এই অ্যাপ্লিকেশন দিয়ে তৈরি
OmniHuman v1.5 একটি একক পোর্ট্রেট ফটো এবং একটি অডিও ফাইলকে সম্পূর্ণভাবে অ্যানিমেটেড টক করা অবতার ভিডিওতে রূপান্তরিত করে, যার মধ্যে রয়েছে সিঙ্ক্রোনাইজড লিপ মুভমেন্ট, প্রাকৃতিক মুখের অভিব্যক্তি এবং বক্তৃতার সাথে মেলা অঙ্গভঙ্গি। আউটপুট হল 720p বা 1080p এ একটি পরিষ্কার এমপি4 ফাইল, যা ভার্চুয়াল উপস্থাপক, ব্র্যান্ডেড মুখপাত্র, ই-লার্নিং বর্ণনাকারী এবং যে কেউ ক্যামেরা যন্ত্রপাতি বা স্টুডিও ছাড়াই পলিশড টক-হেড ভিডিও প্রয়োজনের জন্য ব্যবহারিক।
এই অ্যাপ্লিকেশনটি কীভাবে ব্যবহার করবেন
- 1
আপনি কী তৈরি করতে চান তা বর্ণনা করুন বা আপনার সোর্স ফাইল আপলোড করুন।
- 2
আপনার বিকল্পগুলি বেছে নিন, তারপর জেনারেট করুন টিপুন।
- 3
আপনার ফলাফল কয়েক মুহূর্তের মধ্যে গ্যালারিতে প্রদর্শিত হতে দেখুন।
- 4
ডাউনলোড করুন, শেয়ার করুন বা একটি নতুন ধারণা দিয়ে আবার জেনারেট করুন।
আপনি কী তৈরি করতে পারেন
ভার্চুয়াল কোর্স প্রশিক্ষক
একটি পেশাদার হেডশট এবং একটি রেকর্ড করা লেকচার স্ক্রিপ্ট আপলোড করুন যাতে একজন অন-স্ক্রিন প্রশিক্ষক তৈরি হয় যিনি প্রাকৃতিকভাবে কথা বলেন, অঙ্গভঙ্গি করেন এবং প্রতিক্রিয়া জানান। OmniHuman v1.5 মুখের অভিব্যক্তিগুলিকে ভোকাল টোনের সাথে সারিবদ্ধ রাখে, তাই 720p এ সম্পূর্ণ 60-সেকেন্ডের অডিও উইন্ডো জুড়ে অবতারটি রোবটিক হওয়ার পরিবর্তে নিযুক্ত বোধ করে।
বহুভাষিক পণ্য প্রদর্শনী
যেকোনো ভাষায় একটি ভয়েসওভার রেকর্ড করুন, একটি ব্র্যান্ড-প্রতিনিধিত্ব ফটোর সাথে জুড়ি করুন এবং মিনিটের মধ্যে একটি স্থানীয়করণকৃত মুখপাত্র ভিডিও তৈরি করুন। কারণ OmniHuman v1.5 বক্তৃতার ছন্দ থেকে অঙ্গভঙ্গি উদ্ভূত করে, শারীরিক ভাষা কোনো ম্যানুয়াল কীফ্রেমিং ছাড়াই প্রতিটি ভাষার প্রাকৃতিক গতির সাথে খাপ খায়।
কর্পোরেট অভ্যন্তরীণ ঘোষণা
এইচআর এবং যোগাযোগ দলগুলি একটি একক নির্বাহী হেডশটকে কোম্পানি-ব্যাপী বিতরণের জন্য একটি পেশাদার ভিডিও বার্তায় রূপান্তরিত করতে পারে। 1080p আউটপুট বিকল্প নিশ্চিত করে যে ভিডিওটি বড় স্ক্রিনে গুণমান বজায় রাখে, যখন নিখুঁত লিপ সিঙ্ক বিশ্বাসযোগ্যতা বজায় রাখে যখন নির্বাহী সরাসরি ক্যামেরায় উপস্থিত হতে পারেন না।
