OmniHuman 1.5: 목소리로 표현되는 대화형 초상화
Bottom Line Up Front (BLUF): OmniHuman 1.5는 사진 한 장과 오디오 트랙 한 장으로 말하는 사람을 만드는 AI 비디오 생성기입니다. 기본적인 립싱크 도구와 다른 점은 캐릭터가 음성에 어떻게 영향을 미치는가입니다. 모델은 녹음의 리듬과 감정을 듣고 주위의 시선, 표정 및 머리 움직임을 형성하므로 화면에 있는 사람이 말하는 내용을 의미하는 것처럼 보입니다.
이 아바타가 다르게 느껴지는 이유
대부분의 말하는 사진 도구는 작업을 기계적으로 처리합니다. 즉, 소리가 들어오고 입이 펄럭입니다. OmniHuman 1.5 오디오 내부의 연주를 읽어줍니다. 흥분된 선은 눈썹을 치켜올리고, 질문은 시선을 부드럽게 하며, 잠시 멈추면 화자가 숨을 쉴 수 있게 됩니다. 출력은 "애니메이션 마스크"에서 벗어나 실제 카메라 전달과 유사한 쪽으로 기울어집니다.
그 격차는 감정적인 소재에서 가장 많이 나타난다. 모든 아바타 모델은 단조로운 내레이션에서도 살아남을 수 있지만, 진심 어린 축하, 열정적인 피치 또는 노래하는 대사가 이 모델의 이름을 얻었습니다. 녹음한 내용이 무엇이든 화면의 얼굴이 이를 포착하여 재생합니다.
입력, 형식 및 하드 제한
재료는 친숙합니다. 세로 형식은 JPEG, PNG 또는 WebP이고 음성 트랙은 MP3, WAV, AAC, OGG 또는 M4A이며 각각 최대 10 MB입니다. 녹음 시간은 15초 미만이어야 합니다. 녹음 시간이 초과되면 생성 양식에 자체 트리머가 있으므로 오디오 편집기를 방문할 필요 없이 올바른 조각을 분리하는 데 몇 초밖에 걸리지 않습니다.
얼굴과 입이 선명하게 보이는 이미지를 선택하세요. 그러나 스튜디오 얼굴 사진에만 국한되지는 않습니다. 캐주얼한 사진과 양식화된 예술 작품도 설득력 있게 애니메이션화됩니다. 완성된 비디오는 세대 기록에 저장되어 테이크를 다운로드하고, 버전을 비교하거나, 다른 초상화에 대해 동일한 트랙을 실행할 수 있습니다.
가장 표현력이 뛰어난 결과 얻기
가장 중요한 것은 사진이 아니라 녹음입니다. 카메라에서 하는 것처럼 라인을 수행합니다. 실제 일시 중지, 실제 강조, 실제 느낌. 단조로운 읽기는 모델이 듣는 내용을 충실하게 반영하기 때문에 단조로운 문자를 생성합니다. 두세 번의 전달을 녹음하고 모두 생성하는 것은 노래하는 테이크를 찾는 저렴한 방법입니다.
이미지의 경우 규칙은 호흡 공간입니다. 얼굴이 가장자리에서 가장자리로 잘려지면 머리 움직임이 펼쳐질 공간이 없습니다. 머리 주위에 공기가 있는 체스트업 프레임은 움직이는 컷아웃보다는 살아있는 사람의 환상을 파는 작은 기울기와 회전을 위한 모델 공간을 제공합니다.
빛을 발하는 시나리오
카리스마가 전달될 때 도달하십시오. 캐릭터가 진심으로 판매를 홍보하는 프로모션입니다. 박물관 가이드나 학교 프로젝트를 위해 자신의 이야기를 설명하는 역사적 초상화입니다. 트랙의 오프닝 라인을 노래하는 커버 아트 일러스트레이션입니다. 이들 각각은 감성 애니메이션에 따라 살거나 죽는데, 이것이 바로 이곳의 전문 분야입니다.
짧은 수직 비디오는 그 자체로 언급할 가치가 있습니다. 시청자를 사로잡을 수 있는 시간이 몇 초밖에 없으며, 표현력이 풍부한 사람의 얼굴이 화면 캡션보다 뛰어납니다. 15초 미만의 오디오 제한은 형식과 완벽하게 일치합니다. 어쨌든 훅 라인은 그 정도입니다.
OmniHuman 또는 다른 도구: 빠른 가이드
이 사이트는 또한 표준 및 프로 품질 등급을 갖춘 인근 사진 및 오디오 모델인 Kling AI 아바타를 제공합니다. 대략적인 경험 법칙: 최대 해상도에서 차분하고 기업 스타일의 발표자를 원한다면 다음을 시도해 보십시오. 생동감, 감성, 개성을 원한다면 OmniHuman 1.5로 시작하세요. 둘 다 동일한 입력을 받으므로 각 파일을 통해 파일을 실행하고 더 강력한 테이크를 유지하는 데는 약간의 균형만 필요합니다.
실제 목표가 스틸에 애니메이션을 적용하는 것보다 기존 영상의 음성을 다시 녹음하는 것이라면 Volcengine 립싱크가 적합한 도구입니다. 이는 새로운 오디오와 일치하도록 동영상의 입을 다시 작성합니다. 전신 액션이 포함된 스크립트 장면의 경우 Kling 3.0와 같은 일반 비디오 모델이 적용됩니다. 말하는 아바타는 클로즈업과 스피치의 전문가입니다.
자주 묻는 질문
실제 사진에만 적용되나요?
아니요. 얼굴을 명확하게 읽을 수 있는 경우 일러스트레이션과 양식화된 인물 사진도 애니메이션으로 표시됩니다. 모델은 눈과 입 주변의 표정과 관절을 구축하므로 이러한 특징은 소스 이미지에서 뚜렷하게 구분되어야 합니다.
아바타가 뻣뻣하게 나왔어요. 무엇이 잘못되었나요?
녹음이 거의 확실합니다. 모델은 목소리의 에너지를 반영하므로 단조로운 읽기는 단조로운 얼굴을 생성합니다. 진정한 억양, 일시정지, 강조를 통해 대사를 다시 녹음하면 캐릭터의 표현력도 함께 높아집니다.
15초보다 긴 것을 어떻게 만들 수 있나요?
각 세대에는 15초 미만의 오디오가 필요하므로 긴 연설을 여러 덩어리로 나누고 각각 동일한 초상화로 생성한 다음 비디오 편집기에서 클립을 결합하세요. 정적 배경에서는 컷이 거의 눈에 띄지 않습니다.