පෙළ සිට කථාවName AI නියෝජිතයන් සංගීතය කථාව පෙළටName හඬ ක්ලෝන කිරීම හඬ සැලසුම වෙළඳපොළ තවත්
දෝෂය වාර්තා කරන්න / විශේෂාංග ඉල්ලීම

AI ලිප් සමමුහුර්ත වීඩියෝ ජනක

මුහුණු ඡායාරූපයක් හා ශ්රව්ය ක්ලිප් ලිප් සංකෝචනය සමග කතා-හිස වීඩියෝ බවට හරවන්න, හිස ස්ථානගත හා ක්ලික්. දැනටමත් ලබා ගත නොහැකි වන අතර, අපි බලපත්රය එය ඉඩ දෙන ආකෘතිය සඳහා සොයා.

නොමිලේ ලියාපදිංචි
අපි තවම ඔබේ භාෂාවෙන් TTS හඬක් නැහැ. අපිට උදව් කරන්න ඔබගේ එක එකතු කරන්න! ඔබේ හඬ විකුණන්න
ලිප් සමමුහුර්ත දැන් ලබා ගත නොහැකි. එය භාවිතා SadTalker ආකෘතිය බාසිලෝනා මුහුණ ආකෘතිය පුහුණු කරන ලදී, පමණක් වාණිජ නොවන පර්යේෂණ සඳහා බලපත්ර ලබා දී ඇති, ඒ නිසා අපි ගෙවීම් සේවා මත එය ලබා දිය නොහැකි. සුදුසු බලපත්රයක් සමග කිසිදු ප් රතිස්ථාපනයක් තවමත් ස්ථාපනය කර ඇත.

මුහුණ + ශ්රව්ය උඩුගත

තත්පරයට අකුරු 1,000

ඔබේ ගොනුව මෙතනට ඇද දමන්න, හෝ ගවේශනය

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

ගොනුව.mp3

0 MB

ඔබේ ගොනුව මෙතනට ඇද දමන්න, හෝ ගවේශනය

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

ගොනුව.mp3

0 MB

ඔබේ වීඩියෝව සකසමින්. මෙය සාමාන්යයෙන් තත්පර 30 සිට2මිනිත්තු ගත වේ.

ඔබේ කතා කරන හිස වීඩියෝ

MP4 බාගත

SadTalker ගැන

SadTalker (CVPR 2023, ටෙන්සෙන්ට් ARC) ඕනෑම ශ්රව්ය කතා කිරීමට තනි මුහුණු රූපයක් සජීවී කරන විවෘත මූලාශ්රය කතා-හිස ආකෘතිය වේ. Wav2Lip විකල්ප මෙන් නොව, SadTalker ද හිස යෝජනා සජීවී, ක්ලික්, සහ වඩා ස්වභාවික ප්රතිඵලයක් සඳහා ප්රකාශ.

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.

හොඳම ප්රතිඵල සඳහා ඉඟි

  • උසස් තත්ත්වයේ භාවිතා කරන්න, හොඳින් ආලෝකමත් ප්රතිමාව - ඇස් දර්ශනය, කට වසා
  • මධ්යගත මුහුණ, වර්ග හෝ 4:5අංශක අනුපාතය හොඳම වැඩ
  • පිරිසිදු කථාව ශ්රව්ය (සංගීතයක් නැත) තද තොල් සමමුහුර්ත ප්රතිලාභ
  • වීරයා වෙඩි සඳහා GFPGAN සක්‍රිය කරන්න - දෙගුණ වේගවත් නමුත් විස්තර
  • ඔබට ස්ථාවර ඇවටර් ඡායාරූපයක් අවශ්‍ය විට ස්ථාවර පෙරනිමි භාවිත කරන්න

