ጽሑፍ ናብ ቃላት መራኸቢታት ሙዚቃ ድምጺ ናብ ጽሑፍ ድምጺ ድምጺ ገበን ተጨማሪ
ረቛሒታት / መተግበሪያታት

AI Lip Sync ቪዲዮ Generator

ምስ ፎቶ ፊቱን ምስ ድምጺ ክሊፕን ኣትዩ - ቪድዮ ፊቱ ምስ ድምጺ ክሊፕን ምስ ድምጺ ክሊፕን ኣትዩ - ቪድዮ ፊቱ ምስ ድምጺ ክሊፕን ምስ ድምጺ ክሊፕን ኣትዩ - ቪድዮ ፊቱ ምስ ድምጺ ክሊፕን ምስ ድምጺ ክሊፕን ኣትዩ - ቪድዮ ፊቱ ምስ ድምጺ ክሊፕን ምስ ድምጺ ክሊፕን ኣትዩ - ቪድዮ ፊቱ ምስ ድምጺ ክሊፕን ምስ ድምጺ ክሊፕን ኣትዩ - ቪድዮ ፊቱ ምስ ድምጺ ክሊፕን ምስ ድምጺ ክሊፕን ኣትዩ - ቪድዮ ፊቱ ምስ ድምጺ ክሊፕን ምስ ድምጺ ክሊፕን ኣትዩ - ቪድዮ ፊቱ ምስ ድምጺ ክሊፕን ምስ ድምጺ ክሊፕን ኣትዩ - ቪድዮ ፊቱ ምስ ድምጺ ክሊፕን ኣትዩ - ቪድዮ ፊቱ ምስ ድምጺ ክሊፕን ኣትዩ - ቪድዮ ፊቱ ምስ ድምጺ ክሊፕን ኣትዩ - ቪድዮ ፊቱ ምስ ድምጺ ክሊፕን ኣትዩ - ቪድዮ ፊቱ ምስ ድምጺ ክሊፕን ኣትዩ - ቪድዮ ፊቱ ምስ ድምጺ ክሊፕን ኣትዩ - ቪድዮ ፊቱ ምስ ድምጺ ክሊፕን ኣትዩ - ቪድዮ ፊቱ ምስ ድምጺ ክሊፕን ኣትዩ - ቪድዮ ፊቱ ምስ ድምጺ ክሊፕን ኣትዩ - ቪድዮ ፊቱ ምስ ድምጺ ክሊፕን ኣትዩ - ቪድዮ ፊቱ ምስ ድምጺ ክሊፕን ኣትዩ

ነጻ ምዝገባ
ኣብ ቋንቋኻ ድምጺ TTS ኣይንረክብን እየን። ንገሊኡ ድምጺ ረክብ! ድምጺካ ኺሕልዉ

ፎቶ + ድምጺ

1,000 ካራክተራት ኣብ ሰከንድ

ፋይልካ እዚኣ ኣውጽእ፣ ወይ መራኸቢ

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

ፋይል.mp3

0 MB

ፋይልካ እዚኣ ኣውጽእ፣ ወይ መራኸቢ

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

ፋይል.mp3

0 MB

ቪዲዮኻ ምህላዉ። እዚ ኣብ 30 ሰከንድ ክሳብ 2 ደቂቃ ይወስድ።

ቪድዮኻ ተንጸባርቕ

ዝውዳእ MP4

ብዛዕባ SadTalker

SadTalker (CVPR 2023, Tencent ARC) ሓደ ናይ መጀመርታ-መነባብሮ ሞዴል ናይ ድምጺ-ሓበሬታ እዩ፣ እቲ ሞዴል ምስ ፊቱ ዝግበር ምስልታት ድምጺ ንምብጻሕ ይጥቀመሉ እዩ።

ኮድን ክብደትታትን ብ MIT-ሊስንስ ተኸፊሎም እዮም - ኣይ ላማ፣ ኣይ ጄማ፣ ወይ ኣይ ንክራይ-ንብረትን - ከምኡ'ውን ቪድዮታትካ ንኸይትረኽቡ ንጥዕናዊ ንጥዕናዊ ንክራይ-ንብረት ዝጥቀመሉ እዮም.