সোশ্যাল মিডিয়া পার্সোনা ভিডিও
কন্টেন্ট নির্মাতারা যারা পর্দার পিছনে থাকতে পছন্দ করেন তারা একটি পোর্ট্রেট থেকে একটি সামঞ্জস্যপূর্ণ অন-স্ক্রিন ব্যক্তিত্ব তৈরি করতে পারেন। প্রতিটি পোস্টের জন্য স্ক্রিপ্টেড অডিও ফিড করুন এবং একটি এমপি4 অবতার পান যা একটি সিরিজের প্রতিটি ভিডিও জুড়ে একই মুখ, অভিব্যক্তি এবং অঙ্গভঙ্গিমূলক শৈলী বজায় রাখে।
প্রোটোটাইপ মার্কেটিং স্পট
লাইভ শুটে প্রতিশ্রুতিবদ্ধ হওয়ার আগে, মার্কেটিং দল একটি স্টক বা ধারণা ফটো থেকে একটি বাস্তবসম্মত উপস্থাপক ভিডিও তৈরি করে স্ক্রিপ্ট এবং ভিজ্যুয়াল দিকনির্দেশনা যাচাই করতে পারে। 30-সেকেন্ডের 1080p সীমা সাধারণ বিজ্ঞাপন এবং সোশ্যাল ভিডিও ফর্ম্যাটের সাথে ভালভাবে মিলে যায়, যা পর্যালোচনা চক্র দ্রুত এবং সস্তা করে তোলে।
চেষ্টা করার জন্য প্রম্পট ধারণা
কেন সৃজনশীলরা এই অ্যাপ্লিকেশন ব্যবহার করেন
- একক ফটো ইনপুট
- নিখুঁত লিপ সিঙ্ক
- প্রাকৃতিক অভিব্যক্তি
- অঙ্গভঙ্গি প্রজন্ম
- টার্বো মোড
- 720p/1080p আউটপুট
আরও ভাল ফলাফলের জন্য টিপস
একটি পরিষ্কার পোর্ট্রেট বেছে নিন
OmniHuman v1.5 একটি একক ফটো থেকে সমস্ত অ্যানিমেশন তৈরি করে, তাই ইমেজ মানের গুরুত্ব রয়েছে। একটি ভালভাবে আলোকিত, সামনের দিকে মুখোমুখি পোর্ট্রেট একটি নিরপেক্ষ পটভূমির সাথে ব্যবহার করুন। ভারী ফিল্টার, চরম কোণ বা আংশিক মুখ ফসল এড়িয়ে চলুন, কারণ এগুলি মডেল লিপ মুভমেন্ট এবং অভিব্যক্তি কতটা সঠিকভাবে উত্পাদন করতে পারে তা সীমাবদ্ধ করে।
অডিও দৈর্ঘ্যকে রেজোলিউশনের সাথে মেলান
অ্যাপটি 720p এ 60 সেকেন্ড পর্যন্ত এবং 1080p এ 30 সেকেন্ড পর্যন্ত সমর্থন করে। রেকর্ড করার আগে আপনার স্ক্রিপ্টটি সঠিক সীমার মধ্যে ফিট করার জন্য পরিকল্পনা করুন। রেকর্ডিং করার পরে অডিও ট্রিমিং করা প্রায়শই অপ্রত্যাশিত শেষ তৈরি করে, তাই প্রথমে আপনার বর্ণনা লিখুন এবং সময় নির্ধারণ করুন, তারপর এমন একটি রেজোলিউশন বেছে নিন যা আপনার অডিও সময়কালের সাথে মানানসই।
ভাল অঙ্গভঙ্গির জন্য অভিব্যক্তিশীল অডিও ব্যবহার করুন
