בקצרה: OmniHuman 2.0 מפיק חלק מסרטוני הדיבור והשירה הטבעיים ביותר מתמונה אחת שזמינים היום, הוא מתמודד עם טייקים ארוכים ותמונות קבוצתיות שמודלים ישנים לא הצליחו בהם, והפשרות העיקריות שלו הן פלט ב־720p וזמני רינדור שנמדדים בדקות ולא בשניות.
מה בולט בביקורת OmniHuman 2 שלנו
סנכרון השפתיים הוא הכותרת המתבקשת, אבל ההבדל הגדול יותר הוא כל מה שמסביב לפה. הלחיים, הלסת, הגבות והנשימה זזים עם האודיו, והידיים והכתפיים מוסיפות הדגשה על מילים מודגשות. שירה במיוחד נראית מבוצעת ולא רק מושמעת בשפתיים – נשימות לפני צלילים ארוכים, תנועות ראש קטנות לפי הביט.
היתרון השני הוא המגוון. פורטרטים ריאליסטיים, איורים, דמויות תלת־ממד וקמעות מסוגננים – כולם מונפשים בצורה משכנעת, ותמונה אחת עם כמה אנשים יכולה להפוך לשיחה.
- הבעות ומחוות טבעיות, לא רק שפתיים זזות.
- קליפים מ־4 שניות עד 5 דקות בטייק אחד.
- סצנות עם כמה אנשים ותנועות מצלמה לפי פרומפט.
איפה הוא נופל
הרזולוציה היא 720p. זה בסדר לטלפונים ולרשתות החברתיות, אבל לא למסכי קולנוע או לתצוגות בפורמט גדול. המודל גם לא יכול להמציא בצורה משכנעת את מה שאין בתמונה: צילום ראש צמוד לא ייצר מחוות ידיים אמינות, ומוצר שלא מופיע בתמונה לא יופיע רק כי הזכרתם אותו.
זוויות קיצוניות, הסתרה כבדה (ידיים על הפה, מיקרופונים, משקפי שמש) ואודיו רועש מאוד מורידים את האיכות בצורה ניכרת. אף אחד מאלה אינו חריג לסוג כזה של מודל, אבל כדאי לדעת עליהם לפני שמוציאים קרדיטים.
זמני רינדור בפועל
בבדיקה שלנו, קליפ של 4.65 שניות מפורטרט בגודל 1080 × 1080 לקח קצת יותר משתי דקות מהשליחה ועד MP4 מוכן, כולל המתנה בתור והעתקת הקובץ לאחסון. קליפים ארוכים יותר לוקחים זמן ארוך יותר באופן יחסי, כך שסרטון הסבר של דקה הוא המתנה של הפסקת קפה ולא תוצאה מיידית.
הרינדורים רצים ברקע – אפשר לסגור את הלשונית ולמצוא את הסרטון בספרייה כשהוא מוכן.
למי זה מתאים
משווקי ביצועים שבודקים הוקים בסגנון יוצרי תוכן, מחנכים שהופכים תסריטים לסרטוני מגיש, מוזיקאים שיוצרים ויז'ואלייזרים וצוותים קטנים שצריכים דובר בלי צוות צילום – הם אלה שירוויחו הכי הרבה. אם אתם צריכים פלט 4K או שליטה מדויקת ברמת הפריים בכל תנועה, צילום מסורתי או צנרת תלת־ממד הם עדיין הכלי הטוב יותר.
השורה התחתונה
כדי להפוך תמונה אחת וקול אחד לביצוע אמין, OmniHuman 2.0 הוא האפשרות החזקה ביותר שעבדנו איתה, והקפיצה מ־1.5 – טייקים ארוכים יותר, קבוצות, הנחיה – משמעותית. בדקו אותו קודם עם קליפ קצר מהחומרים שלכם; התצוגה המקדימה בחינם ורינדור של חמש שניות עולה 50 קרדיטים.
מה בדקנו
בבדיקות שלנו השתמשנו בפורטרטים ריאליסטיים, בתמונה סרוקה ישנה, ברינדור של דמות תלת־ממד ובצילום סטודיו של שני אנשים, עם דיבור יבש, הודעה קולית מהטלפון ושירה. פורטרטים נקיים מהסטודיו ודיבור שהוקלט קרוב למיקרופון נתנו את סנכרון השפתיים הטוב ביותר; ההודעה מהטלפון עדיין עבדה, עם עיצורים מעט רכים יותר. השירה הפיקה את תנועת הראש והכתפיים האקספרסיבית ביותר בסדרה.
פנים שפנו יותר מכארבעים וחמש מעלות מהמצלמה, או שהוסתרו חלקית ביד מורמת, היו המקומות שבהם הופיעו תקלות – בעיקר סביב השפתיים והשיניים.
איך זה בהשוואה לגישות אחרות
בהשוואה לפלטפורמות של אווטארים מתבניות, OmniHuman 2 גמיש הרבה יותר לגבי מי שמופיע – כל תמונה, כל סגנון – אבל הוא לא מספק עורך תסריטים או מגישים מוכנים מספרייה. בהשוואה לכלים לסנכרון שפתיים של הפנים בלבד, הוא מפיק ביצוע של כל הגוף ולא פה זז על גוף קפוא. לכל גישה יש מקום; המודל הזה הוא החזק ביותר כשנקודת ההתחלה היא תמונה אחת.
שאלות נפוצות
OmniHuman 2 מספיק טוב לפרסומות?
כן, לפרסומות ברשתות ולמודעות ביצועים שנצפות בטלפון. בדקו קודם הוק קצר כדי לבחון את התמונה שלכם.
כמה ריאליסטי סנכרון השפתיים?
קרוב מאוד לדיבור טבעי כשהאודיו נקי. מוזיקת רקע ורעש מורידים את הדיוק.
מה החולשה הגדולה ביותר?
פלט ב־720p וזמני רינדור של כמה דקות. תמונות קלט גרועות הן בעיית האיכות הנפוצה ביותר.
הביקורת הזו עצמאית?
לא – אנחנו מפעילים את omnihuman2.ai ומוכרים גישה למודל. אנחנו מתארים את המגבלות בגלוי כדי שתוכלו לשפוט בעצמכם.
הוא יכול להנפיש דמויות מצוירות?
כן. איורים, דמויות תלת־ממד וקמעות עובדים טוב כשהפנים ברורות.
כמה זמן לוקח רינדור?
בבדיקה שלנו, קליפ של כחמש שניות לקח כשתי דקות מקצה לקצה. קליפים ארוכים יותר לוקחים יותר זמן.
האיכות יורדת בסרטונים ארוכים?
מהניסיון שלנו, הזהות והמסגור נשארים יציבים לאורך טייקים ארוכים, כי כל הקליפ נוצר מתמונה אחת ומרצועת אודיו רציפה אחת.
הפלט מספיק טוב ל־YouTube?
כן, לפורמטים של ראש מדבר וסרטוני הסבר. לצפייה במסך גדול, זכרו שהפלט הוא 720p.