یہ صفحہ ہر ماڈل کی شائع شدہ ان پٹ وضاحتوں کی بنیاد پر فرق آمنے سامنے رکھتا ہے، اور بتاتا ہے کہ نیا ورژن کب فائدہ مند ہے۔ اگر آپ بس نتیجہ دیکھنا چاہتے ہیں تو صفحے کے اوپر پورٹریٹ اپ لوڈ کریں اور ورژن 2.0 سے رینڈر کریں۔
OmniHuman 2 بمقابلہ OmniHuman 1.5 ایک نظر میں
سب سے بڑی تبدیلی دورانیہ ہے۔ ورژن 1.5 میں 1080p مانگنے پر آڈیو کی حد تقریباً 30 سیکنڈ اور 720p پر تقریباً 60 سیکنڈ ہے۔ ورژن 2.0 میں 4 سیکنڈ سے 300 سیکنڈ تک کا آڈیو قبول ہوتا ہے، اس لیے پروڈکٹ کی مکمل وضاحت، پوڈکاسٹ کا ایک حصہ یا پورا کورس چھوٹے ٹکڑوں کو جوڑنے کے بجائے ایک ہی رینڈر میں آ جاتا ہے۔
دوسری تبدیلی یہ ہے کہ شاٹ میں کون ہو سکتا ہے۔ 1.5 میں آپ ایک اختیاری ماسک دیتے ہیں جو چنتا ہے کہ تصویر میں کون سا ایک شخص بولے گا۔ ورژن 2.0 کئی افراد والی پرفارمنس کے لیے بنایا گیا ہے، اس لیے گروپ فوٹو خاموش اضافی کرداروں والی تقریر کے بجائے ایک مکالمہ بن سکتی ہے۔
جوڑ توڑ کے بغیر لمبے ٹیکس
مختصر حدیں لکھنے کا انداز طے کر دیتی ہیں۔ ایک منٹ کی حد کے ساتھ اسکرپٹس ٹکڑوں میں کٹ جاتے ہیں، اور ہر کٹ پر روشنی، سر کی پوزیشن یا تاثر بدل جانے کا خطرہ ہوتا ہے۔ پانچ منٹ کی حد ان میں سے زیادہ تر جوڑ ختم کر دیتی ہے۔ اسباق، تعریفی ویڈیوز اور بیان کی گئی کہانیاں مسلسل چل سکتی ہیں، اور ماڈل پورے ٹیک میں وہی شناخت اور فریمنگ برقرار رکھتا ہے۔
لمبائی لاگت کی منصوبہ بندی پر بھی اثر ڈالتی ہے۔ ہماری سروس پر آپ رینڈر شدہ ہر سیکنڈ کی ادائیگی کرتے ہیں (فی سیکنڈ 10 کریڈٹس)، اس لیے ایک لمبا ٹیک اتنا ہی پڑتا ہے جتنے کئی مختصر ٹیکس جن کا مجموعی دورانیہ برابر ہو — لیکن آپ انہیں جوڑنے کی ایڈیٹنگ سے بچ جاتے ہیں۔
کیمرا، جسم اور اشاروں پر زیادہ کنٹرول
دونوں ورژنز ٹیکسٹ پرامپٹ قبول کرتے ہیں۔ عملی طور پر 1.5 اسے موڈ اور حرکت کی رہنمائی سمجھتا ہے، جبکہ 2.0 کو واضح کیمرا موومنٹ، جسمانی حرکت اور اشاروں کے کنٹرول کے گرد پیش کیا جاتا ہے۔ “slow push-in” (آہستہ پُش اِن)، “turns toward the second speaker” (دوسرے بولنے والے کی طرف مڑتا ہے) یا “raises the product on the last line” (آخری جملے پر پروڈکٹ اٹھاتا ہے) جیسے پرامپٹس اسی قسم کی ہدایت ہیں جن پر عمل کے لیے نیا ورژن بنایا گیا ہے۔
ورژن 2.0 چھ پرامپٹ زبانیں بھی درج کرتا ہے — انگریزی، چینی، جاپانی، کوریائی، ہسپانوی (میکسیکو) اور انڈونیشیائی — جو ان ٹیموں کے لیے مددگار ہے جو اپنے ہدایتی نوٹس اپنی زبان میں لکھتی ہیں۔
ریزولوشن اور آؤٹ پٹ
یہاں 1.5 کو اب بھی ایک برتری حاصل ہے: یہ مختصر کلپس کے لیے 1080p آؤٹ پٹ دے سکتا ہے۔ ورژن 2.0 نیٹو طور پر 720p میں رینڈر کرتا ہے۔ فون پر دیکھی جانے والی سوشل فیڈز، اشتہارات اور پریزنٹیشنز کے لیے پلیٹ فارم کے کمپریس کرنے کے بعد 720p میں عموماً کوئی فرق محسوس نہیں ہوتا؛ بڑی اسکرین پر چلانے کے لیے 30 سیکنڈ سے کم کلپس پر پرانے ماڈل کا 1080p آپشن اب بھی معقول ہو سکتا ہے۔
