Avatar AI biết nói: người dẫn từ một bức ảnh

Avatar biết nói là người dẫn được tạo từ một hình tĩnh. Bạn đưa một khuôn mặt và lời nói, kết quả là video khuôn mặt đó nói những lời ấy. KreatorFlow làm điều này bằng Lip Sync, dùng mô hình OmniHuman 2.0 của ByteDance qua BytePlus (KreatorFlow là đối tác chính thức của BytePlus, một công ty thuộc ByteDance). Vì là mô hình dựa trên âm thanh, chỗ ngừng, chỗ nhấn và giọng điệu đều hiện lên trên khuôn mặt.

Một bức ảnh tạo ra một cảnh nói liền mạch. Đây không phải avatar trò chuyện theo thời gian thực, và nó cũng không quay thêm cảnh mới quanh người dẫn. Những cảnh như vậy, hãy làm trong trình chỉnh sửa bằng cách xen clip avatar với cảnh minh họa.

• Bố cục như người dẫn thật. Từ vai trở lên hoặc nửa người, ánh mắt nhìn vào máy quay, ánh sáng đều, miệng không bị che.
• Dùng ảnh hợp với định dạng. TikTok và Reels hợp với ảnh dọc kiểu selfie, YouTube và khóa học hợp với ảnh ngang kiểu studio.
• Viết để nghe cho thuận tai. Câu ngắn và chỗ ngừng tự nhiên dễ nghe hơn đoạn văn dày đặc, và cho avatar thời gian phản ứng.
• Chỉ dẫn vừa phải. Một cái gật đầu ở ý quan trọng, nụ cười ở cuối, máy quay tiến chậm lại gần là đủ. Không cần tả ngoại hình, vì bức ảnh đã cho thấy điều đó.
• Chia kịch bản dài. Nhiều cảnh ngắn nối bằng các cú cắt trông giống video dựng thật hơn một cảnh dài duy nhất.

Mỗi giây âm thanh tốn 4 credit ở 720p và 6 credit ở 1080p; một video dài 1 phút tốn 240 credit ở 720p. Bạn dùng được khi có gói trả phí (từ Creator, tháng đầu $19) hoặc gói credit (từ $8), và credit của video bị lỗi được hoàn tự động. Bảng giá đầy đủ theo độ dài có trên trang lip sync bằng AI.

Chỉ dùng ảnh của chính bạn hoặc của người đã cho phép. Muốn làm một người thật nói, bạn cần sự đồng ý của họ, và không được mạo danh người khác. Giọng nói cũng phải do bạn tự thu hoặc bạn có quyền sử dụng. Khi đăng video chân thực có người thật, hãy ghi rõ video được tạo bằng AI. Toàn bộ quy định có trong Chính sách sử dụng (tiếng Anh).