رفتن به محتوا

کاربرد · کاراکترها · به‌روزرسانی: مهر ۱۴۰۵

ساخت آواتار با هوش مصنوعی برای کاراکترهای سخنگو و پرحرکت

بیشتر کسانی که دنبال ساخت آواتار با هوش مصنوعی هستند، کاراکتری می‌خواهند که جلوی دوربین حرف بزند: ماسکوت یک برند، پرسونایی به سبک VTuber، کاراکتر یک بازی یا نسخه‌ای استایل‌دار از خودشان. OmniHuman 2.0 همهٔ این‌ها را فقط با یک تصویر و یک فایل صوتی متحرک می‌کند؛ لیپ‌سینک، حالت چهره، ژست‌ها و حرکت بدن هم در آن هست.

عکس+صدا=ویدیو

صدا
عکس ندارید؟ امتحان کنید:
  • پیش‌نمایش رایگان
  • ورود با Google
  • آپلودهای خصوصی
کاراکترها
تبلیغات UGC
چندنفره
برای هر ویدیو
۵ دقیقه
خروجی
720p
صحنه‌های گروهی
چندنفره
زبان
۶

نیازی به ریگ کردن مدل سه‌بعدی یا موشن کپچر ندارید. ظاهر کاراکتر را یک بار طراحی کنید — با نقاشی، رندر سه‌بعدی یا یک مدل تولید تصویر — و بعد برای هر ویدیوی جدید به آن صدا بدهید.

سبک‌هایی که آواتارساز هوش مصنوعی پشتیبانی می‌کند

پرترهٔ واقعی تازه شروع کار است. کاراکترهای تصویرسازی‌شده، طرح‌های الهام‌گرفته از انیمه، رندرهای سه‌بعدی شبیه پیکسار، ظاهر خمیری (کلی‌مِیشن) و حیوانات انسان‌نما همگی متحرک می‌شوند، به شرط اینکه چهره چشم و دهان قابل‌تشخیص داشته باشد. طرح‌های ساده با کنتراست بالا در صفحه‌های کوچک به‌خصوص خوب دیده می‌شوند.

اگر ژست و حرکت دست می‌خواهید، حالت بدن کاراکتر را باز نگه دارید — دست‌ها پیدا باشند و چیزی جلوی صورت نباشد. برای کلیپ‌هایی که فقط صحبت است، کادر سر و شانه کافی است.

طراحی آواتاری که خوب متحرک شود

چند اصلی که در کاراکترهای موفق‌تر می‌بینیم:

  • نمای روبه‌رو یا سه‌رخ، با نگاهی تقریباً رو به دوربین.
  • ناحیهٔ دهان واضح — از ماسک، ریشی که لب‌ها را بپوشاند یا دهان خیلی کوچک پرهیز کنید.
  • نور یکنواخت و پس‌زمینهٔ ساده تا حرکت تمیز بماند.
  • یک تصویر اصلی برای همهٔ ویدیوها، تا کاراکتر هیچ‌وقت تغییر نکند.

صدا دادن به آواتار

صدا را خودتان ضبط کنید، از یک گوینده کمک بگیرید یا از سرویس تبدیل متن به گفتار استفاده کنید و فایل را با فرمت MP3 یا WAV خروجی بگیرید. چون ریتم و احساس از خود صدای ضبط‌شده می‌آید، اجرای پرانرژی آواتاری پرانرژی می‌سازد. طول کلیپ می‌تواند از یک واکنش ۴ ثانیه‌ای تا یک قسمت ۵ دقیقه‌ای باشد.

برای شخصیت‌پردازی از پرامپت کارگردانی استفاده کنید: «bouncy and cheerful, waves at the start» (سرزنده و شاد، اول کار دست تکان می‌دهد) یا «calm narrator, minimal movement, static shot» (راوی آرام، حرکت کم، نمای ثابت).