ምክልኻል ንምርካብ

  • ፎቶ ረኺብካ፡ ዓቕሚ ዘለዎ፣ ብጥበብ ዝተቐረጸ ምስል ተጠቒምካ - ዓቕሚ ርኢኻ፣ ጆሮኻ ሒዝካ
  • ፊት ኣብ ማእከል፣ ስኩዌር ወይ 4:5 ርክብ ገጽ ረኺቡ ይሰርሕ
  • ድምጺ ቃላት ንጹር (ብሙዚቃ ኣይርከብን) ንክሕልፍ ዝሕግዘካ ንክሕልፍ ዝሕግዘካ
  • GFPGAN ንምዕቃብ ንሽክለታት ሓያል — ግዜ ረኸብካዮ ይድፍእ ግን ዝርዝር ሓበሬታ ይዓጽው
  • ድምጺ ኣልቦ ምስ እትደልዮ ምስ ድምጺ ኣልቦ ምስ እትደልዮ

ቪድዮ ፊልም

ነጻ መጀመርያ፣ ምጽራይ ምስ ትደልይ

ነጻ
  • 30 ሰከንድ ናይ ድምጺ ገደብ
  • 256 px ውጽኢት
  • "Still" ንጹር
  • ፊደል ቍጽሪ
በጣም ተወዳጅ
ናይ ምዝገባ ምዝገባ
  • 30 ሰከንድ ናይ ድምጺ ገደብ
  • "full"ን "still"ን ቐዳምነት
  • 256 / 512 px ምርጫ
  • GFPGAN ፊት ደገፍ
ነጻ ምዝገባ
ረቂቕ
  • 5-ሚንተር ድምጺ
  • ቍጽሪ ፋይል
  • መተግበሪ መተግበሪ (ብዙሕ ክፍልታት ምጽሓፍ)
  • ዌብሆክ
  • ውልቀ-መገዲ (MIT license)
መተካእታ

ሕቶታት ዝቐረቡሉ ግዜ

ምስ ፎቶ ፊቱን ምስ ድምጺ ክሊፕን ኣትዩ፡ AI ድማ ቪድዮ እቲ ፊቱ ምስ ድምጺ ምስ ተግባር ፊቱ፣ መልክዕ ፊቱ፣ን ድምጺ ምስ ድምጺ ዝዛረብ ቪድዮ ይፍጠር። ኣብ SadTalker (CVPR 2023) ዝተመስረተ፡ ኣብ MIT-licensed talking-head model እቲ ድምጺ ምስ መልክዕ ፊቱ ዝዛረብ ቪድዮ ይፍጠር።

እቲ ፊሽ ኢንፖት jpg ወይ png ምስል (እስከ 10 MB) ወይ ድማ ሓደ ዝቑጸር MP4/WebM ቪድዮ ናይ ምውሳድ (ንመጀመርታ ፍሬም ንጥቀመሉ) ክኸውን ይኽእል። እቲ ዝቑጸር ድምጺ ድማ MP3, WAV, M4A, ወይ FLAC ክሳብ 10 MB ክኸውን ይኽእል። ድምጺ ኣብ ውሽጢ ናብ 16 kHz ንቕጽል።

ነጻ ኣድራሻታት: ክሳብ 30 ሰከንድ ኣብ ሓደ ክሊፕ. ዝኽፈል ተሳተፍቲ: ክሳብ 5 ደቂቃታት ኣብ ሓደ መተግበሪ. ዝጸንሐ ድምጺ ማለት ዝጸንሐ ግዜ ረንድርን ዝጸንሐ ዋጋን ስነ-ጥበባዊ ባህርያት ማለት እዩ።

ቪዲዮ ላፕ ሲንክ 1,000 ኣርእስቲ ኣብ ሓደ ሰከንድ ናይቲ ዝተፈጠረ ቪዲዮ ይጥቀመሉ እዩ። 30 ሰከንድ ክሊፕ = 30,000 ኣርእስቲ። እቲ ዋጋ ካብ ሻርኽ ባንክን ይከፈል። ብቐንዱ ድማ ብቐንዱ እንተ ዘይተፈጠረ ይቕረ ይበሃል።