ලිප් සමමුහුර්ත වීඩියෝ සැලසුම්

ඔබට වැඩි අවශ්ය විට නිදහස් ආරම්භ, උසස්

නිදහස්
  • තත්පර 30 ශ්‍රව්‍ය සීමා
  • 256px ප්‍රථිධානය
  • "තවත්" පෙරනිමි පමණක්
  • මුහුණු වැඩිදියුණු කරන්නෙක් නැත
ජනප්‍රියම
නොමිලේ ගිණුම
  • තත්පර 30 ශ්‍රව්‍ය සීමා
  • "පූර්ණ" හා "නොගැලපෙන" පෙරනිමි දෙකම
  • 256 / 512 පික්සෙල් ප්‍රථිධානය
  • GFPGAN මුහුණු වැඩිදියුණු කරන්නා
ලියාපදිංචි වන්න
ප්‍රො
  • මිනිත්තු 5ක ශ්‍රව්‍ය සීමාවන්
  • ප්‍රමුඛතා GPU පෝලිය
  • API ප්රවේශය (බහු-අංශයක් උඩුගත)
  • Webhook සම්පූර්ණ කිරීම callbacks
  • දැනට නොලැබෙන (නො-වාණිජ ආකෘති බලපත්රය)
යාවත්කාලීන කරන්න

නිතර අසන ප්රශ්න

මුහුණු ඡායාරූපයක් සහ ශ්රව්ය ක්ලිප් එකක් උඩුගත කරන්න, AI තොල් චලන සමඟ ශ්රව්ය කතා කරන එම මුහුණේ වීඩියෝවක් ජනනය කරයි, හිස තබා හා ක්ලික් කරන්න. මෙවලම දැනටමත් නොලැබෙන: එය SadTalker ධාවනය (CVPR 2023), 3D මුහුණු පුනර්ජීවනය බර බාසිලෝනා මුහුණ ආකෘතිය මත පුහුණු කරන ලදී, එය පමණක් වාණිජ නොවන පර්යේෂණ සඳහා බලපත්ර ලබා දී ඇත.

මුහුණ ආදාන JPG හෝ PNG රූපයක් විය හැකිය (10 MB දක්වා) හෝ කෙටි MP4 / WebM රියදුරු වීඩියෝවක් (අපි පළමු රාමුව භාවිතා කරමු). රියදුරු ශබ්දය MP3, WAV, M4A හෝ FLAC 10 MB දක්වා විය හැකිය. අපි අභ්යන්තරව 16 kHz දක්වා ශබ්දය නැවත සාම්පල ගත කරමු.

නිදහස් ගිණුම්: ක්ලිප් එකකට තත්පර 30 දක්වා. ගෙවන පරිශීලකයන්: ඉල්ලීමකට මිනිත්තු5දක්වා. දිගු ශ්රව්ය දිගු කාලයක් සහ ඉහළ චරිත පිරිවැය අදහස් කරයි.

ලිප් සමමුහුර්ත වීඩියෝ භාවිතා 1,000 ජනනය වීඩියෝ තත්පරයට අක්ෂර. 30 තත්පර ක්ලිප් = 30,000 අක්ෂර. පිරිවැය ඔබේ චරිතය ශේෂය සිට ඉදිරියට බිල්පත් හා ජනනය අසාර්ථක නම් ස්වයංක්රීයව ආපසු ගෙවනු ලැබේ.

නැත. ආකෘතිය බලපත්රය එය ඉඩ නොදෙන නිසා මෙවලම විසන්ධි කර ඇත. SadTalker කේතය Apache-2.0 වේ, නමුත් එහි බෑන්ඩ්ලට් මුහුණු පුනර්ජීවනය ජාලයක් බැසල් මුහුණු ආකෘතිය මත පුහුණු කරන ලදී 2009, ගේ බලපත්රය අභ්යන්තර ඉඩ, වාණිජ නොවන පර්යේෂණ පමණක්. එය පෙර සැප්තැම්බර් ජනනය වීඩියෝ 15, 2026 වාණිජ භාවිතය සඳහා නොවේ, ගෙවීම් සැලසුම් ඇතුළත්. ඔබ ඔබ උඩුගත මූලාශ්රය මුහුණු රූප හා ශබ්ද හිමිකම් ඇති කිරීම සඳහා වගකිව යුතු.

