ข้ามไปที่เนื้อหา

รีวิว · ทดสอบจริง · อัปเดตเมื่อ ต.ค. 2569

รีวิว OmniHuman 2: จุดเด่น ข้อจำกัด และเหมาะกับใคร

รีวิว OmniHuman 2 นี้เขียนโดยทีมที่รันโมเดลทุกวันบนเว็บไซต์นี้ จึงไม่เป็นกลางแบบสื่อภายนอก เพราะเราขายสิทธิ์การเข้าถึงโมเดลนี้ เราจึงพยายามให้เป็นประโยชน์แทน ทั้งสิ่งที่ทำให้เราประทับใจ สิ่งที่ไม่ประทับใจ และตัวเลขในทางปฏิบัติที่รู้ได้จากการเรนเดอร์คลิปจริงเท่านั้น

รูป+เสียง=วิดีโอ

เสียง
ไม่มีรูป? ลองใช้:
  • พรีวิวฟรี
  • ลงชื่อเข้าใช้ด้วย Google
  • อัปโหลดแบบส่วนตัว
โฆษณา UGC
ร้องเพลง
หลายคน
ต่อวิดีโอ
5 นาที
ความละเอียด
720p
ในฉากเดียว
หลายคน
ภาษา
6

สรุปสั้นๆ คือ OmniHuman 2.0 ให้วิดีโอพูดและร้องเพลงจากภาพเดียวที่เป็นธรรมชาติที่สุดตัวหนึ่งในตอนนี้ รับมือกับเทกยาวและภาพหมู่ที่โมเดลรุ่นเก่าทำไม่ได้ และข้อแลกเปลี่ยนหลักคือผลลัพธ์ 720p กับเวลาเรนเดอร์ที่นับเป็นนาที ไม่ใช่วินาที

จุดที่โดดเด่นในรีวิว OmniHuman 2 ของเรา

ลิปซิงก์คือจุดขายที่เห็นได้ชัด แต่ความแตกต่างที่ใหญ่กว่าคือทุกอย่างรอบปาก แก้ม กราม คิ้ว และการหายใจขยับไปกับเสียง มือและไหล่ช่วยเน้นคำที่ลงน้ำหนัก โดยเฉพาะการร้องเพลงที่ดูเหมือนแสดงจริง ไม่ใช่แค่ขยับปาก มีการหายใจก่อนลากเสียงยาวและขยับศีรษะเล็กน้อยตามบีต

จุดแข็งอีกอย่างคือความหลากหลาย ภาพพอร์ตเทรตสมจริง ภาพวาด ตัวละคร 3D และมาสคอตแบบมีสไตล์ล้วนขยับได้น่าเชื่อ และรูปเดียวที่มีหลายคนก็กลายเป็นบทสนทนาได้

  • สีหน้าและท่าทางเป็นธรรมชาติ ไม่ใช่แค่ริมฝีปากขยับ
  • คลิปตั้งแต่ 4 วินาทีถึง 5 นาทีในเทกเดียว
  • ฉากหลายคนและการเคลื่อนกล้องตามพรอมต์

จุดที่ยังไม่ดีพอ

ความละเอียดคือ 720p ซึ่งเพียงพอสำหรับมือถือและโซเชียลมีเดีย แต่ไม่พอสำหรับจอภาพยนตร์หรือจอแสดงผลขนาดใหญ่ โมเดลยังสร้างสิ่งที่ไม่มีอยู่ในภาพได้ไม่น่าเชื่อ ภาพหน้าตรงระยะใกล้จะไม่ได้ท่าทางมือที่น่าเชื่อ และสินค้าที่ไม่อยู่ในรูปจะไม่ปรากฏขึ้นมาแค่เพราะคุณพูดถึง

มุมที่สุดโต่ง สิ่งบดบังมาก (มือบังปาก ไมโครโฟน แว่นกันแดด) และเสียงที่มีสัญญาณรบกวนมาก ทำให้คุณภาพลดลงอย่างเห็นได้ชัด ไม่มีข้อใดผิดปกติสำหรับโมเดลประเภทนี้ แต่ควรรู้ไว้ก่อนใช้เครดิต

เวลาเรนเดอร์ในทางปฏิบัติ

ในการทดสอบของเรา คลิปยาว 4.65 วินาทีจากภาพพอร์ตเทรตขนาด 1080 × 1080 ใช้เวลามากกว่าสองนาทีเล็กน้อย ตั้งแต่ส่งงานจนได้ไฟล์ MP4 ที่เสร็จสมบูรณ์ รวมเวลารอคิวและการคัดลอกไฟล์ไปยังสตอเรจแล้ว คลิปที่ยาวกว่าใช้เวลานานขึ้นตามสัดส่วน คลิปอธิบายหนึ่งนาทีจึงเป็นการรอพอๆ กับพักดื่มกาแฟ ไม่ใช่ผลลัพธ์ทันที

การเรนเดอร์ทำงานอยู่เบื้องหลัง คุณปิดแท็บได้ แล้วมาดูวิดีโอในคลังเมื่อเสร็จ

ใครควรใช้

นักการตลาดสายเพอร์ฟอร์แมนซ์ที่ทดสอบฮุกสไตล์ครีเอเตอร์ ครูผู้สอนที่เปลี่ยนสคริปต์เป็นวิดีโอพรีเซนเตอร์ นักดนตรีที่ทำวิชวลไลเซอร์ และทีมเล็กที่ต้องการพรีเซนเตอร์โดยไม่มีทีมกล้อง จะได้ประโยชน์มากที่สุด ถ้าคุณต้องการผลลัพธ์ 4K หรือควบคุมทุกการเคลื่อนไหวได้แม่นยำระดับเฟรม การถ่ายทำแบบดั้งเดิมหรือไปป์ไลน์ 3D ยังเป็นเครื่องมือที่ดีกว่า