- ایک منٹ سے لمبی کسی بھی چیز، ایک سے زیادہ افراد والے کسی بھی منظر، یا جب کیمرا موومنٹ کی ہدایت دینی ہو تو 2.0 چنیں۔
- 1.5 صرف بہت مختصر، ایک اسپیکر والے کلپس کے لیے چنیں جہاں 1080p آؤٹ پٹ حرکت کے کنٹرول سے زیادہ اہم ہو۔
ہر ورژن کون سے ان پٹس قبول کرتا ہے
ورژن 2.0 ایک تصویر (JPG، PNG، WEBP اور دیگر عام فارمیٹس، ہر سائیڈ پر 300–6000 px، 30 MB تک، اسپیکٹ ریشو 0.4 سے 2.5 کے درمیان) اور 15 MB تک کی ایک MP3 یا WAV فائل لیتا ہے۔ ورژن 1.5 یہی بنیادی جوڑا لیتا ہے، ساتھ میں اختیاری اسپیکر ماسک اور تیز “turbo” موڈ۔ ہمارا اسٹوڈیو آپ کے کچھ بھی ادا کرنے سے پہلے ہر فائل کو 2.0 کی حدود کے مطابق جانچتا ہے، تاکہ آپ کبھی ایسی فائل پر کریڈٹس ضائع نہ کریں جسے ماڈل مسترد کر دیتا۔
1.5 سے 2.0 پر منتقلی
موجودہ 1.5 ورک فلوز ان پٹس میں کسی تبدیلی کے بغیر منتقل ہو جاتے ہیں: وہی تصویر اور آڈیو قبول ہوتے ہیں، اور پرامپٹس بھی ساتھ چلتے ہیں۔ اسپیکر ماسک والا مرحلہ ہٹا دیں، کیونکہ گروپ مناظر نیٹو طور پر سنبھالے جاتے ہیں، اور وہ لاجک بھی ہٹا دیں جو لمبے اسکرپٹس کو ایک ایک منٹ کے ٹکڑوں میں بانٹتی تھی۔
OmniHuman 2.0 کا OmniHuman 1.5 سے موازنہ
| صلاحیت | OmniHuman 1.5 | OmniHuman 2.0 |
|---|---|---|
| آڈیو کی زیادہ سے زیادہ لمبائی | 1080p پر 30 سیکنڈ · 720p پر 60 سیکنڈ | 4–300 سیکنڈ |
| فی منظر افراد | ایک اسپیکر، ماسک سے منتخب | کئی افراد والی پرفارمنس |
| ہدایت | پرامپٹ رہنمائی | کیمرا، جسم اور اشاروں کا کنٹرول |
| آؤٹ پٹ ریزولوشن | 720p یا 1080p | نیٹو 720p |
| پرامپٹ کی زبانیں | واضح نہیں | 6 درج شدہ زبانیں |
عام سوالات
کیا OmniHuman 2، OmniHuman 1.5 سے بہتر ہے؟
زیادہ تر استعمالات کے لیے جی ہاں: یہ پانچ منٹ تک کے کلپس، کئی لوگوں والے مناظر اور واضح کیمرا ہدایت سنبھالتا ہے۔ پرانا ورژن صرف بہت مختصر کلپس کے 1080p آؤٹ پٹ میں آگے ہے۔
کیا OmniHuman 2.0 میں 1080p آؤٹ پٹ ہے؟
نہیں۔ ورژن 2.0 نیٹو طور پر 720p میں رینڈر کرتا ہے۔ ورژن 1.5 میں 1080p تھا لیکن صرف تقریباً 30 سیکنڈ سے کم آڈیو کے لیے۔
کیا 1.5 والے پرامپٹس 2.0 میں دوبارہ استعمال ہو سکتے ہیں؟
جی ہاں۔ موڈ اور حرکت بیان کرنے والے پرامپٹس ساتھ چلتے ہیں۔ 2.0 میں کیمرا موومنٹ اور مخصوص اشارے شامل کر کے آپ اور آگے جا سکتے ہیں۔
omnihuman2.ai کون سا ورژن استعمال کرتا ہے؟
اس سائٹ کا ہر رینڈر OmniHuman 2.0 استعمال کرتا ہے۔ ہم لاگت بچانے کے لیے پرانے ورژنز پر نہیں جاتے۔
کیا لمبی ویڈیوز زیادہ مہنگی پڑتی ہیں؟
جی ہاں، تناسب کے حساب سے۔ آؤٹ پٹ کے ہر سیکنڈ کے 10 کریڈٹس لگتے ہیں، اس لیے 60 سیکنڈ کی ویڈیو میں 600 کریڈٹس لگتے ہیں، چاہے آپ اسے کیسے بھی تقسیم کریں۔
پھر کوئی 1.5 کیوں استعمال کرے گا؟
بنیادی طور پر 30 سیکنڈ سے کم، ایک اسپیکر والے کلپس کے لیے جہاں 1080p فائل ضروری ہو اور کیمرا ہدایت کی ضرورت نہ ہو۔