ኣየ — SadTalker ኮድን ክብርን ናይ MIT ውልቀ-መዚ ውልቀ-መዚ (Llama, Gemma, ወይ ዘይ-ኮምፓኒያዊ backbone) እዩ (end-to-end licensed). እቶም ቪድዮታት ክትፈጥሮም እትኽእል ንኻልእ ንምጥቃም ኢኻ ትጥቀመሎም። ንስኻ’ውን ሓላፍነት ናይቲ ምስል ፊትን ድምጺን ንክህልወካ ትወስድ ኢኻ።

30 ሰከንድ ኣብ 5 ሰከንድ ክሊፕ ኣብ A100 ሰረተይ፣ ብግቡእ ብግቡእ ምስ ዑቕባ ድምጺ ዝሰከነ። እቲ GFPGAN face enhancer ምስ ተዓዘበ፡ ግዜ ረንድር ብግቡእ ይድፍፍ፣ ግናኸ፡ ብጥቕሚ ዝዓበየ ውጽኢት ይህብ።

ሙሉእ ምትካል (ኣቐዲሙ ዝተረጋገጸ) ምትካል ራስን ዓይንን ንክሕብር፣ ንክሕብር፣ን ንክሕብር ምስ ሻዕብያታት ይሰርሕ፣ ሓደ ንጹር ቪድዮ ሾርባ-ቓል ንምውጻእ። ምትካል ማይክሮፎን ራስን ዓይንን ኣብ ቦታኡ ይጥዕም፣ ሻዕብያ ጥራይ እዩ ዚሰርሕ - ጠቃሚ ኣብ ግዜ ምትካል ኣዋርሕ ምስ ዝደሊ።

GFPGAN ሓደ ሞዴል ንምሕላው ፊቱ እዩ፣ እቲ ኣብ ፊቱ ዝርከብ ሓበሬታ ድሕሪ ፊቱ-ዝሰካሕክሕ ረንደረንሲ ይጥፍእ። እዚ ድማ 256-ፒክሰላት ምርካብ ን512 ዝኣመሰለ ይገብር። እዚ ድማ ግዜ ረንደረንሲ ይሃብካ እዩ፣ ግናኸ ንፎቶታት ሓያል ሰብኣይ ረኺብካዮ ትኽእል ኢኻ።

SadTalker ብቐንዱ ኣብ 256 px ይቕረ በለ። ናብ 512 px መጠን ለውጥ፡ ንዓኻ ድማ ንዓኻ ዝዓበየ ውጽኢት (ዝዝንጋዕ፣ ዝለዓለ VRAM) ወይ ድማ ነቲ GFPGAN ደገፍቲ ንምሕላው፡ ንጥፈታት ፊደልካ ንምዕዋት። ንዓኻ ድማ ምርኣይ ዝደሊ፣ ናይ ፎቶግራፍ ጥራሕ ጥራሕ፣ ብሩህ ምስል ፎቶ ኣትወጽእ።

ኣየ. ሓደ MP4 ወይ WebM ከም ፊሽካ ኣትዉን እቲ መጀመርታ ፍሬም ከም መራሒ ኣርእስቲ ክንጥቀም ንኽእል ኢና። ንሙሉእ ቪድዮ ምትላል (ኣብ ፍሬም ምላሽ)፡ ነቲ ዝድለ ቪድዮ ስታዲየም ተመልከት።

ኣየ. POST ሓደ multipart request ናብ /api/v1/lipsync/ ምስ ፊደልን ድምጺን ፋይልታት፣ ድሕሪኡ /api/v1/lipsync/result/?uuid= ሒዝካ ርኢ ክሳብ እቲ ስታንደር "ተኸናኸነ". እቲ መልሲ ድማ ሓደ URL ናብቲ ዝተረድኦ MP4 ይውስኽ። ርኢቶ API ሓደ ዝተኸፈለ ፊልም ይደልይ እዩ።

SadTalker ፊንፊን-ኣጽዋር ይጥቀመሉ'ዩ፡ እቲ ፊንፊን ፊንፊ
5.0/5 (1)

እንታይ ክንገብር ንኽእል? ምላሽካ ንዘሎና ሕቶታት ንምፍታሕ ይሕግዘና እዩ።

ንመጀመርያ ትደሊዶ?

ነጻ ምዝገባን 15,000 ኣርእስቲ ምዝገባን. credit card ኣይተጠቕሰን።

ነጻ ምዝገባ ዕላማ