የAI መናገር ራስ
የኮሜርስ ጥቅም
380+ ሞዴሎች
የዋሽንግተን ዲሲ
ምዝገባ የለም
ሞዴል፦
+ GPT-5, Claude, Gemini
Animate any portrait photo to speak. Drop a face image + an audio file (or paste TTS text), AI generates a video of the face talking with synchronized lip movements. Powered by SadTalker - fast and reliable for professional talking-head explainer videos.
የቀረቡ ምርጫዎች
ውጤት
ቶኬቶች እየቀነሱ ነው
ተጨማሪ ቶኬቶች
ተጨማሪ ይፈልጋሉ?
ለ 30K ቶኮኖች / ቀን + 10K ጉርሻ ነፃ ለመመዝገብ
ነጻ
ጥያቄዎን በመቀበል ላይ...
ማንኛውንም የፎቶግራፍ ምስል ለመናገር አንቀሳቅስ። ነፃ የሆኑት SadTalker (የራሳቸው-ተስተናገዱ) ወይም የፕሪሚየም lipsync - የፊት ምስል + ድምፅ ይውሰዱ፣ የፊት-የሚነጋገሩ-አእምሮ ቪዲዮን ይመለሱ። ለተብራራ፣ ለአዋታሮች፣ ለቪዲዮ ድምፅ-በላይ ተስማሚ ነው።
እንዴት እንደሚጠቀሙ የAI መናገር ራስ
1
የእርስዎን ፋይል አስገባ
ጽሑፉን ይጻፉ፣ ፋይልን ጫን፣ ወይም የሚፈልጉትን ነገር ግለጹ። የግል መለያ የለም
2
መተላለፊያ
የሰው ሰራሽ ብልህነት (AI) መሳሪያችን በሁለት ሰከንዶች ውስጥ ጥያቄዎን በመጠቀም ምርጥ የግል ምንጭ ሞዴሎችን ይጠቀማል ፡፡
3
ያውርዱ & ይስጡ
ውጤቱን ያውርዱ፣ ቅጂ ያድርጉ ወይም ያጋሩት። ለግል እና ለቢዝነስ ጥቅም ነፃ ነው
ይህ መሣሪያን በAPI ይጠቀሙ
ይህ መሣሪያ ከራስዎ ኮድ አውቶማቲክ. OpenAI-ተስማሚ REST መጨረሻ ነጥብ, Bearer-ቶኬን auth, ምንም ተጨማሪ SDK ያስፈልጋል. Token ወጪዎች የዌብ አጠቃላይ ጋር ይመሳሰላል.
curl -X POST https://api.free.ai/v1/video/generate/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"prompt": "A cat playing piano", "duration": 4}'የAI መናገር ራስ - FAQ
የፎቶግራፍ ምስል + የድምፅ ክሊፕ (ወይም የንግግር ፋይል) ጫን፣ AI ፊቱን ድምጹን በምላስ-ሲንክ ለማድረግ ያንቀሳቅሳል። ውጤቱ የፎቶግራፉን MP4 ቪዲዮ "የሚናገረው" ድምጹን በውጤታማ የምላስ እንቅስቃሴዎች፣ የራስ መዞር እና መነቃቃት ነው። ሁለት ሞዴሎች: ነፃ SadTalker (የራሱ-ተጠቃሚ፣ MIT) ወይም የፕሪሚየም lipsync (የተሻለ ምላስ፣ ፈጣን)።
አዎ - SadTalker በራስ-ሰር የተቀመጠው GPUs ላይ ይሠራል፣ በየቀኑ በቶኬን ፎልድ ውስጥ ነፃ ነው። ክሊፕው ሁሉ ~6,000 ቶኬኖች መሠረት + 800 ቶኬኖች በድምፅ በሁለተኛው ውስጥ ይከፍላል። ስለዚህ የ10 ሰከንድ ክሊፕ ~14,000 ቶኬኖች ነው ፡፡ ያልታወቀው 6,000/ቀን ያገኛል ፣ የተመዘገበው 30,000/ቀን ያገኛል ፡፡ ፕሪሚየም በርዝመትም ይጨምራል ግን በጥሩ ውጤት ጋር።
SadTalker (የተቀመጠው) ነፃ ነው እናም የራስን እንቅስቃሴ + መታየትን ጨምሮ የራስን ራስን ይነካል. የፕሪሚየም lipsync የጨዋታውን ፊት ቅርፅ (በተለይም ለ plosives እና bilabials እንደ "p", "b", "m") እና 2-3x በፍጥነት በረጅም ድምፅ ላይ ያቀርባል. ለሶሻል ሚዲያ አስተያየቶች እና አቫታሮች፣ SadTalker ታላቅ ነው. ለከፍተኛ ፍቅር ድምጽ እና የፊት synchronization-critical ይዘት, ወደ ፕሪሚየም ይለውጡ.