OmniHuman v1.5 এ অঙ্গভঙ্গি প্রজন্ম বক্তৃতা ছন্দ এবং অডিওতে আবেগ দ্বারা চালিত হয়। একটি সমতল, একঘেয়ে রেকর্ডিং ন্যূনতম আন্দোলন তৈরি করে। প্রাকৃতিক গতিপথ, বৈচিত্র্যময় জোর এবং স্পষ্ট আবেগজনক অভিপ্রায় সহ রেকর্ড করুন যাতে একটি আরও গতিশীল, বাস্তবসম্মত অবতার পান যার সাথে উপযুক্ত মাথার ঝোঁক এবং শারীরিক অঙ্গভঙ্গি রয়েছে।
দ্রুত পুনরাবৃত্তির জন্য টার্বো মোড ব্যবহার করুন
টার্বো মোড প্রজন্মকে ত্বরান্বিত করে, যা বিভিন্ন অডিও টেক বা পোর্ট্রেট পছন্দ পরীক্ষা করার জন্য আদর্শ একটি চূড়ান্ত রেন্ডারে প্রতিশ্রুতিবদ্ধ হওয়ার আগে। প্রথমে 720p এ টার্বো মোড সহ আপনার অবতার খসড়া করুন, নিশ্চিত করুন যে ফলাফলটি আপনার চাহিদা পূরণ করে, তারপর বিতরণের জন্য পলিশড 1080p সংস্করণ তৈরি করুন।
এই অ্যাপটি কখন বেছে নেবেন
OmniHuman v1.5 যখন বাস্তবতা এবং অভিব্যক্তিশীল সিঙ্ক্রোনাইজেশন শীর্ষ অগ্রাধিকার হয় তখন সঠিক পছন্দ। SadTalker এর তুলনায় এটি উল্লেখযোগ্যভাবে আরও প্রাকৃতিক মুখের আন্দোলন এবং শুধুমাত্র মাথার গতির পরিবর্তে সম্পূর্ণ অঙ্গভঙ্গি অ্যানিমেশন তৈরি করে। Sync-3 Lipsync এর তুলনায় এটি একটি সিঙ্গেল ফটো থেকে একটি সম্পূর্ণ অ্যানিমেটেড অবতার উৎপন্ন করে ইনপুট হিসাবে বিদ্যমান ভিডিও ফুটেজ প্রয়োজনের পরিবর্তে। যদি আপনার লক্ষ্য ন্যূনতম উৎস উপাদান থেকে একটি বিশ্বাসযোগ্য ভার্চুয়াল উপস্থাপক হয় তবে OmniHuman v1.5 লাইনআপে সবচেয়ে সম্পূর্ণ সমাধান।
সাধারণ প্রশ্নাবলী
আমি একটি চিত্রিত বা স্টাইলাইজড পোর্ট্রেট ব্যবহার করতে পারি একটি ফটোগ্রাফের পরিবর্তে?
OmniHuman v1.5 ডিজিটাল চিত্র বা রেন্ডার করা অক্ষরগুলির মতো অ-ফটোগ্রাফিক পোর্ট্রেট অ্যানিমেট করতে পারে, তবে ফলাফলগুলি বাস্তবসম্মত মানব পোর্ট্রেটের সাথে সবচেয়ে নির্ভরযোগ্য। অত্যন্ত স্টাইলাইজড চিত্রগুলি অতিরঞ্জিত অনুপাত বা অ-মানব বৈশিষ্ট্য সহ অসংগত লিপ সিঙ্ক এবং অভিব্যক্তি নির্ভুলতা তৈরি করতে পারে।
মডেল কি ফটোতে ব্যক্তির পরিচয় এবং চেহারা সংরক্ষণ করে?
হ্যাঁ। OmniHuman v1.5 উৎপন্ন ভিডিও জুড়ে ইনপুট পোর্ট্রেটের সাথে সামঞ্জস্যপূর্ণ মুখ, ত্বকের টোন, চুল এবং সামগ্রিক চেহারা রাখে। এটি মুখ প্রতিস্থাপন করার পরিবর্তে বিদ্যমান মুখটিকে অ্যানিমেট করে, তাই অবতার আসল ফটোতে যে ব্যক্তির মতো দেখায়।
কোন অডিও ফর্ম্যাট এবং গুণমানের স্তর সেরা কাজ করে?
