Langkau ke kandungan

Kegunaan · Baharu dalam 2.0 · Dikemas kini Okt 2026

Video AI Berbilang Orang: Jadikan Gambar Berkumpulan Bercakap

Video AI berbilang orang ialah kepingan yang selama ini hilang dalam alat gambar bercakap: model lama hanya menghidupkan satu wajah dan membiarkan orang lain kaku. OmniHuman 2.0 dibina untuk persembahan berbilang orang, jadi satu gambar dua hos, sebuah kumpulan muzik atau sebuah keluarga boleh menjadi babak di mana setiap orang bercakap, mendengar, bereaksi dan berkongsi bingkai.

Gambar+Suara=Video

Suara
Tiada gambar? Cuba:
  • Pratonton percuma
  • Log masuk Google
  • Muat naik peribadi
Iklan UGC
Menyanyi
Berbilang orang
setiap video
5 min
output
720p
orang dalam babak
Ramai
bahasa
6

Berikut cara menyediakan gambar berkumpulan, menyediakan audio dialog dan mengarahkan siapa melakukan apa.

Menyediakan gambar untuk video AI berbilang orang

Setiap orang yang perlu bergerak mesti mempunyai wajah yang kelihatan, sebaik-baiknya sama saiz dan tidak bertindih. Dua hingga empat orang bersebelahan dalam bingkai mendatar ialah titik permulaan paling mudah — bayangkan meja podcast, sofa temu bual atau barisan di atas pentas. Pencahayaan sekata pada semua wajah mengelakkan seorang daripada mereka kelihatan lebih hambar berbanding yang lain.

Jika jarak setiap orang dari kamera sangat berbeza, wajah yang lebih dekat akan mendominasi. Potong gambar supaya penutur menjadi tumpuan.

Menyediakan audio dialog

Muat naik satu fail audio campuran yang mengandungi keseluruhan perbualan, mengikut urutan ia perlu dimainkan. Tinggalkan jarak kecil antara penutur supaya giliran bercakap jelas, dan elakkan pertindihan suara di mana dua orang bercakap serentak untuk tempoh yang lama.

Rakaman podcast dan temu bual boleh digunakan seadanya — potong segmen yang anda mahukan, normalkan kelantangan dan muat naik sebagai MP3 atau WAV, sehingga lima minit.

Mengarahkan siapa bercakap dan siapa bereaksi

Terangkan setiap orang mengikut kedudukan dalam prompt; pastikan ringkas:

  • “Left host speaks first, right host nods and laughs, then answers.” (Hos kiri bercakap dahulu, hos kanan mengangguk dan ketawa, kemudian menjawab.)
  • “Woman on the right leads the verse, man on the left joins on the chorus.” (Wanita di sebelah kanan mendahului verse, lelaki di sebelah kiri menyertai pada korus.)
  • “Interviewer on the left asks, guest on the right gestures while explaining, static wide shot.” (Pewawancara di kiri bertanya, tetamu di kanan membuat gerak isyarat sambil menerangkan, syot lebar statik.)
  • “Whole family waves at the end, gentle push-in.” (Seluruh keluarga melambai pada penghujung, kamera mendekat perlahan.)

Format yang tiba-tiba menjadi mungkin

Podcast video daripada satu gambar pegun, komedi sketsa dengan dua watak, teaser temu bual, duet dan klip koir, ucapan keluarga serta main peranan di bilik darjah. Semua ini dahulunya memerlukan penggambaran beberapa orang bersama-sama; kini hanya perlukan satu gambar dan satu rakaman.

Masalah biasa dalam babak berkumpulan

Jika orang yang salah kelihatan bercakap, jadikan kedudukan dalam prompt tidak samar — “the person on the left” (orang di sebelah kiri) dan bukannya nama yang tidak dapat dilihat oleh model — dan semak sama ada wajah penutur lebih kurang sama saiz dalam bingkai. Jika semua orang bergerak terlalu banyak, minta “listeners stay mostly still” (pendengar kebanyakannya kekal diam) supaya penutur lebih menonjol.

Kumpulan yang sangat besar menyebarkan butiran secara nipis merentasi banyak wajah kecil. Untuk gambar koir atau pasukan, potong kepada barisan hadapan dan pastikan klip pendek.

Menulis dialog untuk dua suara

Pertukaran dialog yang pendek paling berkesan: seorang bertanya, seorang lagi menjawab dalam satu atau dua ayat, dan mereka bergilir-gilir dengan pantas. Monolog panjang dalam gambar berkumpulan menyebabkan pendengar tidak banyak yang boleh dilakukan; pecahkan dengan reaksi atau soalan susulan.

Soalan lazim

Berapa ramai orang boleh berada dalam satu video?

Kumpulan boleh digunakan, tetapi dua hingga empat wajah yang jelas kelihatan memberikan hasil paling boleh dipercayai.

Adakah saya perlukan audio berasingan untuk setiap orang?

Tidak. Muat naik satu fail campuran perbualan dan terangkan siapa yang bercakap dalam prompt.

Bolehkah orang lain bereaksi semasa seseorang bercakap?

Boleh. Pendengar mengangguk, tersenyum dan mengerling ke arah penutur apabila anda memintanya dalam prompt.

Adakah OmniHuman 1.5 menyokong beberapa orang?

Versi 1.5 menggunakan topeng untuk memilih seorang penutur. Persembahan berbilang orang ialah ciri baharu dalam 2.0.

Bolehkah saya menggunakan gambar keluarga?

Boleh, dengan kebenaran semua orang. Wajah yang jelas dan menghadap ke depan memberikan hasil terbaik.

Berapa panjang babak yang boleh dihasilkan?

Sehingga 5 minit dalam satu rakaman.

Bolehkah setiap orang mempunyai suara yang berbeza?

Boleh. Rakam atau campurkan dialog dengan suara setiap orang ke dalam satu fail audio, mengikut urutan mereka bercakap.

Adakah pendengar akan kekal kaku sepenuhnya?

Tidak — mereka membuat pergerakan kecil yang semula jadi. Minta reaksi seperti mengangguk atau tersenyum jika anda mahukan lebih banyak pergerakan.

Adakah gambar berkumpulan perlu mendatar?

Tidak semestinya, tetapi bingkai yang lebar memberi lebih ruang kepada setiap wajah. Gambar berkumpulan menegak paling sesuai dengan dua orang yang rapat antara satu sama lain.

Terus meneroka

Jadikan gambar anda bercakap.

Pratonton percuma.