टॉकिंग फ़ोटो के ज़्यादातर निराश करने वाले नतीजे मॉडल से नहीं, इनपुट से आते हैं: बहुत छोटा चेहरा, एक तरफ़ मुड़ा हुआ सिर, मोशन से धुँधली फ़ोटो या परछाईं में खोया चेहरा। पहले जाँच लेने से एक बेकार रेंडर बच जाता है और आवाज़ जोड़ने से पहले ही पता चल जाता है कि क्या बदलना है।
टॉकिंग फ़ोटो चेकर क्या-क्या जाँचता है
हर फ़ोटो नौ जाँचों से गुज़रती है। पहली तीन OmniHuman 2 की सख़्त सीमाएँ हैं; बाकी क्वालिटी संकेत हैं जो तय करते हैं कि मूवमेंट कितना नैचुरल दिखेगा।
- फ़ाइल: JPG, PNG, WebP और दूसरे आम फ़ॉर्मैट, 30 MB तक।
- रिज़ॉल्यूशन: छोटी साइड पर कम से कम 300 px, लंबी साइड पर ज़्यादा से ज़्यादा 6000 px; 720 px या उससे ज़्यादा सुझाया जाता है।
- आस्पेक्ट रेशियो: 2:5 (बहुत लंबा) से 5:2 (बहुत चौड़ा) तक कुछ भी, यानी फ़ोन के पोर्ट्रेट, स्क्वेयर और वाइडस्क्रीन फ़्रेम सब चलते हैं।
- चेहरा: चेहरा मिला या नहीं, और कितने मिले, डिवाइस पर चलने वाले फ़ेस डिटेक्टर से।
- चेहरे का आकार: चेहरा फ़्रेम का कितना हिस्सा घेरता है और मुँह व आँखों को कितने पिक्सल मिलते हैं।
- फ़्रेमिंग: क्या सिर तस्वीर के किनारे से कट रहा है।
- सिर का कोण: क्या व्यक्ति लगभग कैमरे की ओर देख रहा है और सिर सीधा है।
- शार्पनेस: ब्लर का माप, जो बैकग्राउंड पर नहीं, चेहरे पर ही निकाला जाता है।
- रोशनी: चेहरा बहुत अँधेरा, ज़्यादा चमकदार या इतना सपाट तो नहीं कि फ़ीचर फीके पड़ जाएँ।
नतीजे कैसे पढ़ें
हरा टिक यानी जाँच पास हुई। पीला सुझाव यानी फ़ोटो काम करेगी, पर वह बात बदलने से वीडियो शायद बेहतर बनेगा। फ़ाइल, रिज़ॉल्यूशन या आस्पेक्ट रेशियो पर लाल निशान का मतलब है कि जब तक आप उसे ठीक नहीं करते, स्टूडियो फ़ाइल को स्वीकार नहीं करेगा; आमतौर पर JPG एक्सपोर्ट करना, साइज़ बदलना या क्रॉप करना काफ़ी होता है।
अगर चेहरा नहीं मिलता, तब भी फ़ोटो आज़माई जा सकती है: स्टाइलाइज़्ड आर्ट, मूर्तियाँ और जानवर कभी-कभी अच्छे से एनिमेट होते हैं, लेकिन साफ़ इंसानी पोर्ट्रेट के मुक़ाबले नतीजे कम अनुमानित होते हैं। प्रीव्यू पर बना फ़ेस बॉक्स ठीक वही दिखाता है जो डिटेक्टर ने देखा, जो ग्रुप फ़ोटो या भीड़भाड़ वाले बैकग्राउंड से उलझने पर काम आता है।
आम समस्याओं के झटपट हल
लगभग हर चेतावनी फ़ोन के बिल्ट-इन एडिटर या किसी भी मुफ़्त फ़ोटो ऐप से एक मिनट में सुलझ जाती है:
- 1चेहरा बहुत छोटाइतना क्रॉप करें कि सिर और कंधे ज़्यादातर फ़्रेम भर दें। बड़ी ओरिजिनल फ़ोटो को क्रॉप करने से छोटी फ़ोटो को बड़ा करने की तुलना में ज़्यादा डिटेल बची रहती है।
- 2सिर मुड़ा या झुका हुआऐसी फ़ोटो चुनें जिसमें दोनों आँखें दिखें और नाक लगभग कैमरे की ओर हो, या झुके हुए स्कैन को रोटेट टूल से सीधा करें।
- 3धुँधली या नरमस्क्रीनशॉट या मैसेजिंग ऐप की कॉपी की जगह ओरिजिनल फ़ाइल इस्तेमाल करें, क्योंकि वे भारी कंप्रेस होती हैं। चलते हुए ली गई फ़ोटो से बचें।
