ഹെഡ്ക്വാർട്ടേഴ്സ്
വാണിജ്യ ഉപയോഗം ശരി
380+ മോഡലുകള്
വാട്ടര്മാര്ക്കൊന്നുമില്ല
ഒപ്പ് വെക്കേണ്ട ആവശ്യമില്ല
മോഡ്:
+ 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.
മുന്കൂര് ഐച്ഛികങ്ങള്
ഫലം
ടോക്കൻസ് താഴ്ന്നിരിക്കും.
എസ്.
❤️ സ്നേഹം Free.ai, കൂട്ടുകാരോട് പറയൂ!
ഒപ്പ് ല് ഒരു ക്ളൈല് ലിങ്കും കിട്ടാനും ഒരു സുഹൃത്തിന് 30,000 അടയാളം നേടാനും വേണ്ടി.
കൂടുതല് വേണോ?
30K ചിഹ്നങ്ങള്/ഡേ + 10K ബോണസ് സ്വതന്ത്രമായി ഒപ്പ് വയ്ക്കുക
ഫ്രീ ആയി ഒപ്പ് വയ്ക്കുക
നിങ്ങളുടെ ആവശ്യം പ്രവര്ത്തിപ്പിയ്ക്കുന്നു...
സംസാരിയ്ക്കാന് ഏതെങ്കിലും ഫോട്ടോ ക്രമീകരിക്കുക. സ്വയമുള്ള (സഹജമായ- ഹോസ്റ്റര്) അല്ലെങ്കില് ഇന്സെപ്ഷന് (സ്വയം) — മുഖത്ത് ഒരു ചിത്രം ഇടുക, ഒരു ലിപ്- ഇമേജിങ് ഓഡിയോ തിരികെ ലഭിക്കുക. വിശദീകരിക്കുന്നവര്, വിനിമയം, ശബ്ദപ്പേരുവി എന്നിവയ്ക്കു് അനുയോജ്യമാക്കാം.
എങ്ങനെ ഉപയോഗിക്കണം? ഹെഡ്ക്വാർട്ടേഴ്സ്
1
നിങ്ങളുടെ ഇന്പുട്ട് നല്കുക
പാഠം ടൈപ്പ് ചെയ്യുക, ഫയല് അപ്ലോഡ് ചെയ്യുക, അല്ലെങ്കില് നിങ്ങള്ക്കാവശ്യമുള്ളതു് വിവരിക്കുക. അക്കൌണ്ടിന് വേണ്ടത്ര ആവശ്യമുണ്ടായിരുന്നില്ല.
2
നിര്മ്മാണം ക്ലിക്ക് ചെയ്യുക
ഞങ്ങളുടെ എഐ നിങ്ങളുടെ അഭ്യര്ത്ഥന സെക്കന്ഡുകളില് പ്രാവര്ത്തികമാണ്. ഏറ്റവും നല്ല തുറന്ന സോഴ്സ് മോഡല് ഉപയോഗിക്കാന്.
3
ഡൌണ്ലോട് & പങ്കിടുക
സ്വകാര്യവും വാണിജ്യവുമായ ഉപയോഗത്തിനു സ്വതന്ത്രരാകുക.
API വഴി ഈ ഉപകരണം ഉപയോഗിക്കുക
നിങ്ങളുടെ സ്വന്തം കോഡ്യില് നിന്നും ഈ ഉപകരണം സ്വയം തയ്യാറാക്കുക. ഓപ്പണ് AI- ആക്റ്റീവ് റിവിഷന്, ബെയര്-ടണര് Auth, കൂടുതല് SDK-നും ആവശ്യമില്ലല്ലോ. ടോക്കന് ചിലവുകള് വെര്ന്നു് വെര്ന്നു് പ്രവര്ത്തിക്കുന്ന ഇന്റര്ഫെയിറ്റ് പോലെയാണു്.
