Вот как подготовить групповые фото и аудио диалога и срежиссировать, кто что делает.
Как подготовить фото для ИИ-видео с несколькими людьми
У каждого, кто должен двигаться, лицо должно быть видно — в идеале примерно одного размера и без перекрытий. Проще всего начать с двух–четырёх человек рядом друг с другом в горизонтальном кадре: стол подкаста, диван для интервью или ряд на сцене. Ровный свет на всех лицах не даст кому-то выглядеть площе остальных.
Если люди стоят на сильно разном расстоянии от камеры, ближние лица доминируют. Кадрируйте так, чтобы в центре внимания были говорящие.
Как подготовить аудио диалога
Загрузите один сведённый аудиофайл со всем разговором в том порядке, в котором он должен звучать. Оставляйте небольшие паузы между репликами, чтобы смена говорящих читалась чётко, и избегайте долгих моментов, когда двое говорят одновременно.
Записи подкастов и интервью хорошо работают как есть: вырежьте нужный фрагмент, выровняйте громкость и загрузите его в MP3 или WAV длительностью до пяти минут.
Кто говорит, а кто реагирует
Описывайте людей в промпте по их положению в кадре и коротко:
- «Left host speaks first, right host nods and laughs, then answers.» (ведущий слева говорит первым, ведущий справа кивает и смеётся, затем отвечает)
- «Woman on the right leads the verse, man on the left joins on the chorus.» (женщина справа ведёт куплет, мужчина слева подключается на припеве)
- «Interviewer on the left asks, guest on the right gestures while explaining, static wide shot.» (интервьюер слева спрашивает, гость справа жестикулирует, объясняя, статичный общий план)
- «Whole family waves at the end, gentle push-in.» (вся семья машет в конце, плавный наезд)
Форматы, которые вдруг стали возможны
Видеоподкасты по одному снимку, комедийные скетчи с двумя персонажами, тизеры интервью, дуэты и хоровые клипы, семейные поздравления и ролевые игры на уроках. Раньше для каждого такого формата приходилось снимать нескольких людей вместе — теперь нужны одно фото и запись.
Типичные проблемы групповых сцен
Если кажется, что говорит не тот человек, сделайте указания положения в промпте однозначными — «the person on the left» (человек слева), а не имя, которое модель не видит, — и проверьте, что лица говорящих примерно одного размера в кадре. Если все двигаются слишком много, попросите «listeners stay mostly still» (слушатели почти неподвижны), чтобы выделить говорящего.
В очень больших группах детализация распределяется между множеством мелких лиц. Для хора или командного фото кадрируйте по первому ряду и делайте ролик коротким.
Как писать диалог на два голоса
Лучше всего работают короткие обмены репликами: один спрашивает, другой отвечает одной-двумя фразами, и они быстро передают слово друг другу. Длинные монологи на групповом фото оставляют слушателю мало дела — разбивайте их реакциями или уточняющими вопросами.
Вопросы и ответы
Сколько человек может быть в одном видео?
Группы работают, но надёжнее всего результат с двумя–четырьмя хорошо видимыми лицами.
Нужно ли отдельное аудио для каждого человека?
Нет. Загрузите один сведённый файл с разговором и опишите в промпте, кто говорит.
Могут ли люди реагировать, пока говорят другие?
Да. Слушатели кивают, улыбаются и поглядывают на говорящего, если попросить об этом в промпте.
Поддерживала ли OmniHuman 1.5 несколько людей?
В версии 1.5 одного говорящего выбирали маской. Выступления нескольких людей — новинка версии 2.0.
Можно ли использовать семейное фото?
Да, с разрешения всех, кто на нём есть. Лучше всего работают чёткие лица анфас.
Какой длины может быть сцена?
До 5 минут одним дублем.
Может ли у каждого человека быть свой голос?
Да. Запишите или сведите диалог с голосами всех участников в один аудиофайл в порядке реплик.
Слушатели будут полностью неподвижны?
Нет — они делают небольшие естественные движения. Если хотите больше, попросите реакции вроде кивков или улыбок.
Групповое фото обязательно должно быть горизонтальным?
Не обязательно, но в широком кадре каждому лицу больше места. Вертикальные групповые снимки лучше всего работают с двумя людьми, стоящими близко друг к другу.