Kısaca: OmniHuman 2.0, bugün tek bir görselden üretilebilen en doğal konuşan ve şarkı söyleyen videolardan bazılarını üretiyor; eski modellerin kaldıramadığı uzun çekimleri ve grup sahnelerini kaldırıyor; başlıca ödünleri ise 720p çıktı ve saniyelerle değil dakikalarla ölçülen oluşturma süreleri.
OmniHuman 2 incelememizde öne çıkanlar
Dudak senkronizasyonu en bariz başlık, ama asıl büyük fark ağzın etrafındaki her şeyde. Yanaklar, çene, kaşlar ve nefes sesle birlikte hareket eder; eller ve omuzlar vurgulu kelimelerde etkiyi artırır. Özellikle şarkılar sadece dudak oynatılmış gibi değil, gerçekten seslendirilmiş gibi görünür — uzun notalardan önce nefesler, ritimde küçük baş hareketleri.
Diğer güçlü yan çeşitlilik. Gerçekçi portreler, illüstrasyonlar, 3D karakterler ve stilize maskotların hepsi inandırıcı şekilde canlanır; birkaç kişinin olduğu tek bir fotoğraf da bir sohbete dönüşebilir.
- Sadece hareket eden dudaklar değil, doğal ifadeler ve jestler.
- Tek seferde 4 saniyeden 5 dakikaya kadar klipler.
- Çok kişili sahneler ve prompt ile yönetilen kamera hareketleri.
Yetersiz kaldığı yerler
Çözünürlük 720p. Bu telefonlar ve sosyal platformlar için yeterli, ama sinema perdeleri ya da büyük formatlı ekranlar için değil. Model ayrıca resimde olmayanı inandırıcı şekilde uyduramaz: dar bir portre inandırıcı el jestleri üretmez, fotoğrafta olmayan bir ürün de sen bahsettin diye belirmez.
Aşırı açılar, yoğun örtülme (ağzın üzerinde eller, mikrofonlar, güneş gözlükleri) ve çok gürültülü ses kaliteyi gözle görülür şekilde düşürür. Bunların hiçbiri bu tür bir model için alışılmadık değil, ama kredi harcamadan önce bilmeye değer.
Pratikte oluşturma süreleri
Kendi testimizde, 1080 × 1080 bir portreden 4,65 saniyelik bir klip, kuyrukta bekleme ve dosyanın depolamaya kopyalanması dahil, gönderimden bitmiş MP4’e kadar iki dakikadan biraz fazla sürdü. Daha uzun klipler orantılı olarak daha uzun sürer; yani bir dakikalık bir tanıtım videosu anında bir sonuç değil, bir kahve molası kadar bekleme demek.
Videolar arka planda oluşturulur — sekmeyi kapatabilir ve video hazır olduğunda kütüphanende bulabilirsin.
Kimler kullanmalı
İçerik üretici tarzı reklam açılışlarını test eden performans pazarlamacıları, metinleri sunucu videolarına dönüştüren eğitmenler, görselleştirici hazırlayan müzisyenler ve kamera ekibi olmadan bir sunucuya ihtiyaç duyan küçük ekipler en fazla faydayı görecek. 4K çıktıya ya da her hareket üzerinde kare kare kontrole ihtiyacın varsa, geleneksel bir çekim ya da bir 3D iş akışı hâlâ daha iyi bir araç.
Sonuç
Tek bir fotoğrafı ve tek bir sesi inandırıcı bir performansa dönüştürmek için OmniHuman 2.0 kullandığımız en güçlü seçenek ve 1.5’ten yapılan sıçrama — daha uzun çekimler, gruplar, yönlendirme — oldukça büyük. Önce kendi materyalinden kısa bir klip ile test et; önizleme ücretsiz ve beş saniyelik bir video 50 kredi tutuyor.
Neleri test ettik
Testlerimizde gerçekçi portreler, taranmış eski bir fotoğraf, bir 3D karakter render’ı ve iki kişilik bir stüdyo çekimi kullandık; bunları yankısız konuşma, telefonla kaydedilmiş bir sesli not ve şarkı vokaliyle çalıştırdık. Temiz stüdyo portreleri ve mikrofona yakın konuşma en iyi dudak senkronizasyonunu verdi; telefon kaydı da çalıştı, ünsüzler biraz daha yumuşak kaldı. Şarkı vokali, setteki en etkileyici baş ve omuz hareketlerini üretti.
Kusurlar, kameradan yaklaşık kırk beş dereceden fazla dönük ya da kaldırılmış bir elle kısmen gizlenmiş yüzlerde ortaya çıktı — çoğunlukla dudaklar ve dişlerin çevresinde.
Diğer yaklaşımlarla karşılaştırması
Şablon avatar platformlarıyla karşılaştırıldığında OmniHuman 2, kimin görüneceği konusunda çok daha esnek — her fotoğraf, her stil — ama bir metin editörü ya da hazır sunucular sunmuyor. Yalnızca yüze odaklanan dudak senkronizasyonu araçlarıyla karşılaştırıldığında ise sabit bir vücut üzerinde hareket eden bir ağız yerine tüm vücudu kapsayan performanslar üretiyor. Her yaklaşımın bir yeri var; başlangıç noktası tek bir resim olduğunda bu model en güçlüsü.
SSS
OmniHuman 2 reklamlar için yeterince iyi mi?
Telefonda izlenen sosyal medya ve performans reklamları için evet. Fotoğrafını kontrol etmek için önce kısa bir açılış test et.
Dudak senkronizasyonu ne kadar gerçekçi?
Temiz sesle doğal konuşmaya çok yakın. Arka plan müziği ve gürültü doğruluğu düşürür.
En büyük zayıf yanı ne?
720p çıktı ve birkaç dakikalık oluşturma süreleri. Kalitesiz girdi fotoğrafları en yaygın kalite sorunudur.
Bu inceleme bağımsız mı?
Hayır — omnihuman2.ai’yi biz işletiyoruz ve modele erişim satıyoruz. Kendin karar verebilmen için sınırları açıkça anlatıyoruz.
Çizgi film karakterlerini canlandırabilir mi?
Evet. Yüz net olduğunda illüstrasyonlar, 3D karakterler ve maskotlar iyi çalışır.
Bir video ne kadar sürede oluşturulur?
Testimizde yaklaşık beş saniyelik bir klip baştan sona yaklaşık iki dakika sürdü. Daha uzun klipler daha uzun sürer.
Uzun videolarda kalite düşüyor mu?
Deneyimimize göre kimlik ve kadraj uzun çekimlerde sabit kalıyor, çünkü klibin tamamı tek bir fotoğraftan ve kesintisiz tek bir ses kaydından üretiliyor.
Çıktı YouTube için yeterince iyi mi?
Konuşan kafa ve tanıtım formatları için evet. Büyük ekranda izleme için çıktının 720p olduğunu unutma.