บทสรุป

สำหรับการเปลี่ยนรูปเดียวและเสียงเดียวให้เป็นการแสดงที่น่าเชื่อ OmniHuman 2.0 คือตัวเลือกที่แข็งแกร่งที่สุดที่เราเคยใช้ และการก้าวกระโดดจาก 1.5 ทั้งเทกที่ยาวขึ้น ฉากกลุ่ม และการกำกับ ถือว่ามาก ลองทดสอบด้วยคลิปสั้นจากวัตถุดิบของคุณเองก่อน พรีวิวฟรี และการเรนเดอร์ห้าวินาทีใช้ 50 เครดิต

สิ่งที่เราทดสอบ

เราทดสอบด้วยภาพพอร์ตเทรตสมจริง รูปถ่ายเก่าที่สแกนมา งานเรนเดอร์ตัวละคร 3D และภาพถ่ายในสตูดิโอที่มีสองคน ขับเคลื่อนด้วยเสียงพูดที่ไม่มีเสียงก้อง บันทึกเสียงจากมือถือ และเสียงร้องเพลง ภาพพอร์ตเทรตในสตูดิโอที่สะอาดกับเสียงพูดที่อัดใกล้ไมค์ให้ลิปซิงก์ดีที่สุด บันทึกเสียงจากมือถือก็ยังใช้ได้ แต่พยัญชนะนุ่มลงเล็กน้อย ส่วนเสียงร้องเพลงให้การเคลื่อนไหวของศีรษะและไหล่ที่มีอารมณ์มากที่สุดในชุดทดสอบ

ใบหน้าที่หันออกจากกล้องมากกว่าประมาณสี่สิบห้าองศา หรือถูกมือที่ยกขึ้นบังบางส่วน คือจุดที่เกิดความผิดเพี้ยน ส่วนใหญ่อยู่รอบริมฝีปากและฟัน

เทียบกับแนวทางอื่น

เมื่อเทียบกับแพลตฟอร์มอวตารแบบเทมเพลต OmniHuman 2 ยืดหยุ่นกว่ามากเรื่องว่าใครจะปรากฏ รูปไหนก็ได้ สไตล์ไหนก็ได้ แต่ไม่มีโปรแกรมแก้ไขสคริปต์หรือพรีเซนเตอร์สำเร็จรูป เมื่อเทียบกับเครื่องมือลิปซิงก์เฉพาะใบหน้า โมเดลนี้สร้างการแสดงทั้งตัว ไม่ใช่แค่ปากที่ขยับบนร่างที่นิ่ง แต่ละแนวทางมีที่ทางของตัวเอง และโมเดลนี้แข็งแกร่งที่สุดเมื่อจุดเริ่มต้นคือภาพเพียงภาพเดียว

คำถามที่พบบ่อย

OmniHuman 2 ดีพอสำหรับทำโฆษณาไหม?

ดีพอสำหรับโฆษณาบนโซเชียลและโฆษณาสายเพอร์ฟอร์แมนซ์ที่ดูบนมือถือ ทดสอบฮุกสั้นๆ ก่อนเพื่อเช็กรูปของคุณ

ลิปซิงก์สมจริงแค่ไหน?

ใกล้เคียงการพูดตามธรรมชาติมากเมื่อเสียงสะอาด เพลงประกอบและเสียงรบกวนลดความแม่นยำลง

จุดอ่อนที่ใหญ่ที่สุดคืออะไร?

ผลลัพธ์ 720p และเวลาเรนเดอร์ไม่กี่นาที รูปอินพุตคุณภาพต่ำคือปัญหาคุณภาพที่พบบ่อยที่สุด

รีวิวนี้เป็นอิสระไหม?

ไม่ เราดำเนินการ omnihuman2.ai และขายสิทธิ์การเข้าถึงโมเดล เราจึงบอกข้อจำกัดอย่างเปิดเผยเพื่อให้คุณตัดสินเองได้

ทำให้ตัวการ์ตูนเคลื่อนไหวได้ไหม?

ได้ ภาพวาด ตัวละคร 3D และมาสคอตใช้ได้ดีเมื่อใบหน้าชัดเจน

การเรนเดอร์ใช้เวลานานเท่าไร?

ในการทดสอบของเรา คลิปยาวราวห้าวินาทีใช้เวลาประมาณสองนาทีตั้งแต่ต้นจนจบ คลิปที่ยาวกว่าใช้เวลานานกว่า

คุณภาพลดลงในวิดีโอยาวไหม?

จากประสบการณ์ของเรา อัตลักษณ์และการจัดเฟรมคงที่ตลอดเทกยาว เพราะทั้งคลิปสร้างจากรูปเดียวและแทร็กเสียงต่อเนื่องเดียว

ผลลัพธ์ดีพอสำหรับ YouTube ไหม?

ดีพอสำหรับฟอร์แมตพูดหน้ากล้องและคลิปอธิบาย ถ้าดูบนจอใหญ่ อย่าลืมว่าผลลัพธ์เป็น 720p

สำรวจต่อ

ทำให้รูปของคุณพูดได้

พรีวิวฟรี