همهٔ مطالب زیر با OmniHuman 2.0 است که یک تصویر ثابت بهعلاوهٔ یک ترک صوتی میگیرد و یک اجرای کامل میسازد: لیپسینک، حالت چهره، ژستها و حرکت دوربین اختیاری.
آمادهسازی تصاویر برای تبدیل عکس به ویدیوی سخنگو
با عکس منبع مثل یک تصمیم انتخاب بازیگر رفتار کنید. برای هر مجری یک تصویر اصلی با نور نرم و یکنواخت، پسزمینهٔ خنثی و اگر ژست میخواهید، دستهای پیدا بگیرید یا بسازید. آن را بهعنوان فایل مرجع ذخیره کنید و برای همهٔ قسمتها دوباره به کار ببرید — وقتی ورودی ثابت بماند، هویت هم ثابت میماند.
نسبت تصویر عکس، نسبت تصویر ویدیو را تعیین میکند. برای Reels، Shorts و TikTok عمودی (حدود ۹:۱۶)، برای فید مربعی و برای YouTube و ارائهها افقی (۱۶:۹) برش بزنید. نسبتهای بین ۰٫۴ تا ۲٫۵ پذیرفته میشوند.
تولید ترک صوتی
صدا زمانبندی را هدایت میکند، پس پیش از رندر کارش را تمام کنید. در اتاقی ساکت ضبط کنید، سکوت دو سر فایل را کوتاه کنید و بلندی صدا را یکسان کنید. متنهایی که با سرعت طبیعی خوانده شوند بهتر از متنهای عجولانه به نظر میرسند. اگر از صدای مصنوعی استفاده میکنید، MP3 یا WAV خروجی بگیرید و مثل هر صدای ضبطشدهٔ دیگری آپلود کنید.
متنهای طولانی را فقط جایی تقسیم کنید که یک کات واقعی منطقی باشد — مدل از پس یک برداشت کامل پنجدقیقهای برمیآید و این از پرشهای پیوستگی بین بخشها جلوگیری میکند.
تولید یک بستهٔ هفتگی
یک روال ساده که کیفیت و هزینه را تحت کنترل نگه میدارد:
- 1عکس اصلی را ثابت کنیدهمان تصویر و همان برش برای همهٔ قسمتهای یک مجموعه.
- 2همهٔ متنها را بنویسید و ضبط کنیدهمه را در یک روز ضبط کنید تا صدا یکدست بماند.
- 3یک تست ۵ ثانیهای رندر بگیریدپیش از خرج کردن اعتبار برای نسخهٔ کامل، کادربندی و حرکت را بررسی کنید.
- 4برداشتهای کامل را رندر بگیریدچند ویدیو را در صف بگذارید؛ در هر حساب تا سه رندر همزمان انجام میشود.
- 5تدوین و زیرنویسزیرنویس، موسیقی و لوگو را در برنامهٔ تدوین همیشگیتان اضافه کنید.
بودجهبندی بر اساس ثانیه
هزینه تابع مدت زمان است: ۱۰ اعتبار به ازای هر ثانیه. ۱۲۰۰ اعتبار هفتگی پلن Pro حدود دو دقیقه ویدیوی نهایی را پوشش میدهد — مثلاً هشت تبلیغ ۱۵ ثانیهای یا دو ویدیوی توضیحی یکدقیقهای. متنها را بر اساس طول برنامهریزی کنید تا پیش از زدن دکمهٔ رندر، هزینه را بدانید.
چکلیست کیفیت پیش از انتشار
هر کلیپ را پیش از انتشار روی گوشی و در حالت تمامصفحه ببینید. به سه لحظه دقت کنید: ثانیهٔ اول، که بیننده تصمیم میگیرد ادامه دهد یا نه؛ هر جملهای با صامتهای سریع، که خطاهای هماهنگی در آن دیده میشود؛ و ثانیهٔ آخر، که کلیپ باید با حالتی طبیعی تمام شود، نه وسط یک ژست.
- اگر مجری بعد از تمام شدن صدا بیحرکت میماند، نیم ثانیهٔ آخر را حذف کنید.
- زیرنویس را روی تصویر حک کنید — بیشتر بینندگان ویدیوهای کوتاه بیصدا تماشا میکنند.
- صدای اصلی را بهعنوان نسخهٔ مرجع نگه دارید؛ آن را دو بار فشرده نکنید.
- فایلها را با نسخهٔ متن نامگذاری کنید تا نتایج تست A/B قابلردیابی بماند.
سؤالات متداول
چطور در ویدیوهای زیاد همان چهره را حفظ کنم؟
برای هر رندر از یک عکس اصلی با همان برش استفاده کنید. هویت از تصویر میآید.
از چه نسبت تصویری استفاده کنم؟
متناسب با پلتفرم: عمودی برای ویدیوهای کوتاه شبکههای اجتماعی، مربعی برای فید، ۱۶:۹ برای YouTube. خروجی از نسبت عکس شما پیروی میکند.
میتوانم چند ویدیو را همزمان رندر بگیرم؟
بله، در هر حساب تا سه رندر میتوانند همزمان اجرا شوند.
برای هر کلیپ محدودیت طول هست؟
هر کلیپ میتواند ۴ ثانیه تا ۵ دقیقه باشد.
میتوانم زیرنویس اضافه کنم؟
بعد از دانلود فایل MP4، آن را در برنامهٔ تدوین اضافه کنید؛ مدل ویدیو را بدون متن حکشده رندر میکند.
رزولوشن ویدیوها چقدر است؟
خروجی OmniHuman 2.0 با کیفیت 720p است که برای شبکههای اجتماعی و ارائهها مناسب است.
چند نفر از اعضای تیم میتوانند از یک عکس مجری مشترک استفاده کنند؟
بله، به شرط اینکه فرد داخل عکس با این نوع استفاده موافقت کرده باشد. استفاده از یک تصویر اصلی، مجری را در ویدیوهای همه یکسان نگه میدارد.
عکس حتماً باید پسزمینهٔ ساده داشته باشد؟
نه، اما پسزمینهٔ آرام و خلوت توجه را روی مجری نگه میدارد و لبههای اطراف مو را هنگام حرکت تمیزتر میکند.