امنی‌هیومن (OmniHuman 2)؛ ساخت آواتار سخنگو با هوش مصنوعی

OmniHuman مدل ByteDance برای ساخت ویدیوی سخنگو از یک عکس و یک صداست. در همزاد نسخه‌ی 2 آن در آواتار سخنگو است و چهره، سر و بدن را با صدا حرکت می‌دهد.

بله. متن فارسی را در آواتار سخنگو بنویس و گوینده را انتخاب کن؛ متن اول با صدای گوینده خوانده می‌شود و بعد چهره با همان صدا حرکت می‌کند. اگر صدای خودت را ضبط کرده‌ای، فایلش را بده. در جمله‌های تند، ممکن است چند صدا با لب کاملاً جور نباشد.

در همزاد متنی به اندازه‌ی حدود ۴۵ ثانیه گفتار، یا فایل صدای تا یک دقیقه. خود OmniHuman 2 کلیپ‌های بلندتر هم می‌سازد، اما در کلیپ‌های بلند پس‌زمینه ممکن است جابه‌جا شود.

هر سه در آواتار سخنگو هستند. OmniHuman 2 فقط برای همین کار ساخته شده و سر و بدن را همراه صدا طبیعی حرکت می‌دهد؛ Kling 4.0 و مدل‌های MiniMax مدل‌های ویدیو هستند که عکس را به حرف هم می‌آورند. MiniMax H3 کم‌هزینه‌تر است.

فقط عکس خودت، عکس کسی که به تو اجازه داده، یا شخصیتی که خودت ساخته‌ای. ساختن ویدیوی سخنگو از چهره‌ی دیگران بی‌اجازه‌ی خودشان سوءاستفاده است.

نه. اعتبار رایگان پیش‌فرض در همزاد نیست؛ هزینه به ثانیه‌ی ویدیو حساب می‌شود و اگر متن بنویسی، خواندن متن هم کمی اعتبار می‌برد. قیمت را پیش از ساخت می‌بینی و تا ویدیو تحویلت نشود، اعتباری کم نمی‌شود.

هر ثانیه ویدیو با OmniHuman 2 ۶۸ اعتبار است؛ یعنی حدود ۵۲٬۹۰۰ تا ۶۷٬۳۰۰ تومان، بسته به بسته‌ی اعتباری که می‌خری. پیش از هر ساخت قیمت دقیقش را می‌بینی و تا نتیجه تحویلت نشود، اعتباری کم نمی‌شود.

نه. با یک حساب همزاد به OmniHuman 2 و بقیه‌ی مدل‌ها دسترسی داری؛ با شماره‌ی موبایل یا ایمیل وارد می‌شوی و با کارت‌های بانکی عضو شتاب به تومان پرداخت می‌کنی. به خرید اکانت یا اشتراک خارجی و شماره‌ی مجازی نیازی نیست.