העמוד הזה מציג את ההבדלים זה לצד זה, על סמך מפרטי הקלט שפורסמו לכל מודל, ומסביר מתי הגרסה החדשה שווה את זה. אם אתם רק רוצים לראות את התוצאה, העלו פורטרט בראש העמוד ורנדרו אותו עם גרסה 2.0.
OmniHuman 2 מול OmniHuman 1.5 במבט מהיר
השינוי המרכזי הוא המשך. גרסה 1.5 מגבילה את האודיו המניע לכ־30 שניות כשמבקשים 1080p ולכ־60 שניות ב־720p. גרסה 2.0 מקבלת אודיו מ־4 שניות ועד 300 שניות, כך שסרטון הסבר מלא על מוצר, קטע מפודקאסט או פזמון שלם נכנסים ברינדור אחד, במקום להיתפר מקטעים קצרים.
השינוי השני הוא מי יכול להיות בפריים. ב־1.5 מעבירים מסכה אופציונלית כדי לבחור איזה אדם יחיד בתמונה ידבר. גרסה 2.0 בנויה לביצועים עם כמה אנשים, כך שתמונה קבוצתית יכולה להפוך לדיאלוג ולא למונולוג עם ניצבים שותקים.
טייקים ארוכים יותר בלי תפירה
מגבלות קצרות משפיעות על הדרך שבה כותבים. עם תקרה של דקה, תסריטים נחתכים לקטעים, וכל חיתוך הוא הזדמנות לקפיצה בתאורה, במיקום הראש או בהבעה. תקרה של חמש דקות מעלימה את רוב התפרים האלה. שיעורים, המלצות וסיפורים מוקראים יכולים לרוץ ברצף, והמודל שומר על אותה זהות ואותו מסגור לאורך כל הטייק.
האורך משפיע גם על תכנון העלויות. בשירות שלנו משלמים לפי שנייה מרונדרת (10 קרדיטים לשנייה), כך שטייק ארוך אחד עולה כמו כמה קצרים שמצטברים לאותו משך – אבל חוסכים את עבודת העריכה של חיבורם.
יותר שליטה במצלמה, בגוף ובמחוות
שתי הגרסאות מקבלות פרומפט טקסט. בפועל, 1.5 מתייחסת אליו כהכוונה לאווירה ולתנועה, בעוד ש־2.0 משווקת סביב שליטה מפורשת בתנועת מצלמה, בתנועת גוף ובמחוות. פרומפטים כמו "slow push-in" (התקרבות איטית), "turns toward the second speaker" (פונה אל הדובר השני) או "raises the product on the last line" (מרים את המוצר במשפט האחרון) הם סוג ההנחיות שהגרסה החדשה נועדה לבצע.
גרסה 2.0 גם מציינת שש שפות לפרומפט – אנגלית, סינית, יפנית, קוריאנית, ספרדית (מקסיקו) ואינדונזית – מה שעוזר לצוותים שכותבים את הערות ההנחיה בשפה שלהם.
רזולוציה ופלט
כאן ל־1.5 עדיין יש יתרון אחד: היא יכולה להפיק 1080p לקליפים קצרים. גרסה 2.0 מרנדרת באופן מקורי ב־720p. בפידים ברשתות, בפרסומות ובמצגות שנצפות בטלפון, 720p בדרך כלל לא ניתן להבחנה אחרי הדחיסה של הפלטפורמה; להקרנה על מסך גדול, אפשרות ה־1080p של המודל הישן בקליפים של פחות מ־30 שניות עדיין יכולה להיות הגיונית.
- בחרו ב־2.0 לכל דבר ארוך מדקה, לכל סצנה עם יותר מאדם אחד, או כשצריך לביים תנועות מצלמה.
- בחרו ב־1.5 רק לקליפים קצרים מאוד עם דובר יחיד, שבהם פלט 1080p חשוב יותר משליטה בתנועה.
הקלט שכל גרסה מקבלת
גרסה 2.0 מקבלת תמונה אחת (JPG, PNG, WEBP ופורמטים נפוצים אחרים, 300–6000 פיקסלים בכל צלע, עד 30 MB, יחס גובה־רוחב בין 0.4 ל־2.5) וקובץ MP3 או WAV אחד עד 15 MB. גרסה 1.5 מקבלת את אותו צמד בסיסי, ובנוסף מסכת דובר אופציונלית ומצב "turbo" מהיר יותר. הסטודיו שלנו מאמת כל קובץ מול המגבלות של 2.0 לפני שאתם משלמים משהו, כך שלעולם לא תבזבזו קרדיטים על קובץ שהמודל היה דוחה.
מעבר מ־1.5 ל־2.0
תהליכי עבודה קיימים של 1.5 עוברים בלי שינויים בקלט: אותה תמונה ואותו אודיו מתקבלים, והפרומפטים עוברים כמו שהם. ותרו על שלב מסכת הדובר, כי סצנות קבוצתיות נתמכות באופן מובנה, והסירו את הלוגיקה שפיצלה תסריטים ארוכים לקטעים של דקה.
OmniHuman 2.0 בהשוואה ל־OmniHuman 1.5
| יכולת | OmniHuman 1.5 | OmniHuman 2.0 |
|---|---|---|
| אורך אודיו מרבי | 30 שנ׳ ב־1080p · 60 שנ׳ ב־720p | 4–300 שנ׳ |
| אנשים בסצנה | דובר אחד, שנבחר עם מסכה | ביצועים עם כמה אנשים |
| הנחיה | הכוונה בפרומפט | שליטה במצלמה, בגוף ובמחוות |
| רזולוציית פלט | 720p או 1080p | 720p מקורי |
| שפות פרומפט | לא צוין | 6 שפות ברשימה |
שאלות נפוצות
OmniHuman 2 טוב יותר מ־OmniHuman 1.5?
לרוב השימושים, כן: הוא מתמודד עם קליפים של עד חמש דקות, סצנות עם כמה אנשים והנחיית מצלמה מפורשת. הגרסה הישנה מנצחת רק בפלט 1080p לקליפים קצרים מאוד.
OmniHuman 2.0 מפיק 1080p?
לא. גרסה 2.0 מרנדרת באופן מקורי ב־720p. גרסה 1.5 הציעה 1080p, אבל רק לאודיו של פחות מכ־30 שניות.
אפשר להשתמש שוב בפרומפטים של 1.5 עם 2.0?
כן. פרומפטים שמתארים אווירה ותנועה עוברים כמו שהם. עם 2.0 אפשר ללכת רחוק יותר ולהוסיף תנועות מצלמה ומחוות ספציפיות.
באיזו גרסה omnihuman2.ai משתמש?
כל רינדור באתר הזה משתמש ב־OmniHuman 2.0. אנחנו לא עוברים לגרסאות ישנות כדי לחסוך בעלויות.
סרטונים ארוכים יותר עולים יותר?
כן, באופן יחסי. רינדור עולה 10 קרדיטים לכל שנייה של פלט, כך שסרטון של 60 שניות צורך 600 קרדיטים, לא משנה איך מחלקים אותו.
למה מישהו עדיין ישתמש ב־1.5?
בעיקר לקליפים של פחות מ־30 שניות עם דובר יחיד, שבהם נדרש קובץ 1080p ואין צורך בהנחיית מצלמה.