آواتارها کجا واقعاً به کار می‌آیند

ماسکوت برندها در شبکه‌های اجتماعی به سؤالات متداول جواب می‌دهند، استودیوهای بازی‌سازی تیزر کاراکترها را صداگذاری می‌کنند، مدرس‌ها برای درس‌هایشان یک مجری ثابت می‌سازند و تولیدکنندگان محتوایی که نمی‌خواهند چهره‌شان دیده شود، با یک پرسونای ثابت منتشر می‌کنند. در همهٔ این موارد، یک تصویر بدون حتی یک جلسه فیلم‌برداری ده‌ها ویدیو تحویل می‌دهد.

یک برگهٔ کوتاه شخصیت بنویسید

پیش از ساخت یک مجموعه، نیم صفحه دربارهٔ کاراکتر بنویسید: شخصیت، سرعت صحبت، ژست‌های همیشگی و کادربندی دوربینی که همیشه استفاده می‌کنید. همین را به یک پرامپت کارگردانی استاندارد تبدیل کنید و برای هر قسمت دوباره به کار ببرید. یکدستی در صدا و حرکت است که آواتار را به شخصیتی آشنا تبدیل می‌کند، نه یک سرگرمی گذرا.

پوشه‌ای با تصویر اصلی، پرامپت کارگردانی و یک کلیپ مرجع نگه دارید تا هر کسی در تیم بتواند قسمت‌های جدیدِ هماهنگ بسازد.

برنامه‌ریزی یک مجموعه

قسمت‌ها را بر اساس موضوع دسته‌بندی کنید، همهٔ صداها را در یک جلسه ضبط کنید و در گروه‌های سه‌تایی رندر بگیرید. یک نام‌گذاری ساده داشته باشید — کاراکتر، قسمت، نسخه — تا نسخه‌های مختلف و رندرهای دوباره هیچ‌وقت در کتابخانه‌تان قاطی نشوند.

سؤالات متداول

به مدل سه‌بعدی یا ریگ نیاز دارم؟

نه. یک تصویر ثابت از کاراکتر کافی است؛ OmniHuman 2 حرکت را خودش می‌سازد.

حیوانات یا موجودات خیالی هم می‌توانند حرف بزنند؟

بله، به شرط داشتن چهرهٔ قابل‌تشخیص. بهترین نتیجه با چشم و دهان واضح به دست می‌آید.

می‌توانم تصویر آواتار را با هوش مصنوعی بسازم؟

بله. تصاویر هر مدل تولید تصویری کار می‌کنند، به شرط اینکه حق استفاده از آن‌ها را داشته باشید.

آواتار هر بار همان شکل قبلی را دارد؟

بله، اگر از همان تصویر اصلی استفاده کنید. هویت کاراکتر از تصویر ورودی می‌آید.

آواتار می‌تواند آواز بخواند؟

بله. به‌جای گفتار، یک آهنگ آپلود کنید تا اجرای آوازی بگیرید.

می‌توانم از آواتار در تبلیغات استفاده کنم؟

بله. رندرهای پولی واترمارک ندارند و اگر مالک تصویر و صدا باشید، استفادهٔ تجاری از آن‌ها مجاز است.

می‌توانم صدای شبیه‌سازی‌شده روی آواتارم بگذارم؟

هر صدایی که حق استفاده‌اش را دارید می‌توانید آپلود کنید. اگر صدای کسی را شبیه‌سازی می‌کنید، باید رضایت خود آن فرد را داشته باشید.

آواتار حتماً باید بدن داشته باشد؟

نه. تصویر سر و شانه به‌خوبی حرف می‌زند؛ فقط اگر ژست دست می‌خواهید، دست‌ها را هم در کادر بیاورید.

اندازهٔ تصویر کاراکتر چقدر باشد؟

دست‌کم ۳۰۰ پیکسل در ضلع کوتاه‌تر؛ حدود ۱۰۰۰ پیکسل یا بیشتر جزئیات اطراف چشم و دهان را تمیزتر می‌کند.

بیشتر بخوانید

عکستان را به حرف بیاورید.

پیش‌نمایش رایگان.