የፊት ገጽታ፣ ግልጽ ፊት፣ ተመሳሳይ ብርሃን፣ ተቀባይነት የሌለው መልክ። ፊት በፍሬሙ ውስጥ 30% መሆን አለበት። የፀሐይ መነጽሮችን (የዓይን መከታተልን ያበላሹ)፣ የፕሮፊል ፎቶዎችን (የሞዴሉ ሁለት ዓይኖች መታየት አለባቸው)፣ እና የረጅም መልክን መከላከል አለበት። የስታዲየም ፎቶዎች እና ጥሩ ሴልፊዎች በጣም ጥሩ ናቸው።
የግልጽ ንግግር WAV ወይም MP3. SadTalker 1-30 ሰከንዶች ቪዲዮዎችን በጥብቅ ይይዛል፣ ረጅም የሚደገፍ ቢሆንም ዝቅተኛ ነው። ለተሻለ የምላስ-ሰከንዶች፣ አንድ Speaker፣ ዝቅተኛ የኋላ ድምፅ፣ እና ግልጽ የሆነ ንግግር ይጠቀሙ። የንግግር ራስን ለመስክሪፕት ከፈለጉ ድምጹን በ /tts/ በመጠቀም መጀመሪያ ያድርጉ።
SadTalker በድምፅ 10 ሰከንዶች በአንድ ሰከንድ GPU ጊዜ ይወስዳል. ስለዚህ 10-ሰከንድ የሚናገሩ ራስ ~ 100 ሰከንዶች ይወስዳል. ፕሪሚየም lipsync ፈጣን ነው (~ 3-5 ሰከንዶች በአንድ ሰከንድ የድምፅ) ነገር ግን የበለጠ ዋጋ አለው. ሁለቱም በ A100s ላይ ይሠራሉ - መክፈቻውን መክፈት ይችላሉ እና ውጤቱ በዳሽቦርድዎ ውስጥ ይወርዳል.
የዲ-አይዲ ቪዲዮ ለ 5 ደቂቃዎች $ 5.99 / ወር ያስከፍላል. HeyGen $ 24 / ወር ነው. Synthesia $ 30 / ወር ነው. በዕለት ተዕለት ውሃ ውስጥ SadTalker ን ነፃ እናቀርባለን - ለቪዲዮዎች / አቫታር ቪዲዮዎች የሚመሳሰል ጥራት. የፕሪሚየም lipsync የዲ-አይዲ ስታዲየም ጥራት ይዛመዳል. ነፃው ምርጫ ለብዙዎቹ የ Tiktok / YouTube ጥቂት የፍለጋ ጉዳዮች እጅግ በጣም ጥሩ ነው.
አዎ - በ /image/avatar/ ወይም /image/generate/ ፊትን አስገኝ፣ ከዚያም እዚህ አስገባት። ሞዴሉ በተመሳሳይ መንገድ ማንኛውንም ፊትን የሚያሳይ ፎቶግራፍ ይመለከታል። የተለመደው ሰንጠረዥ፡ ጥያቄ → SDXL ፎቶግራፍ → SadTalker አንቀሳቅሷል → /tts/ ለድምፅ → ተደረገ።
SadTalker የፊት ክፍል (አፍ፣ ዓይኖች፣ ራስ መዞር፣ ማሽቆልቆል) አንቀሳቅሷል. ደረቶች፣ ልብሶች፣ እና ኋላፊዎች ቀድሞውኑ ቀጥ ያሉ ናቸው። ለሙሉ-አካል መናገር-አፍ ከሰውነት እንቅስቃሴ ጋር፣ የፕሪሚየም lipsync ሞዴልን በስፋት ቅርጽ ይጠቀሙ።
አዎ - POST ወደ /v1/ቪዲዮ/የመነጋገር-አፍ/ በብዙ ክፍሎች `ምስል` + `ኦዲዮ`. ወይም /scheduled/ ብዙ መተላለፊያዎችን ለመፍጠር ይጠቀሙ. /batch/ም የ CSV ምስል-URL + ኦዲዮ-URL ብልጫዎችን ይቀበላል.
አዎ - POST multipart `image` + `audio` ወደ /v1/ቪዲዮ/talking-head / ላይ api.free.ai. Bearer auth. JSON ጋር `video_url` + `share_token` ይመለሳል. 10,000 ቶኮኖች / ወር ነፃ. ፕሪሚየም መስመር ድምፅ ጊዜ ጋር ይለካል. /api/ curl ምሳሌ አለው.
ፎቶዎች እና ድምፅ በ 24 ሰዓታት ውስጥ ይተላለፋሉ. ውጤት ቪዲዮዎች ለ 24 ሰዓታት (7 ቀናት ለተከፍለው ተጠቃሚዎች) በ CDN ላይ ይቀመጣሉ ስለዚህ ከ /account/?tab=history ማግኘት ይችላሉ. ለልምምድ ላለመጠቀም. የግል መረጃ ፖሊሲ በሙሉ በ /privacy/ ላይ ነው.
ይህንን መሳሪያ እንዴት ትመዘግባላችሁ?