මෙවලම ධාවනය වූ විට, 5-තත්පර ක්ලිප් ගැන 30 තත්පර ගත, ශ්රව්ය දිග දළ වශයෙන් රේඛීය පරිමාණ. එය දැනටමත් ලබා ගත නොහැකි වන අතර, අපි බලපත්රය එයට ඉඩ දෙන කතා-හිස ආකෘතිය සඳහා සොයා.

සම්පූර්ණ පෙරනිමි (පෙරනිමි) හිස ස්ථානගත සජීවීකරණය, ක්ලික්, සහ තොල් සමග හැඟීම්, වඩා ස්වභාවික කතා-හිස වීඩියෝ නිෂ්පාදනය. තවමත් පෙරනිමි ස්ථානයේ හිස අගුළු සහ කට පමණක් සජීවීකරණය - ඔබ ස්ථාවර ඇවටර් වෙඩි අවශ්ය විට ප්රයෝජනවත්.

GFPGAN යනු රූපගත කිරීමෙන් පසු මුහුණේ විස්තර ඉස්මතු කළ මුහුණු ප්රතිසංස්කරණ ආකෘතියකි. එය ලබා නොදේ: එහි StyleGAN2 පෙර NVIDIA වාණිජ නොවන බලපත්රයක් යටතේ වන අතර එහි මුහුණු විශ්ලේෂණ ආකෘතිය CC BY-NC-SA වේ.

SadTalker 256 px දී පෙරනිමියෙන් ඉදිරිපත්, 512 px සමග මන්දගාමී විකල්පයක් ලෙස. මෙවලම දැනටමත් නොලැබෙන; හොඳින් ආලෝකමත්, උසස් තත්ත්වයේ ප්රතිමාවක් ඕනෑම කතා-හිස ආකෘතිය සමඟ හොඳම ප්රතිඵල ලබා දෙයි.

ඔව්. මුහුණ ආදානයක් ලෙස MP4 හෝ WebM එකක් උඩුගත කරමු. අපි රියදුරු අනන් යතාව ලෙස පළමු රාමුව භාවිතා කරමු. සම්පූර්ණ වීඩියෝ නැවත-දොඩම් සඳහා (රාමුවකට මුඛ ආදේශකයක්), එන දොඩම් ස්ටූඩියෝ වීඩියෝ පයිප්ප බලන්න.

ඔව්. මුහුණ සහ ශ්රව්ය ක්ෂේත්ර සමග /api/v1/lipsync/ කිරීමට බහු-අංශ ඉල්ලීමක් POST, පසුව තත්ත්වය "සම්පූර්ණ" වන තෙක් ප්රතිඵල /api/v1/lipsync/result/?uuid=. ප්රතිචාරය ඉදිරිපත් MP4 සඳහා URL අඩංගු. API ප්රවේශය ගෙවන සැලැස්මක් අවශ්ය.

SadTalker වඩාත් ප්රකට මුහුණ හඳුනා ගැනීමට හා අස්වැන්න නෙළීම සඳහා මුහුණ-සංවිධානය භාවිතා. හොඳම ප්රතිඵල සඳහා, එක් පුද්ගලයෙකු මධ්යගත සමග ප්රතිමාවක් උඩුගත, ඇස් දෘශ්ය, හා අවම occlusion. කණ්ඩායම ඡායාරූප අනාවැකි ප්රතිඵල නිපදවිය හැක.
5.0/5 (1)

අපි වැඩි දියුණු කළ හැකි දේ? ඔබේ ප්රතිචාරය අපට ගැටළු විසඳීමට උපකාරී වේ.

පටන් ගන්න ලෑස්තිද?

නොමිලේ ලියාපදිංචි වී ලබා ගන්න 50 ක්රෙඩිට්. ක්රෙඩිට් කාඩ් අවශ්ය නැත.

නොමිලේ ලියාපදිංචි මිල දර්ශනය