- 4बहुत अँधेरी या बहुत चमकदारशैडो ऊपर उठाएँ या हाइलाइट घटाएँ, जब तक त्वचा में बनावट न दिखने लगे। खिड़की से आती नरम दिन की रोशनी एनिमेशन के लिए सबसे माफ़ करने वाली रोशनी है।
डिज़ाइन से ही प्राइवेट: कुछ भी अपलोड नहीं होता
चेकर एक छोटा फ़ेस-डिटेक्शन मॉडल (Google का ओपन-सोर्स MediaPipe BlazeFace) डाउनलोड करता है और उसे WebAssembly से आपके ब्राउज़र के अंदर चलाता है। ब्लर और ब्राइटनेस जैसे माप आपके डिवाइस पर एक कैनवस पर निकाले जाते हैं। आपकी फ़ोटो न हमारे सर्वर पर जाती है, न किसी और के पास, और टैब बंद करते ही हट जाती है।
सर्वर पर कोई काम नहीं होता, इसलिए यह टूल जितनी बार चाहें मुफ़्त है, बिना साइन-अप और बिना वॉटरमार्क के। यह डेस्कटॉप और मोबाइल पर Chrome, Edge, Safari और Firefox के हाल के वर्ज़न में चलता है।
जाँची हुई फ़ोटो से बोलते वीडियो तक
जब चेकर बताए कि आपका पोर्ट्रेट तैयार है, तो बोलने दें बटन वही फ़ोटो OmniHuman 2.0 स्टूडियो में ले जाता है, इसलिए दोबारा अपलोड नहीं करनी पड़ती। Google से साइन इन करें, 4 सेकंड से 5 मिनट के बीच की आवाज़ रिकॉर्डिंग या ऑडियो फ़ाइल जोड़ें और प्लान चुनने से पहले नतीजा प्रीव्यू करें।
ग्रुप सीन, गाना या प्रोडक्ट स्पोक्सपर्सन प्लान कर रहे हैं? नीचे दी गाइड हर स्थिति के लिए ऑडियो और प्रॉम्प्ट तैयार करना समझाती हैं।
अक्सर पूछे जाने वाले सवाल
क्या टॉकिंग फ़ोटो चेकर सच में मुफ़्त है?
हाँ। यह आपके अपने डिवाइस पर चलता है, इसलिए हमारी कोई लागत नहीं और आपके लिए कोई सीमा, अकाउंट या वॉटरमार्क नहीं।
क्या मेरी फ़ोटो कहीं अपलोड होती है?
नहीं। चेहरा पहचानना और सारे माप आपके ब्राउज़र में होते हैं। फ़ोटो तभी अपलोड होती है जब आप स्टूडियो में जाकर उससे वीडियो बनाते हैं।
क्या पास होने का मतलब परफ़ेक्ट वीडियो की गारंटी है?
कोई टूल यह वादा नहीं कर सकता, लेकिन पास होने से अकड़े या धुँधले होंठों के सबसे आम कारण हट जाते हैं। साफ़ ऑडियो भी उतना ही मायने रखता है।
यह क्यों कहता है कि चेहरा नहीं मिला?
डिटेक्टर लगभग कैमरे की ओर वाले इंसानी चेहरे खोजता है। बहुत छोटे चेहरे, साइड प्रोफ़ाइल, गहरी परछाइयाँ और कार्टून छूट सकते हैं।
क्या मैं ग्रुप फ़ोटो जाँच सकता हूँ?
हाँ। मिले हर चेहरे पर एक बॉक्स बनता है। OmniHuman 2 कई लोगों को एनिमेट कर सकता है; प्रॉम्प्ट में बताएँ कि कौन बोल रहा है।
क्या यह दूसरे AI टॉकिंग-फ़ोटो ऐप के लिए भी काम करता है?
क्वालिटी जाँचें किसी भी लिप-सिंक मॉडल पर लागू होती हैं। फ़ाइल और साइज़ की सीमाएँ OmniHuman 2 की अपनी हैं।
कौन-से फ़ॉर्मैट जाँचे जा सकते हैं?
JPG, PNG, WebP, GIF और BMP हर जगह चलते हैं। HEIC Safari में खुलता है; दूसरी जगह पहले उसे JPG के रूप में एक्सपोर्ट करें।