Анимация портрета
JPG, PNG или WEBP до 30 МБ
MP3 или WAV до 15 МБ
Один снимок и готовая реплика
Преподаватель у стола произносит короткую фразу. Для этого примера мы загрузили собственное редакционное изображение и запись «Сначала посмотрим на пример». Полученный ролик длится около шести секунд. Фото определяет обстановку и внешность, аудио задаёт речь и её темп.
OmniHuman 2.0 помогает сделать говорящее фото для объяснения, приветствия или учебного фрагмента. Нейросеть строит мимику и повороты головы вокруг звуковой дорожки. Внимательно просмотрите артикуляцию и положение рук, особенно если человек на снимке держит предмет.
Стоимость генерации в Нейросеть OmniHuman 2.0 для говорящего фото
Ориентир в рублях по минимальной цене токена. Списание рассчитывается в токенах по выбранным настройкам.
При изменении параметров актуальная стоимость появится рядом с кнопкой генерации.
Подготовьте материалы для говорящего аватара
Изображение с понятным ракурсом
Выберите JPEG, PNG или WebP до 30 МБ. Каждая сторона должна содержать от 300 до 6000 пикселей, отношение ширины к высоте от 0,4 до 2,5. Лицо лучше оставить различимым, без перекрывающих его предметов и глубоких теней. Если нужен контакт со зрителем, начните с подходящего направления взгляда.
Одна чистая звуковая дорожка
Загрузите MP3 или WAV до 15 МБ продолжительностью от 4 до 300 секунд. Для первого опыта возьмите короткую речь одного диктора. Сильная музыка, паузы и несколько голосов затрудняют оценку синхронизации губ. Проверьте запись на слух до отправки, чтобы не оплачивать анимацию неподходящей реплики.
Как управлять анимацией
| Настройка | Возможности | Практический выбор |
|---|---|---|
| Вход | Одно изображение и одно аудио | Оба файла обязательны |
| Выход | Видео 720p | Продолжительность определяется записью |
| Описание движения | Необязательно, до 300 символов | Для этой настройки используйте английский язык |
| Водяной знак | Можно включить или выключить | По умолчанию включён |
| Стоимость | Зависит от длительности аудио | Каждая начатая секунда участвует в расчёте |
Описание движения из нашего примера
Спокойная подача преподавателяThe teacher speaks calmly to the viewer with subtle natural head movement. Keep the camera steady.
Когда пригодится короткое описание
Задайте манеру подачи
Поле управляет сценой и поведением персонажа, а слова для озвучивания берутся из аудио. Например, попросите спокойный разговор и неподвижную камеру. Не вставляйте в это поле длинный сценарий вместо нужной записи.
Разделите язык записи и настройки
В показанном примере использована русская реплика и английский комментарий к сцене. Поддержка русского текста в управляющем поле не заявлена. У других голосов, темпа и произношения результат может отличаться; один пример не подтверждает качество для всех записей.
Как получить первый результат
Загрузите согласованные исходники
Подберите снимок одного героя и речь, которую он должен произнести. Если нужно оживить фото голосом, готовую звуковую дорожку следует подготовить заранее; этот генератор не заменяет озвучивание текста.
Оцените цену до отправки
Сумма пересчитывается после чтения продолжительности файла. Длинная запись стоит дороже короткой. При изменении аудио снова проверьте стоимость и доступный баланс.
Проверьте готовый ролик
Сравните начало и завершение фразы с движениями рта. Прослушайте звук, оцените взгляд и заметные искажения. Для следующего варианта меняйте ракурс или эмоциональность отдельно, сохраняя остальные условия.
Вопросы и ответы
Можно ли получить видео только по тексту?
Нет. OmniHuman 2.0 нужны фотография и звуковой файл. Текстовое поле необязательно и служит для описания движения.
Нужно ли выбирать длину ролика вручную?
Нет. Она связана с загруженным аудио. Допустимый диапазон записи составляет 4–300 секунд, а стоимость учитывает начатые секунды.
Гарантирована ли точная синхронизация губ?
Это генеративная обработка, поэтому точность проверяют на готовом результате. Начните с чёткой речи без шума и фотографии с хорошо видимым лицом.