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}'ഹെഡ്ക്വാർട്ടേഴ്സ് - FAQ
ഒരു ചലചിത്രം ഫോട്ടോ എടുക്കുക (അല്ലെങ്കില് സംസാര ഫയല്), എഐ ലിപി- സംയോജിപ്പിച്ച് ശബ്ദത്തിന്റെ മുഖത്തെ ചലിപ്പിക്കുക. ഔട്ട്പുട്ട് "എംപി4" എന്ന ഫോട്ടോയുടെ ഒരു MP4 വീഡിയോയാണ്. വായിലെ ചലനങ്ങള്, തലമുടികള്, സ്ക്രീനങ്ങള് എന്നിവയോടുകൂടിയ ശബ്ദത്തിന്റെ ഒരു വീഡിയോ. രണ്ടു മോഡല്: സ്വതന്ത്ര സാഡ്യൂളര് (സ്വാം ഹോസ്റ്റര്, MIT) അല്ലെങ്കില് ലിപ് സ്പാര്ട്ടര് (സ്പാര്ട്ടര്) വായില് (ഓഫ്വിള്സ്പാര്ഡ്).
Yes - SadTalker runs on our self-hosted GPUs, free in the daily token pool. Each clip costs ~6,000 tokens base + 800 tokens per second of audio. So a 10-second clip is ~14,000 tokens. Anonymous get 6,000/day, signed-in get 30,000/day. Premium scales by length too but with sharper output.
സാദി ചാഞ്ചലര് സ്വതന്ത്രമാണ് (സഹജമായതു്) കണ്ചുറ്റല് തലയുപയോഗിച്ച് ഒരു സ്വാഭാവിക സംസാരതല് സ്മിഞ്ചുകള് ഉല്പാദിപ്പിക്കുന്നു. പ്രിമിയം ലിമുസ്മിക്കല് വായില് മൂര്ച്ചയേറിയത് വര്ദ്ധനങ്ങള്ക്കും, "p", "b-3x" എന്നിവയ്ക്കുമാണ്. സാമ്രാജ്യ-മീഡിയാര്ഷിക വര്ദ്ധിപ്പിക്കലുകള്ക്ക്, സദദികള്ക്ക്, സോളിബറൈഡര്, നോര്ഡിപിറ്റല്, ഡീബിള്, ഡീബൈല്, ഡീബ്യൂബൈറ്റില്, വിമർദിപ്പിക്കല്, വിമർദനങ്ങള് എന്നിവയ്ക്കു മാറ്റം വരുത്തുന്നു.
മുന്പുള്ള ചിത്രം, വ്യക്തമായ മുഖം, വെളിച്ചം, നിഷ്പക്ഷമായ ഭാവം എന്നിവയും. ഫ്രെയിമില് കുറഞ്ഞത് 30% ഫ്രെയിമില് നിറയ്ക്കണം. കറുമ്പന് നിറയ്ക്കണം (കണ്ണുകള് കാണേണ്ട), പ്രൊഫൈലുകള് (കണ്ണുകള് കാണേണ്ട), തീവ്രമായ ഭാവങ്ങള്. സ്റ്റുഡിയോ തലമുടികളും നല്ല ഭാവങ്ങളും വളരെ നന്നായി പ്രവര്ത്തിക്കുന്നു.
WAV അല്ലെങ്കില് MP3 സ്പീഷീസ് 1- 30 സെക്കന്ഡ് ക്ലിപ്പുകള് പുനര്വിതരണം ചെയ്യുമ്പോള് കൂടുതല് സാദ്ധ്യതയുണ്ട്, കൂടുതല് വേഗത കുറവാണു്. കൂടുതല് ലിപി- സ്വരം, കുറഞ്ഞ പശ്ചാത്തല ശബ്ദം, വ്യക്തമായി തിരിച്ചറിയാത്ത സംസാരം എന്നിവയ്ക്കായി. സംസാരതലം /ts- ല് ആദ്യം ഓഡിയോഡിയോ ഉണ്ടാക്കുക. നിങ്ങള്ക്കു് സംസാരിക്കണമെങ്കില് /ts/ts- ല് പ്രവര്ത്തനസജ്ജമാക്കാവുന്നതാണ്.
