🎭 یک عکس + یک فایل صوتی = ویدیوی ۵ دقیقه‌ای

ByteDance نسخه تازه مدل آواتارسازش، OmniHuman 2.0، را معرفی کرده. ورودی ساده است: یک تصویر از شخصیت و یک فایل صدا یا موسیقی؛ خروجی، ویدیویی که شخصیت در آن حرف می‌زند، می‌خواند و حرکت می‌کند.

تفاوتش با ابزارهای لب‌سینک معمولی چیست؟
• فقط لب‌ها را با صدا هماهنگ نمی‌کند؛ لحن و حس گفتار را هم در حالت چهره و حرکت بدن نشان می‌دهد
• طبق اعلام BytePlus، طول ویدیوی پیوسته از ۶۰ ثانیه به ۵ دقیقه رسیده
• هزینه تولید هم به گفته همین شرکت بیش از ۴۰٪ کم شده

برای چه کاری به درد می‌خورد؟ ویدیوی آموزشی با مدرس مجازی، معرفی محصول، پادکست تصویری یا محتوای چندزبانه.

⚠️ یادت باشد: ساختن ویدیو از چهره کسی بدون اجازه‌اش، هم غیراخلاقی است و هم دردسر حقوقی دارد. فقط با تصویر خودت یا کاراکترهای ساختگی کار کن.

تو با چنین ابزاری اول چه ویدیویی می‌سازی؟ در کامنت‌ها بنویس 👇

#هوش_مصنوعی #OmniHuman #ByteDance #ساخت_ویدیو #آواتار
@mrchatgpt_ir