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