Няма такъв език.
Решението е в реда „Какво иска на входа“ в таблицата. OmniHuman иска СНИМКА и звук — прави неподвижния кадър да проговори. Sync иска ВИДЕО и звук — взема вече заснет клип и напасва устните към нов запис. Нямаш видео, имаш само портрет — OmniHuman. Имаш заснет човек и нов звук — Sync. Двата не са взаимозаменяеми.
Цената в кредити е за СЕКУНДА видео и стои на бутона „Генерирай“ преди всяко пускане. Долният ред „Пет секунди излизат“ е същата цена, умножена по пет.
| Какво | OmniHuman | Sync |
|---|---|---|
| Варианти на модела при нас | 1 | 1 |
| Какво иска на входа | снимка, звуков файл | видео, звуков файл |
| Цена в кредити за секунда | 321 | 167 |
| Пет секунди излизат | 1605 кредита | 835 кредита |
| Най-дълъг клип наведнъж | 60 сек | 60 сек |
| Резолюции за избор | 720p, 1080p | — |
| Звук от самия модел | ✗ | ✗ |
| Отрицателно описание („без…“) | ✗ | ✗ |
OmniHuman е единственият тук, който тръгва от неподвижна снимка. Портрет, архивен кадър или генерирано лице стават говорещ човек, без да е нужна камера.
Има избор на резолюция — рядкост при моделите за говорещ човек — и възможност да се подаде маска, тоест да се укаже коя част от кадъра да се анимира.
Дължината, която приема, е същата като при Sync. Тоест липсата на видео на входа не се плаща с по-къс резултат.
Sync запазва цялото движение от оригиналния клип — жестове, стойка, поглед — и променя само устните. Това е по-убедително от всяка анимация на снимка, защото останалото е истинско.
Sync има няколко режима за случая, в който звукът и клипът не са с еднаква дължина: отрязване, повтаряне, връщане назад, тишина.
Приема дълъг клип — същия таван като OmniHuman.
Къде губи OmniHuman. Цялото движение се измисля от модела. Жестовете и стойката са толкова убедителни, колкото моделът ги е измислил, а при дълъг запис еднообразието личи. OmniHuman е и измежду по-скъпите на секунда — виж цената в таблицата.
Къде губи Sync. Изисква вече заснет клип. Ако нямаш видео, Sync просто не участва — нито една негова настройка не помага. И променя само устните: ако записът има смях или пауза, тялото в кадъра не реагира на тях.
Имаш снимка — OmniHuman. Имаш видео — Sync. Това е целият избор и той не е въпрос на предпочитание.
Ако имаш и двете, Sync обикновено дава по-убедителен резултат, защото по-голямата част от кадъра е истинска. Пълните карти са на страницата за OmniHuman и на страницата за Sync.
Sync. OmniHuman започва от 321 кредита за секунда, Sync — от 167 кредита за секунда. Най-евтиният вариант при OmniHuman е OmniHuman (снимка → говор), при Sync — Sync 2.0 Pro Lip-sync. Точната цена стои на бутона, преди да пуснеш генерацията.
Не. Sync иска видео на входа. За снимка, която проговаря, се ползва OmniHuman.
Sync, когато имаш видео — защото тялото, погледът и жестовете са реални и само устните се променят. OmniHuman измисля всичко.
Да, входът е снимка, независимо откъде идва тя. Правилата за съдържанието важат — лице на реален разпознаваем човек не се анимира без негово съгласие.
Тази страница сравнява двете марки една с друга. Цялата техническа карта на всяка — всички варианти, силните и слабите им страни, типичните задачи и реални примери от общността — е на отделната ѝ страница.
Последна актуализация:
