Pen siaradwr AIName
Defnydd masnachol OK
380+ modelau
Dim dyfynbris
Dim angen cofrestru
Model:
+ 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.
Dewisiadau Uwch
Canlyniad
Mae tocynnau'n isel.
Nôl Mwy o Tocynnau
❤️ Hoffwch Free.ai? Meddwl am eich ffrindiau!
Cofrestru i gael cysylltiad cyfeirio a ennill 25,000 o tocynnau am bob ffrind.
Hoffech fwy?
Cofrestru am ddim am 30K tocynnau/diwrnod + bonws 10K
Cofrestru
Yn prosesu eich cais...
Animuwch unrhyw llun portread i siarad. SadTalker am ddim (wedi'i hunan-gyweirio) neu lipsync premiwm — rhowch ddelwedd wyneb + sain, cewch fideo pen siaradwr wedi'i gydweddu â'r llafnau yn ôl. Ideal ar gyfer esboniwyr, avatars, llais-ar-fideo.
Sut i ddefnyddio Pen siaradwr AIName
1
Rhowch eich mewnbwn
Teipiwch destun, lanlwythwch ffeil, neu disgrifiwch beth ydych chi eisiau. Nid oes angen cyfrif.
2
Cliciwch i greu
Mae ein AI yn prosesu eich cais mewn eiliad gan ddefnyddio'r modelau ffynhonnell agored gorau.
3
Lawrlwytho a rhannu
Lawrlwytho, copïo, neu rannu eich canlyniad. Am ddim ar gyfer defnydd personol a masnachol.
Defnyddio'r erfyn hwn drwy API
Awtomatigi'r erfyn hwn o'ch cod eich hun. Diwedd-bwynt REST cydnaws â OpenAI, dilysiant tocyn-berchennog, dim angen SDK ychwanegol. Mae cost tocynnau yn cydweddu â'r rhyngwyneb gwe.
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}'Pen siaradwr AIName — FAQ
Llwytho llun portread + clip sain (neu ffeil siarad), mae AI yn bywogi'r wyneb i gydweddu'r sain â'r llais. Mae'r allbwn yn fideo MP4 o'r llun yn "sgwrsio" y sain gyda symudiadau llygaid realistig, gwasgu'r pen, a chlecio. Mae dau ddull: SadTalker am ddim (ei hunan-westeiwr, MIT) neu lipsync premiwm (llygaid mwy cryf, yn gyflymach).
Ie — SadTalker yn rhedeg ar ein GPUs hunan-gartrefedig, am ddim yn y pool tocynnau bob dydd. Mae pob clip yn costio ~6,000 tocynnau sylfaenol + 800 tocynnau yr eiliad o sain. Felly mae clip 10 eiliad yn costio ~14,000 tocynnau. Mae di-enw yn cael 2,500/diwrnod, mae mewngofnodi yn cael 10,000/diwrnod. Mae premiwm yn graddio yn ôl hyd hefyd ond gydag allbwn mwy cryf.
Mae SadTalker (rhagosodedig) yn rhad ac am ddim ac yn cynhyrchu pen siarad naturiol gyda symudiad pen bach + chwyddo. Mae gan gydweddu llais premiwm ffurfiau llygaid mwy cryf (yn arbennig ar gyfer llythrennau llythrennau a llythrennau dwy-lliw fel "p", "b", "m") ac yn torri 2-3 gwaith yn gyflymach ar sain hir. Mae SadTalker yn wych ar gyfer esboniwyr cyfryngau cymdeithasol ac avatars. Am ddyblygu dibynadwyedd uchel a chysoni llais ar gyfer cynnwys pwysig, newid i premium.
Portread sy'n wynebu'r blaen, wyneb clir, goleuo cyson, mynegiant niwtral. Dylai'r wyneb lenwi o leiaf 30% o'r ffrâm. Peidiwch â gwisgo sgwâr haul trwm (maent yn torri'r olrhain llygaid), lluniau proffil (mae angen i'r model weld y ddau lygad), a mynegiant eithafol. Mae lluniau pen y stiwdio a lluniau hunan-llun da'n gweithio'n dda.
WAV neu MP3 o siarad clir. Mae SadTalker yn trin clipiau 1-30 eiliad yn ddi-os, cynhelir rhai hirach ond maent yn arafach. Er mwyn cael y cydweddiad llais gorau, defnyddiwch siaradwr sengl, sŵn cefndir isel, a siarad a ddywedir yn glir. Creu'r sain yn gyntaf drwy /tts/ os ydych am sgriptio'r pen siarad.
Mae SadTalker yn cymryd tua 10 eiliad o amser GPU bob eiliad o sain. Felly mae pen siarad 10 eiliad yn cymryd ~100 eiliad. Mae cydweddu llais premiwm yn gyflymach (~3-5 eiliad bob eiliad o sain) ond mae'n costio mwy. Mae'r ddau yn rhedeg ar ein A100s — gallwch gau'r tab a bydd y canlyniad yn cyrraedd eich panel rheoli.
Mae D-ID yn codi $5.99/mis am 5 munud o fideo. Mae HeyGen yn $24/mis. Mae Synthesia yn $30/mis. Rydym yn rhoi SadTalker i chi am ddim yn y gronfa ddyddiol - ansawdd cymharol ar gyfer fideos esboniwr / avatar. Mae lipsync premiwm yn cyd-fynd â ansawdd D-ID Studio. Mae'r opsiwn am ddim yn ddigon da i'r rhan fwyaf o achosion defnyddio byr TikTok / YouTube.
Ie — creu wyneb drwy /image/avatar/ neu /image/generate/, yna ei roi yma. Mae'r model yn trin unrhyw ddelwedd sy'n wynebu'r blaen yn yr un ffordd. Cadeirydd cyffredin: cyfarwyddyd → ddelwedd SDXL → SadTalker yn bywlunio → /tts/ ar gyfer y llais → wedi.
Mae SadTalker yn bywogi ardal yr wyneb (bwrdd, llygaid, symud y pen, cwympo). Mae'r ysgwyddau, dillad, a'r cefndir yn aros yn gyfan gwbl statig. Ar gyfer pen siaradol corff llawn gyda symudiad corff, defnyddiwch y model cydweddu llais premiwm gyda crop ehangach.
Ie — POST i /v1/video/talking-head/ gyda `image` + `audio` aml-ran. Neu defnyddiwch /scheduled/ i osod llawer o rediadau mewn rhes. /batch/ hefyd yn derbyn CSV o gyplau URL-delwedd + URL-sain.
Ie — POST multipart `image` + `audio` i /v1/video/talking-head/ ar api.free.ai. Awdurdod y barwr. Dychwelyd JSON gyda `video_url` + `share_token`. 10,000 tocynnau/mis am ddim. Mae premiwm yn graddio'n llinell-ol gydag amser sain. Mae gan /api/ y enghraifft o gwympo.
Dileuir lluniau a sain o fewn 24 awr o'u creu. Mae fideos allbwn yn aros ar ein CDN am 24 awr (7 diwrnod ar gyfer defnyddwyr sy'n talu) fel y gallwch eu lawrlwytho eto o /account/?tab=history. Ni ddefnyddir erioed ar gyfer hyfforddiant. Polisi preifatrwydd yn llawn yn /privacy/.
Sut ydych chi'n graddio'r erfyn yma?