Prevod textu na reč Agenti umelej inteligencie Hudba Prevod reči na text Klonovanie hlasu Dizajn hlasu Trh Viac
Nahlásiť chybu / požiadavku na funkciu

AI Lip Sync Video Generator Najnovšia verzia 1.0

Premeňte fotografiu tváre a zvukový klip na video s hovoriacou hlavou so synchronizáciou pier, polohou hlavy a mrknutím. Momentálne nie je k dispozícii, zatiaľ čo hľadáme modelku, ktorej licencia to umožňuje.

Zaregistrujte sa zdarma
Synchronizácia pier nie je momentálne dostupná. Model SadTalker, ktorý ju využíval, bol trénovaný na Basel Face Model, ktorý je licencovaný len na nekomerčný výskum, takže ho nemôžeme ponúknuť na platenej službe.

Nahrať tvár + zvuk

1 000 znakov za sekundu

Presuňte svoj súbor sem, alebo prehliadať

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

súbor.mp3

0 MB

Presuňte svoj súbor sem, alebo prehliadať

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

súbor.mp3

0 MB

Vykreslenie videa. To zvyčajne trvá 30 sekúnd až 2 minúty.

Your Talking-Head na Pintereste

Stiahnuť

O spoločnosti SadTalker

SadTalker (CVPR 2023, Tencent ARC) je open-source model hovoriacej hlavy, ktorý animuje jediný obraz tváre, aby hovoril akýkoľvek zvuk.Na rozdiel od variantov Wav2Lip, SadTalker tiež animuje pozíciu hlavy, žmurknutie a výraz pre prirodzenejší výsledok.

Kód SadTalkeru je Apache-2.0, ale jeho 3D tváre rekonštrukcie váhy boli trénované na Basel Face Model, ktorého licencia umožňuje iba nekomerčný výskum. TTS.ai je komerčná služba, takže nástroj bol vypnutý 15. septembra 2026.

Tipy pre najlepšie výsledky

  • Použite vysokokvalitný, dobre osvetlený portrét – oči viditeľné, ústa zatvorené
  • Najlepšie funguje stredová tvár, štvorec alebo pomer strán 4:5
  • Čistý zvuk reči (bez hudby) prináša lepšiu synchronizáciu perí
  • Povoliť GFPGAN pre zábery hrdinov — zdvojnásobuje čas vykreslenia, ale zostruje detaily
  • Ak chcete zachytiť stabilný záber avatara, použite predvoľbu Stály

Lip Sync Video plány

Začnite zdarma, inovujte, keď budete potrebovať viac

Voľný
  • 30-sekundový limit zvuku
  • Výstup 256 px
  • Iba prednastavenie "Still"
  • Žiadny zvýrazňovač tváre
Striptease Najobľúbenejší
Vytvoriť bezplatný účet
  • 30-sekundový limit zvuku
  • Predvoľby "full" a "still"
  • Výstup 256 / 512 px
  • GFPGAN face enhancer - recenzie
Zaregistrujte sa zdarma
Pre
  • 5-minútový limit zvuku
  • Prioritná fronta GPU
  • API prístup (multipart upload)
  • Spätné volania dokončenia webhooku
  • Momentálne nedostupné (nekomerčná modelová licencia)
Aktualizácia

Často kladené otázky

Nahrajte fotografiu tváre a zvukový klip a AI vygeneruje video tváre, ktorá hovorí zvukom s pohybmi pier, polohou hlavy a žmurknutím. Nástroj je momentálne nedostupný: spustil SadTalker (CVPR 2023), ktorého 3D tváre boli trénované na Basel Face Model, ktorý je licencovaný len pre nekomerčný výskum.

Vstupom môže byť obrázok vo formáte JPG alebo PNG (do 10 MB) alebo krátke video vo formáte MP4/WebM (používame prvý snímok). Audio môže byť vo formáte MP3, WAV, M4A alebo FLAC do 10 MB, ktoré interne prevzorkujeme na 16 kHz.

Bezplatné účty: až 30 sekúnd na klip, platené účty: až 5 minút na požiadavku. Dlhší zvuk znamená dlhší čas vykresľovania a vyššiu cenu za postavu.

Synchronizácia s ústami využíva 1 000 znakov za sekundu generovaného videa, čo znamená, že 30-sekundový klip = 30 000 znakov. Náklady sa účtujú vopred zo zostatku na postavy a v prípade zlyhania generovania sa automaticky vrátia.

Nie. Nástroj je vypnutý, pretože modelová licencia to neumožňuje. Kód SadTalker je Apache-2.0, ale jeho sieť na rekonštrukciu tváre bola trénovaná na Basel Face Model 2009, ktorej licencia umožňuje iba interný, nekomerčný výskum. Videá vytvorené s ním pred 15. septembrom 2026 nie sú určené na komerčné použitie, vrátane platených plánov. Ste zodpovední za to, že máte práva na zdrojový obrázok tváre a zvuk, ktorý nahrávate.

Keď bol nástroj spustený, 5-sekundový klip trval asi 30 sekúnd, škáloval sa približne lineárne s dĺžkou zvuku.Tento nástroj je momentálne nedostupný, pretože hľadáme model hovoriacej hlavy, ktorého licencia to umožňuje.

Úplné prednastavenie (predvolené) animuje pozíciu hlavy, žmurknutie a výraz spolu s perami, čím vytvára prirodzenejšie video s hovoriacou hlavou. Prednastavenie Stále uzamkne hlavu na mieste a animuje iba ústa. Je to užitočné, keď chcete stabilný záber avatara.

GFPGAN je model na obnovu tváre, ktorý po vykreslení zaostruje detaily tváre.Neponúka sa: jeho StyleGAN2 prior je pod NVIDIA nekomerčnou licenciou a jeho model na analýzu tváre je CC BY-NC-SA.

SadTalker je štandardne vykreslený na 256 px, s 512 px ako pomalšou voľbou. Nástroj je momentálne nedostupný. Najlepší výsledok s akýmkoľvek modelom hovoriacej hlavy poskytuje dobre osvetlený, vysokokvalitný portrét.

Nahrajte MP4 alebo WebM ako vstup tváre a my použijeme prvý snímok ako identitu vodiča. Ak chcete získať úplné opätovné dabingovanie videa (náhrada úst po snímkach), pozrite si pripravovaný kanál videa Dubbing Studio.

Áno. POST viacdielnu požiadavku na /api/v1/lipsync/ s tvárou a audio polia, potom poll /api/v1/lipsync/result/?uuid=, kým stav nie je "dokončené". Odpoveď obsahuje URL na vykreslený MP4. API prístup vyžaduje platený plán.

SadTalker používa zarovnanie tváre na detekciu a orezanie najvýraznejšej tváre. Pre dosiahnutie najlepších výsledkov nahrajte portrét s jednou osobou na stred, oči viditeľné a minimálnu oklúziu.Skupinové fotografie môžu produkovať nepredvídateľné výsledky.
5.0/5 (1)

Čo by sme mohli zlepšiť? Vaše pripomienky nám pomáhajú riešiť problémy.

Ste pripravení začať?

Zaregistrujte sa zdarma a získajte 15 000 znakov. Nie je potrebná kreditná karta.

Zaregistrujte sa zdarma Zobraziť cenové ponuky