大多数不理想的照片说话效果,问题出在输入而不是模型:人脸太小、侧着脸、因抖动而模糊,或者淹没在阴影里。先检测一下,既能省下一次白白浪费的生成,也能让你在添加声音之前就知道该改哪里。
照片说话检测器会检查什么
每张照片都会经过九项检查。前三项是OmniHuman 2的硬性限制;其余几项是质量信号,决定动作看起来是否自然。
- 文件:JPG、PNG、WebP等常见格式,大小不超过30 MB。
- 分辨率:短边至少300 px,长边不超过6000 px;建议720 px以上。
- 宽高比:从2:5(很高)到5:2(很宽)都可以,手机竖拍、方图和宽屏画面都符合要求。
- 人脸:用设备端的人脸检测器判断有没有人脸,以及有几张。
- 人脸大小:人脸占画面的比例,以及嘴巴和眼睛有多少像素。
- 取景:头部有没有被画面边缘切掉。
- 头部角度:人物是否大致正对镜头、头是否端正。
- 清晰度:针对人脸本身而不是背景计算的模糊度。
- 光线:人脸是否太暗、过曝,或者平淡到五官都糊在一起。
如何看懂检测结果
绿色对勾表示这项检查通过。琥珀色建议表示照片可以使用,但调整这个细节很可能让视频效果更好。文件、分辨率或宽高比出现红色标记,表示在你修改之前,创作台会拒绝这个文件,通常导出成JPG、调整尺寸或裁剪一下就行。
如果没有找到人脸,照片仍然可以试一试:风格化的画作、雕像和动物有时也能动得很好,只是结果不如清晰的真人人像稳定。预览图上画出的人脸框,就是检测器实际看到的内容,遇到合照或杂乱背景干扰检测时很有帮助。
常见问题的快速解决办法
几乎所有提示,用手机自带的编辑器或任意免费修图软件,一分钟就能解决:
- 1人脸太小裁剪放大,让头部和肩膀占满大部分画面。从大图裁剪比把小图放大保留的细节更多。
- 2头部偏转或倾斜选一张两只眼睛都看得见、鼻子大致朝向镜头的照片,或者用旋转工具把倾斜的扫描件摆正。
- 3模糊或发虚请使用原始文件,而不是截图或聊天软件里转发的副本,那些都被大幅压缩过。避免使用在移动中拍的照片。
- 4太暗或太亮提亮阴影或压低高光,直到皮肤能看出质感。窗边的柔和日光是最适合做动画的光线。
天生注重隐私:什么都不上传
检测器会下载一个小型人脸检测模型(谷歌开源的MediaPipe BlazeFace),并通过WebAssembly在你的浏览器里运行。模糊度和亮度等数据,都是在你设备上的画布中计算出来的。你的照片不会发送到我们的服务器,也不会发给任何其他人,关闭标签页后照片就被丢弃。
因为不占用服务器资源,这个工具可以随意免费使用,无需注册,也没有水印。它支持桌面端和手机端较新版本的Chrome、Edge、Safari和Firefox。
从检测通过的照片到说话视频
当检测器提示你的人像已就绪,点击“让它开口说话”按钮,就会把同一张照片带进OmniHuman 2.0创作台,无需再次上传。用Google登录,添加一段4秒到5分钟的录音或音频文件,在选择套餐之前先预览效果。
打算做合照场景、唱歌视频或产品代言人?下面的教程会讲解每种情况下该如何准备音频和提示词。
常见问题
照片说话检测器真的免费吗?
是的。它在你自己的设备上运行,我们没有成本,你也没有次数限制,不需要账号,也没有水印。
我的照片会被上传到哪里吗?
不会。人脸检测和所有测量都在你的浏览器中完成。只有当你继续进入创作台并用它生成视频时,照片才会被上传。
检测通过就能保证视频完美吗?
没有任何工具能做出这种保证,但通过检测可以排除最常见的导致嘴唇僵硬或模糊的原因。清晰的音频同样重要。
为什么提示没有找到人脸?
检测器查找的是大致正对镜头的真人脸。特别小的人脸、侧脸、浓重阴影和卡通形象都可能检测不到。
可以检测合照吗?
可以。找到的每张脸都会画一个框。OmniHuman 2可以让多个人动起来,请在提示词里说明由谁来说话。
它适用于其他AI照片说话应用吗?
质量检查适用于任何嘴型同步模型;文件和尺寸限制则是OmniHuman 2特有的。
可以检测哪些格式?
JPG、PNG、WebP、GIF和BMP在任何浏览器上都可以。HEIC在Safari中能打开;其他浏览器请先导出成JPG。