1枚の写真からトーキング動画を作成 — OmniHuman 1.5

OmniHuman 1.5はByteDanceのトーキングヘッド動画モデルで、1枚のポートレートをリアルに話すキャラクターに変換します。1枚の画像とオーディオから、表現力豊かなリップシンク、顔のパフォーマンス、微妙な頭部の動きを生成します。

ポートレートとオーディオトラックを提供します。モデルがボイスのリズム、プロソディ、音素を分析し、写真の人物がオーディオに同期して話し、マッチングする表情を行う動画を生成します。

Popcraftの無料アカウントにはOmniHuman 1.5で使えるクレジットが含まれています。長時間や高解像度のレンダリングはより多くのクレジットを消費し、有料プランやトップアップで月間予算を拡大できます。

Popcraftの有料プランではレンダリングした動画の商用利用権が付与されます。ソースポートレートに写っている実在の人物の肖像を使用するには同意が必要です — 許可なく他者のトーキングヘッドコンテンツを生成しないでください。

1080pで最大30秒、720pで最大60秒です。より長い動画はRemotionタイムラインで複数のクリップをつなぎ合わせて作成します。

縦型ショートフォーム動画用の9:16、ワイドスクリーンのYouTubeやランディングページ用の16:9、正方形のフィード投稿用の1:1に対応。Popcraftのキャラクタースタジオからすべて選択できます。

キャラクターページを開き、ポートレートをアップロードし、オーディオを添付し、アスペクト比と解像度を選択して送信します。プログレスがリアルタイムでストリーミングされ、完成したトーキングヘッド動画がギャラリーに保存されます。