Говорящая голова
Камерцыйнае выкарыстанне
380+ мадэляў
Без вадзянога знака
Не патрабуецца рэгістрацыя
Модэль:
+ 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.
Адмысловыя параметры
Вынікі
Не хапае значкоў.
Атрымаць больш значкоў
❤️ Любіце Free.ai? Раскажыце сваім сябрам!
Зарэгіструйцеся, каб атрымаць спасылку і атрымаць 25 000 знакаў на сябра.
Хочаце больш?
Зарэгіструйцеся бясплатна на 30K знакаў / дзень + 10K бонус
Зарэгіструйцеся
Апрацоўка запыту...
Анімацыя любой партрэтнай фатаграфіі для размоваў. Бясплатны SadTalker (самы сабой) або прэміум lipsync — выкіньце выяву твару + гук, атрымайце відэа з сінхранізаванай вуснай галавой. Ідэальна падыходзіць для тлумачэньняў, аватараў, гукавых запісаў відэа.
Як выкарыстоўваць Говорящая голова
1
Увядзіце ваш увод
Увядзіце тэкст, загрузіце файл або апісайце, што вы хочаце. Не патрабуецца ўліковы запіс.
2
Націсніце, каб стварыць
Нашы машынныя навучанні апрацоўваюць ваш запыт за секунды, выкарыстоўваючы лепшыя мадэлі з адкрытым зыходным кодам.
3
Сцягнуць і падзяліцца
Сцягнуць, скапіраваць або падзяліцца сваімі вынікамі. Бясплатна для асабістага і камерцыйнага выкарыстання.
Выкарыстоўваць гэтую прыладу праз API
Аўтаматызацыя гэтай інструмента з вашага кода. OpenAI- сумяшчальны REST канец, Bearer- токен аўтарызацыі, не патрабуецца дадатковы SDK. Кошт токенаў адпавядае інтэрфейсу вэб.
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}'Говорящая голова — FAQ
Загрузіце партрэтную фатаграфію + аўдыё- кліп (або файл гаворкі), ШІ анімуе твар, каб сінхранізаваць аўдыё з губамі. Вывад - відэа ў фармаце MP4 з фота, якое "гаворыць" аўдыё з рэалістычнымі рухамі рота, скачкамі галавы і мігценнямі. Два варыянты: бясплатны SadTalker (самы сабой, MIT) або прэміум lipsync (больш выразны рот, хутчэй).
Так — SadTalker працуе на нашых уласных графічных працэсарах, бясплатна ў штодзённым пункце. Кожны кліп каштуе ~6,000 базавай манеты + 800 манет за секунду гуку. Такім чынам, 10-секундны кліп каштуе ~14,000 манет. Анонімныя карыстальнікі атрымліваюць 2,500/дзень, уваходныя карыстальнікі атрымліваюць 10,000/дзень. Premium таксама павялічваецца па даўжыні, але з больш рэзкім вывадом.
SadTalker (па змаўчанні) бясплатны і стварае натуральную галаву-гаворку з тонкім рухам галавы + мігценні. Premium lipsync мае больш выразныя формы рот (асабліва для плёсіўных і білабальных, як "p", "b", "m") і рэндеруе 2-3x хутчэй на доўгіх аўдыё. Для сацыяльных медыя-апавядальнікаў і аватараў, SadTalker выдатны. Для высока-вернасці дублавання і lip-sync-critical-content, пераключыцеся на premium.
Портрэт з тварам спераду, чыстае, раўнамернае асвятленне, нейтральны выраз. Твары павінны займаць не менш за 30% кадра. Не носіце цяжкія акуляры (якія парушаюць работу сістэмы назірання за вачыма), не рабіце профілявыя здымкі (мадэлі павінны мець бачныя абодва вочы) і не выкарыстоўвайце экстрэмальныя выраз твару. Студыйныя здымкі галавы і добрыя селфі выдатна працуюць.
WAV або MP3 гукавыя файлы. SadTalker дае магчымасць захоўваць 1- 30- секундныя кліпы, але яны будуць павольнейшымі. Для лепшай сінхранізацыі гуку з вуснамі выкарыстоўвайце адзін дынамік, нізкі фонавы шум і чыстае гучанне. Спачатку стварыце гук праз / tts /, калі вы хочаце стварыць сцэнар для гукавой галавы.
SadTalker займае каля 10 секунд часу GPU на секунду гуку. Такім чынам, 10- секундная размова займае ~100 секунд. Premium lipsync хутчэй (~3-5 секунд на секунду гуку), але каштуе больш. Абедзве працуюць на нашых A100s - вы можаце закрыць картку і вынік апынецца на вашым працоўным стале.
D-ID патрабуе $ 5.99 / месяц за 5 хвілін відэа. HeyGen - $ 24 / месяц. Synthesia - $ 30 / месяц. Мы даем вам SadTalker бясплатна ў штодзённым басейне - параўнальнае якасць для відэа з тлумачэннем / аватарам. Premium lipsync адпавядае якасці D-ID Studio. Бесплатны варыянт шчыра добры для большасці TikTok / YouTube кароткіх выпадкаў выкарыстання.
Так — стварыць твар праз / image/ avatar / або / image/ generate /, а затым падаць яго сюды. Модэль трактуе любы партрэт, які глядзіць спераду, такім жа чынам. Агульны ланцужок: prompt → SDXL portrait → SadTalker animates → / tts / для голасу → зроблена.
SadTalker анімуе частку твару (рот, вочы, рух галавы, мігценні). Плечы, адзенне і фон застаюцца амаль статычнымі. Для вуснаў з рухам цела выкарыстоўвайце мадэль lipsync з больш шырокім абрэзкам.
Так — POST у /v1/video/talking-head/ з шматчастковым `image` + `audio`. Або выкарыстоўвайце /scheduled/ для шэрагу выкананняў. /batch/ таксама прымае CSV з парай URL-адрасу малюнка і URL-адрасу гуку.
Так — POST multipart `image` + `audio` to /v1/video/talking-head/ on api.free.ai. Bearer auth. Верне JSON з `video_url` + `share_token`. 10,000 знакаў/месяц бясплатна. Прэміум-план лінейна павялічваецца з працягласцю гуку. /api/ мае прыклад curl.
Фота і аўдыё выдаляюцца праз 24 гадзіны пасля стварэння. Выходныя відэа захоўваюцца ў нашай CDN на працягу 24 гадзін (7 дзён для платных карыстальнікаў), каб вы маглі перазагрузіць з /account/?tab=history. Ніколі не выкарыстоўваецца для трэніровак. Паўночнае кіраванне прыватнасцю ў /privacy/.
Як вы ацэньваеце гэтую прыладу?