Текст у говор ВИ агенти Музика Говор у текст Гласово клонирање Дизајн гласа Тржиште Више
Пријави захт› јев за грешку / могућности

ВИ Лип Синхронизатор видео генератора

Претворите фотографију лица и аудио снимак у говорни-глава видео са усном синхронизацијом, позицијом главе и трепће. Тренутно недоступан док тражимо модел чија дозвола то омогућава.

Слободно се пријави
Модел СадТалкера који је користио тренирао је само за некомерцијално истраживање, тако да је не можемо понудити на плаћеном сервису.

Слање лица + аудио

1000 знакова у секунди

Довуците и испустите фајл овде, или прегледај

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

фајл. mp3

0 MB

Довуците и испустите фајл овде, или прегледај

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

фајл. mp3

0 MB

Ово обично траје 30 секунди до 2 минута.

Ваш говорно-главни видео

Преузми

О садталкеру

СадТалкер (CVPR 2023, Tencent ARC) је модел отвореног извора који анимира једну слику лица да говори било који аудио. За разлику од Wav2Lip варијанте, СадТалкер такође анимира позу главе, трепће и израз за природнији резултат.

Садталкеров код је Апачи-2.0, али његове 3Д тегове реконструкције лица обучене су на Базелу лице моделу, чија дозвола омогућава само комерцијална истраживања. TTS.ai је комерцијална услуга, тако да је алат искључен 15. септембра 2026.

Савети за најбоље резултате

  • Користи висококвалитетан, добро осв› јећен портрет — очи видљиве, уста затворена
  • Центарно лице, квадрат или 4:5 однос односа најбоље функционише
  • Чисти говор аудио (без музике) доноси тешку усну синхронизацију
  • Укључи ГФПГАН за јуначке ињекције — удвостручава време, али оштри детаље
  • Користи и даље претподешавање када желите стабилан аватар снимак

Лип Синхронизација видео планова

Покрени бесплатно, надогради када ти затреба више

слободни
  • 30-секундинско ограничење звука
  • 256 px излаз
  • Само предподешавање „ и даље “
  • Без појачавача лица
Најпопуларнији
слободни налог
  • 30-секундинско ограничење звука
  • Оба „ пуна “ и „ и даље “ претподешавања
  • 256 / 512 px излаз
  • ГФПГАН појачавач лица
Слободно се пријави
Проф.
  • 5 минута ограничења звука
  • Приоритетан ГПУ редослед
  • АПИ приступ (мултипартално слање)
  • Webhook completion callbacks
  • Тренутно недоступна (некомерцијална дозвола за модел)
Надогради

Често постављана питања

Слање фотографије лица и аудио клип, а ВИ генерише видео са том лицом који говори аудио са покретима усне, позицијом главе и трепћењем. Алат тренутно није доступан: покренула је СадТалкер (CVPR 2023), чије су 3D тежине реконструкције лица обучене на Базелом лице моделу, који је дозволен само за некомерцијална истраживања.

The face input can be a JPG or PNG image (up to 10 MB) or a short MP4/WebM driving video (we use the first frame). The driving audio can be MP3, WAV, M4A, or FLAC up to 10 MB. We resample audio to 16 kHz internally.

Бесплатни налоги: до 30 секунди по клипу. Плаћање корисника: до 5 минута по захт› јеву. Дужи аудио значи дуже време и виши трошкови знакова.

Синхронизациони видео користи 1.000 знакова у секунди генерисаног видеа. 30- секундни клип = 30.000 знакова. Трошкови се плаћају унапред од равнотеже знака и аутоматски се враћају ако генерација не успе.

Не, алат се искључује јер то не дозвољава дозвола модела. Код СадТалкера је Апач-2.0, али је његова св› ијежбана мрежа реконструкције лица обучена на Базелском моделу лица 2009, чија дозвола омогућава унутрашња, некоммерцијална истраживања. Видео снимке које је створено пре 15. септембра 2026 нису за комерцијалну употребу, укључујући плаћене планове. Ви сте одговорни за право на изворну слику лица и аудио слику коју сте слалили.

Када је алат ишчезнуо, за 5 секунди је требало око 30 секунди, скалирајући приближно линеарно са аудио дужином. Тренутно је недоступан док тражимо модел за говорну главу чија дозвола то омогућава.

Потпуно предефинисано (подразум› ијевано) анимира позу главе, трепће и израз заједно са уснама, стварајући природнији снимак говореће главе. Још увек предефинисано закључава главу на месту и анимира само уста — корисно када желите стабилан снимак аватара.

GFPGAN је модел рестаурација лица који је изоштрио детаље лица после исцртавања. Не понуђује се: његов стилГАН2 је претходно под НВИДИЈОМ некомерцијалне дозволе, а модел рашчлањивања лица је CC BY-NC- SA.

Подразумевано, садТалкер 256 пк, са 512 пк као спорија опција. Алатка тренутно није доступна; добре осв› јећен, висококвалитетан портрет даје најбољи резултат било којим моделом разговора- главе.

Да. Слање МП4 или ВебМ као улаз лица и користићемо први оквир као идентитет вожње.

Да. ПОСТАВИ захт› јев за више делова на /api/v1/lipsync/ са лицем и аудио пољима, затим анкету /api/v1/lipsync/ result/?uid= док статус није „ довршен “. Одговор садржи УРЛ на наслов МП4. АПИ приступ захт› ијева плаћен план.

СадТалкер користи лице- поклапање за откривање и посев најистакнутије лице. За најбоље резултате, учитавање портрета са једном особом концентрисаном, видљивим очима и минималним оклузијом. Групне фотографије могу донети непредвидљиве резултате.
5.0/5 (1)

Твоја повратна реакција нам помаже да решимо проблеме.

Спремни да почнемо?

Упишите се бесплатно и добијте 15.000 знакова.

Слободно се пријави Приказ Цена