Ginawa gamit ang app na ito
Ginagawa ng Wan 2.2 S2V ang isang maikling bidyo ng MP4 mula sa isang retrato at audio clip, kung saan gumagalaw at nagsasalita ang paksa nang natural, kasabay ng sinasabi. Mag-upload ng iyong larawan, magdagdag ng hanggang 7.5 segundo ng tunog, at gagawa ang modelo ng paggalaw ng mga labi at ekspresyon ng mukha na sumusunod sa ritmo ng pananalita. Ang resulta ay nasa kalidad na 480p, 580p, o 720p, kaya’t ito’y kapaki-pakinabang para sa mga tagapagsalita sa digital, kinatawan ng tatak, at sinumang nangangailangan ng isang makatotohanang avatar na nagsasalita nang hindi nagtatala ng bidyong buhay.
Paano gamitin ang app na ito
- 1
Ilarawan kung ano ang gusto mong lumikha, o i-upload ang iyong source file.
- 2
Piliin ang iyong mga opsyon, pagkatapos ay pindutin ang Lumikha.
- 3
Panoorin ang iyong resulta na lumalitaw sa gallery sa loob ng ilang sandali.
- 4
I-download, ibahagi, o lumikha ulit gamit ang bagong ideya.
Ano ang maaari mong gawin
Mga Tagapresenta sa Digital para sa mga Slide
Ilagay ang isang propesyonal na retrato at naitalang paglalahad ng boses sa Wan 2.2 S2V upang makagawa ng clip ng nagsasalitang tagapresenta na maaari mong isingit sa isang presentasyon o pahina ng paglapag. Ang galaw na hinihimok ng pananalita ay nagpapanatili sa avatar na mukhang mapagmatyag at natural, hindi matigas o paulit-ulit.
Mga Clip ng Kinatawan para sa Lokal
Magrekord ng isinaling paglalahad ng boses mula sa parehong iskrip, ikabit ito sa isang larawan ng kinatawan ng tatak, at lumikha ng video ng avatar na nakalokal para sa bawat wika. Ang modelo ay sumusunod sa bagong ritmo ng audio nang hindi na kailangan ng panibagong pagkuha ng larawan.
Mga Larawang may Galaw bilang Alaala o Parangal
Bigyan ng boses ang isang mahalagang retrato sa pamamagitan ng pagpapares nito sa isang naitalang mensahe. Ang Wan 2.2 S2V ay lumilikha ng banayad, parang-taong galaw ng mukha na nagpapakita na ang larawan ay naroroon at nakikipag-ugnayan kaysa sa artipisyal na animasyon.
Nilalaman para sa Social Media na may Nagsasalitang Mukha
Lumikha ng maiikli, pinakinis na mga clip na may nagsasalitang mukha sa 720p para sa mga feed ng social media nang walang kagamitan sa kamera. Pagsamahin ang malinis na retrato sa isang audio clip na isinulat upang lumikha ng pare-parehong nilalaman na naaayon sa tatak sa malaking saklaw.
Mga Narrator na Karakter para sa Pagkatuto Online
Pagsamahin ang isang karakter na iginuhit o kinunan ng larawan sa isang track ng paglalahad upang bumuo ng isang animated na tagapagturo para sa isang modyul ng kurso. Ang output na may haba ng audio ay nangangahulugang ang video ay tumatagal ng eksaktong kasinghaba ng segment ng aralin, nang walang kinakailangang dagdag.
Mga ideya sa prompt na subukan
Bakit ginagamit ng mga creator ang app na ito
- Photo + Audio Input
- Speech-Driven Motion
- 480p / 580p / 720p
- Audio-Length Output
Mga tip para sa mas magandang resulta
Panatilihin sa Loob ng Haba ng Audio
Ang haba ng audio ay limitado sa 7.5 segundo. Putulin ang iyong kuwento nang maingat bago i-upload. Ang pagputol ng audio sa gitna ng pangungusap ay maaaring magdulot ng biglaang paggalaw sa dulo ng video, kaya planuhin ang iyong iskrip upang matapos ang isang buong kaisipan sa loob ng limitasyon.
Gumamit ng Malinaw na Larawan na Nakaharap sa Kamera
Ang Wan 2.2 S2V ay lumilikha ng paggalaw batay sa pagsasalita mula sa mga marka sa mukha sa larawan. Ang isang retrato na nakaharap sa kamera, kung saan kitang-kita ang mga labi at may neutral na ekspresyon, ay nagbibigay sa modelo ng pinakamalinaw na gabay at karaniwang nagreresulta sa pinakatumpak na pag-synchronize ng labi.
Piliin ang Resolusyon Batay sa Layunin
Pumili ng 720p para sa mga panghuling produkto kung saan mahalaga ang kalidad, at 480p para sa mabilis na pagsubok o maliliit na larawan. Ang pagpapasya sa resolusyon bago mo tapusin ang iyong audio ay maiiwasan ang paggawa muli ng parehong kuwento sa ibang antas ng kalidad.