যদিও অ্যাপটি মান অডিও ফাইল গ্রহণ করে, স্পষ্ট বক্তৃতা একটি সামঞ্জস্যপূর্ণ ভলিউম স্তরে রেকর্ড করা হয়েছে পটভূমির শব্দ বা ভারী সংকোচন ছাড়াই সবচেয়ে নির্ভুল লিপ সিঙ্ক তৈরি করে। অত্যন্ত প্রক্রিয়াকৃত অডিও রিভার্ব বা ওভারল্যাপিং ভয়েস সহ এড়িয়ে চলুন, কারণ এগুলি অঙ্গভঙ্গি প্রজন্মকে চালিত করে এমন ছন্দ সনাক্তকরণকে বিভ্রান্ত করতে পারে।
অঙ্গভঙ্গি বা অভিব্যক্তির তীব্রতা নিয়ন্ত্রণ করার কোনো উপায় আছে?
OmniHuman v1.5 এ অঙ্গভঙ্গি এবং অভিব্যক্তি তীব্রতা ম্যানুয়াল নিয়ন্ত্রণের পরিবর্তে অডিওর আবেগ এবং ছন্দ থেকে স্বয়ংক্রিয়ভাবে উদ্ভূত হয়। রেকর্ড করা অডিওর সরবরাহ, গতিপথ এবং অভিব্যক্তিমূলকতা সামঞ্জস্য করা হল প্রধান উপায় যাতে চূড়ান্ত ভিডিওতে অবতারটি কতটা অ্যানিমেটেড প্রদর্শিত হয় তা প্রভাবিত করতে পারেন।
অবতার কি যেকোনো ভাষায় কথা বলতে পারে?
OmniHuman v1.5 নির্দিষ্ট ভাষার নিয়মের পরিবর্তে অডিও ওয়েভফর্ম এবং এর আবেগজনক সামগ্রী থেকে লিপ সিঙ্ক এবং অঙ্গভঙ্গি উত্পাদন করে, তাই এটি ভাষা জুড়ে কাজ করে। ভাষাগুলির জন্য লিপ নির্ভুলতা প্রশিক্ষণ তথ্যে কম সাধারণ ফোনিম প্যাটার্ন সহ কিছুটা পরিবর্তিত হতে পারে, তবে সামগ্রিক ফলাফল ব্যাপকভাবে বহুভাষিক।
কোথাও লিপ সিঙ্ক যদি কিছুটা বন্ধ দেখায় তবে আমি কী করব?
পরিষ্কার উচ্চারণ এবং একটি কিছুটা ধীর গতি সহ অডিও পুনরায় রেকর্ড করা প্রায়শই ছোট সিঙ্ক সমস্যাগুলি সমাধান করে। আপনি একটি পূর্ণ 1080p রেন্ডারে ক্রেডিট ব্যয় করার আগে একটি বিকল্প অডিও টেক দ্রুত পরীক্ষা করতে টার্বো মোডও চেষ্টা করতে পারেন। মূল অডিওতে পটভূমির শব্দ সিঙ্ক প্রবাহচ্যুতির সবচেয়ে সাধারণ কারণ।
এই অ্যাপ্লিকেশনটি কোন AI মডেল দ্বারা চালিত?
এই অ্যাপটি OmniHuman v1.5 এর উপর চলে, যা Arteza-এর মাধ্যমে উপলব্ধ এবং এর জন্য আলাদা অ্যাকাউন্ট বা সেটআপের প্রয়োজন নেই।
আমি কি ফলাফল বাণিজ্যিকভাবে ব্যবহার করতে পারি?
হ্যাঁ। আপনি যে কন্টেন্ট তৈরি করেন তা আপনার, আমাদের কন্টেন্ট লাইসেন্সের অধীন ব্যবহারের জন্য।
একটি জেনারেশন কতক্ষণ সময় নেয়?
বেশিরভাগ জেনারেশন এক মিনিটের মধ্যে সম্পন্ন হয় এবং আপনি গ্যালারিতে লাইভ অগ্রগতি দেখতে পারেন।