സോദി ടെലിഫോര്ട്ടര് ഒരു സെക്കന്ഡില് 10 സെക്കന്ഡുകള് എടുക്കുന്നു. അതുകൊണ്ട് ഒരു 10 സെക്കന്റ് സംസാരിക്കാന് 100 സെക്കന്റുകള് എടുക്കുന്നു. പ്രീമിയം ലിപിമിയം എക്സ്സിമുന് വേഗമാണു്, പക്ഷേ കൂടുതല് ചെലവുകള് ഉണ്ട്. രണ്ടും A100 ല് പ്രവര്ത്തിക്കും, നിങ്ങള്ക്ക് ആ റ്റാബ് അടക്കാന് കഴിയും.
D-ID. 99/ 99 മാസങ്ങള് വീഡിയോയുടെ 5 മിനിട്ടുകള്ക്ക് ചാര്ജ് ചെയ്യുന്നു. ഹെയ്ജിന് $24/ മാസമാണ്. സിന്ഷ്യന് $30/ മാസമാണ്. ഞങ്ങള് നിങ്ങള്ക്ക് ദൈര്ഘ്യം ദൈര്ഘ്യന് കുളത്തില് നിന്ന് സ്വതന്ത്രമായി നല്കുന്നു. ഇത് ഡി.എം സി.ടിക്ക് / റ്റുഡി- റ്റുഡി- പ്ലേഗിന്ഡ് ഉപയോഗത്തിന് തുല്യമായ ഗുണമേന്വേഷങ്ങള്.
Yes - generate a face via /image/avatar/ or /image/generate/, then feed it here. The model treats any front-facing portrait the same way. Common chain: prompt → SDXL portrait → SadTalker animates → /tts/ for the voice → done.
മുഖത്തെ ചലിപ്പിക്കുന്ന (കണ്ണുകള്, കണ്ണുകള്, പ്രേതപ്രവര്ത്തനം, ഞെരുങ്ങല്). തോളും വസ്ത്രവും പശ്ചാത്തലവും ഏതാണ്ട് സുസ്ഥിരമാണ്. പൂര്ണ്ണമായി സംസാരിക്കുന്നവര്ക്ക് ശരീരപ്രവര്ത്തനത്തോടെയുള്ള ലിപ്സിഫോം മോഡ് ഉപയോഗിക്കാം.
Yes - POST to /v1/video/talking-head/ with multipart `image` + `audio`. Or use /scheduled/ to queue many runs. /batch/ also accepts CSV of image-URL + audio-URL pairs.
Yes - POST multipart `image` + `audio` to /v1/video/talking-head/ on api.free.ai. Bearer auth. Returns JSON with `video_url` + `share_token`. 10,000 tokens/month free. Premium scales linearly with audio duration. /api/ has the curl example.
24 മണിക്കൂറിനുള്ളില് ഫോട്ടോകളും ഓഡിയോകളും നീക്കം ചെയ്യുന്നു. വീഡിയോകള് ഞങ്ങളുടെ സിഡിഎന് (മുഴുസമയത്ത് ഉപയോഗിക്കുന്ന ഉപയോക്താക്കള്ക്ക് 7 ദിവസം) 24 മണിക്കൂര് കൊണ്ട് ഇരിക്കുന്നു. അതുകൊണ്ട് നിങ്ങള്ക്ക് //കാക്കൌണ്ടില് നിന്ന് വീണ്ടും ഡൌണ്ലോട് ചെയ്യാന് കഴിയും. പരിശീലനത്തിനായി ഒരിക്കലും ഉപയോഗിക്കാറില്ല. /prirayy-ല് പൂര്ണ്ണമായി /paini-ല് ഉപയോഗിക്കാറില്ല.
സ്വതന്ത്രമായി ഒപ്പ് വയ്ക്കുക — 30,000 അടയാളം/ദിവസം
ഫ്രീ അക്കൌണ്ട് നിര്മ്മിക്കുകക്രെഡിറ്റ് കാര്ഡ് ആവശ്യമില്ല
ഈ ഉപകരണം എങ്ങനെ കണക്കാക്കും?