Sumulat ng Paglalarawang-Prompt
Tumatanggap ang modelo ng isang prompt na teksto kasama ng larawan at audio. Gamitin ito upang ilarawan ang tagpuan, estilo ng ilaw, at damdamin na gusto mo. Ang isang prompt tulad ng 'mainit na ilaw sa studio, matatag na pagtingin sa mata, propesyonal na asal' ay makakatulong upang gabayan ang estilo ng paggalaw at biswal na pagkakatugma.
Kailan piliin ang app na ito
Piliin ang Wan 2.2 S2V kapag kailangan mo ng galaw ng mukha na sinasabay sa boses, tumutugon ito sa bilis at ritmo ng iyong audio, hindi lamang sa simpleng paggalaw ng bibig. Kung ikukumpara sa SadTalker, na inilalagay bilang isang abot-kayang avatar, mas mataas ang resolusyon ng Wan 2.2 S2V hanggang 720p, at tumatanggap din ito ng gabay na teksto. Kumpara naman sa Kling Avatar v2, na nakatuon sa pag-akma ng labi para sa iba't ibang karakter, ang Wan 2.2 S2V ay espesyal na ginawa para sa proseso ng retrato kasama ang audio, na may haba ng output na katumbas ng audio. Kaya’t ito ang mas mainam na pagpipilian kung ang iyong pinagkukunan ay isang larawan at tinig na nakarekord na.
Madalas na itatanong na mga tanong
Anong mga uri ng file ang dapat gamitin para sa audio input?
Tumatanggap ang app ng audio file kasabay ng iyong larawan. Gumamit ng malinaw at walang ingay na pagrekord para sa pinakamagandang resulta. Ang modelo ay kumukuha ng lahat ng galaw ng mukha mula sa signal ng pagsasalita, kaya direktang nakakaapekto ang kalidad ng audio sa naturalness ng kinalabasan.
Maaari ko bang gamitin ang ilustrasyon o larawang ginawa ng AI imbes na totoong litrato?
Oo. Gumagana ang Wan 2.2 S2V sa anumang imahe na may malinaw na nakikitang mukha at kilalang mga katangian ng mukha. Ang mga karakter na ilustrasyon, digital painting, at larawang ginawa ng AI ay maaaring i-animate, bagaman mas maaasahan ang resulta kung nakaharap diretso ang mukha at walang sagabal.
Kasama ba sa kinalabasan ng video ang orihinal na audio track?
Ang kinalabasan ay isang MP4 video. Ang audio na iyong inia-upload ang nagpapakilos sa galaw, at kasama sa rendered file ang audio na iyon upang maging naka-sync ito nang hindi na kinakailangang pagsamahin pa sa iyong software para sa pag-eedit.
Ano ang mangyayari kung mas maikli kaysa 7.5 segundo ang aking audio?
Ang haba ng kinalabasan ay eksaktong tumutugma sa haba ng iyong audio, na siyang ibig sabihin ng feature na ito para sa haba ng audio. Kung tatlong segundo lang ang iyong clip, makakakuha ka ng tatlong segundong video. Walang idinagdag na dagdag o pag-uulit pagkatapos ng pagsasalita.
Paano nakakaapekto ang text prompt sa kinalabasan ng video?
Ginagabayan ng prompt ang estilo, pakiramdam, at kapaligiran ng biswal, imbes na palitan ang nilalaman ng larawan. Ang paglalarawan ng ilaw, tagpuan, at asal ng subject ay nakakatulong sa modelo upang makagawa ng galaw at atmospera na naaayon sa iyong layunin, lalo na kung ang orihinal mong larawan ay may malabo o simpleng background.
Ang 720p ba ang pinakamataas na resolusyon na available?
Ang 720p ang pinakamataas na tier ng resolusyon na kasalukuyang available sa Wan 2.2 S2V. Kung kailangan mo ng 4K lip-sync output para sa iyong proyekto, maaaring mas angkop ang Sync-3 Lipsync, na humahawak ng video dubbing sa 4K para sa partikular na pangangailangang iyon.
Aling AI modelo ang nagpapagana sa app na ito?
Ang app na ito ay tumatakbo sa Wan 2.2 S2V, available sa pamamagitan ng Arteza nang walang hiwalay na account o setup.
Maaari ko bang gamitin ang mga resulta nang komersyal?
Oo. Ang content na iyong ginawa ay sa iyo upang gamitin, napapailalim sa aming content licenses.
Gaano katagal ang isang generation?
Karamihan ng mga generation ay nakakatapos sa loob ng isang minuto, at maaari mong panoorin ang progreso nang live sa gallery.