческая типовая лицензия)
Модернизация

Часто задаваемые вопросы

Загрузить фото лица и аудиоклип, и МА производит видео, на котором это лицо говорит звук с движениями губ, головной позы и мигающими. В настоящее время этот инструмент недоступен: он работает в SadTalker (CVPR 2023), 3D-образный вес которого был подготовлен на модели Базельского лица, которая лицензирована только для некоммерческих исследований.

Вводом может быть изображение JPG или PNG (до 10 MB) или короткое видео вождения MP4/WebM (мы используем первую рамку). Звуковой звук может быть MP3, WAV, M4A или FLAC до 10 MB. Мы перепроверяем звук до 16 кГц.

Бесплатные аккаунты: до 30 секунд на клип. Платные пользователи: до 5 минут на запрос. Более длинное аудио означает более долгий рендеринг и более высокую стоимость в символах.

Lip sync видео расходует 1,000 символов за секунду сгенерированного видео. Клип в 30 секунд = 30,000 символов. Стоимость списывается заранее с вашего баланса символов и автоматически возвращается, если генерация не удалась.

Нет. Инструмент отключен, поскольку лицензия не позволяет его использовать. Код SadTalker - Apach-2.0, но его связанная сеть реконструкции была обучена модели 2009 года, которая позволяет проводить только внутренние, некоммерческие исследования. Видео, созданные с ним до 15 сентября 2026 года, не предназначены для коммерческого использования, включая оплачиваемые планы. Вы отвечаете за права на изображение лица источника и аудиозагрузку.

Когда инструмент работал, 5 секунда клипа заняла около 30 секунд, масштабируя приблизительно линейно с длиной звука. В настоящее время он недоступен, пока мы ищем модель говорящей головы, чья лицензия позволяет это.

Полная предупредительная (по умолчанию) анимация головы анимирует позу, моргает и выражение вместе с губами, производя более естественное видео с говорящей головой.

GFPGAN - модель реставрации лица, которая заточена в виде данных после передачи. Она не предлагается: ее StyleGAN2 aprio на основании некоммерческой лицензии NVIDIA, а модель обработки лица - CC BY-NC-SA.

SadTalker, переведенный на 256 px по умолчанию, с 512 px в качестве более медленного варианта. В настоящее время инструмент недоступен; хорошо освещенный высококачественный портрет дает наилучший результат с любой моделью говорящей головы.

Да. Загрузить MP4 или WebM в качестве входа в лицо, и мы используем первую раму в качестве водительского удостоверения. Для полного просмотра видео (замена рта на фрейме) посмотрите предстоящий видеопровод Dabbing Studio.

Да. POST несколько частей запроса на /api/v1/lipsync/ с лицом и аудиополями, затем опрос /api/v1/lipsync/ result/?uuid = до завершения статуса. Ответ содержит URL на переведенный MP4. Доступ к API требует оплачиваемого плана.

SadTalker использует локацию лица, чтобы обнаружить и посадить наиболее заметное лицо. Для наилучших результатов загрузите портрет с одним человеком в центре, видимыми глазами и минимальным оккультизмом. Групповые фотографии могут дать непредсказуемые результаты.
5.0/5 (1)

Твоя обратная связь помогает нам решать проблемы.

Готов начать?

Запишитесь бесплатно и получите 15 000 символов.

Не подписываться Вид Ценообразование