شروع رایگان · صدا را بنویس، چهره را متحرک کن
عکس سخنگو گویا
یک پرتره ثابت را به کلیپ کوتاهی تبدیل کنید که آن چهره در آن حرف می‌زند. متن را بنویسید و صدا را بسازید، یا ضبط صدای خودتان را آپلود کنید؛ Mage عکس را طوری متحرک می‌کند که همان حرف را بزند.
بدون نصب. بدون کارت بانکی. خصوصی به‌صورت پیش‌فرض.
- ۱عکس برای شروع
- ۱۵ ثانیهگفتار در هر کلیپ
- ۹مدل ویدیو در Lipsync
- ۰ دلارشروع رایگان
مقدمات
عکس گویا با هوش مصنوعی چیست؟
عکس گویا یک پرتره ثابت است که جان می‌گیرد و حرف می‌زند. چهره همان چهره‌ی داخل تصویر می‌ماند، اما دهان، چشم‌ها و سر همراه با صدا حرکت می‌کنند؛ بنابراین عکس پروفایل، پرتره نقاشی‌شده یا شخصیتی که خودتان طراحی کرده‌اید می‌تواند جلوی دوربین پیامی را برساند.
در Mage این کار با یک حساب و در دو مرحله انجام می‌شود. اول صدا: آنچه باید گفته شود را بنویسید و با Seed Audio که از روی یک پرامپت صدا، دیالوگ، موسیقی و افکت صوتی می‌سازد تولیدش کنید، یا از ضبطی که دارید استفاده کنید. بعد چهره: Lipsync را باز کنید، عکس و صدا را اضافه کنید و بسازید. نتیجه یک فایل MP4 است که پرتره در آن متن شما را می‌گوید.
عکس‌های گویا برای تبریک، ویدیوهای آموزشی، معرفی شخصیت‌ها و پست‌های شبکه‌های اجتماعی عالی‌اند. صادقانه از آن‌ها استفاده کنید: عکس خودتان، شخصیتی که ساخته‌اید یا تصویر کسی که موافقت کرده است. Mage دیپ‌فیک‌های مضر یا نمایش افراد واقعی بدون رضایتشان را مجاز نمی‌داند.
کمی امکانات بیشتر
چرا عکس گویا را در Mage بسازید
صدا را هم خودتان بنویسید
Seed Audio یک جمله‌ی نوشته‌شده و توضیح گوینده را به گفتار تبدیل می‌کند، پس به میکروفون نیازی نیست.
هر پرتره‌ی واضحی
عکس، نقاشی، تصویرسازی یا شخصیت تولیدشده، به شرطی که چهره واضح باشد.
شخصیت‌هایی که چهره‌شان ثابت می‌ماند
یک بار شخصیت را ذخیره کنید و او را در کلیپ‌های پشت‌سرهم به حرف بیاورید.
ظاهر کار را انتخاب کنید
به‌طور پیش‌فرض Plum، و در Lipsync مدل‌های Plum Max، Lemon، مدل‌های Cherry و Blueberry هم در دسترس‌اند.
به‌صورت پیش‌فرض خصوصی
هیچ چیزی که می‌سازید جایی منتشر نمی‌شود، مگر اینکه خودتان بخواهید به اشتراک بگذارید.
بدون واترمارک
یک MP4 تمیز دانلود کنید؛ در طرح‌های پولی با مجوز تجاری.
از ایده تا خلق اثر
چطور یک عکس را به حرف بیاوریم؟
فقط سه مرحله دارد و شروعش رایگان است.
متن را بنویسید یا ضبط کنید
صدا را در Seed Audio از روی یک متن بسازید، یا از ضبطی که دارید استفاده کنید. آن را زیر ۱۵ ثانیه نگه دارید.
عکس را اضافه کنید
Lipsync را باز کنید و پرتره را آپلود کنید، یا یکی از شخصیت‌های ذخیره‌شده‌تان را انتخاب کنید.
ترکیب کنید و بسازید
صدا را از میان ساخته‌هایتان انتخاب کنید، یک مدل ویدیو برگزینید و بسازید.
به اشتراک بگذارید یا نگه دارید
فایل MP4 را دانلود کنید، یا تا وقتی آماده شوید آن را در حساب خود خصوصی نگه دارید.
نکته‌ها و تکنیک‌ها
نوشتن متنی که طبیعی به گوش برسد
Seed Audio از پرامپت پیروی می‌کند، پس علاوه بر کلمات، گوینده را هم توصیف کنید: بازه‌ی سنی، سرعت صحبت، حال‌وهوا و جایی که حرف می‌زند. «مادربزرگی مهربان و آرام که قصه‌ی شب می‌گوید» با «گزارشگر هیجان‌زده‌ی ورزشی» خیلی فرق دارد. کلمات دقیق را داخل گیومه بگذارید و جمله‌ها را کوتاه نگه دارید؛ یکی دو جمله به راحتی در ۱۵ ثانیه جا می‌شود.
Seed Audio دقیقاً به همان طولی که انتخاب کنید صدا می‌سازد: ۵، ۱۰، ۳۰، ۶۰ یا ۱۲۰ ثانیه. برای عکس گویا ۵ یا ۱۰ ثانیه را انتخاب کنید تا کل جمله با فاصله‌ی کافی در یک اجرای Lipsync جا شود. روایت‌های بلندتر هم ممکن است: یک بار بسازید، در هر ویرایشگر صوتی به تکه‌های ۱۵ ثانیه یا کوتاه‌تر ببرید و برای هر تکه یک کلیپ بسازید.
- اول صدا را توصیف کنید، بعد کلمات را در گیومه بیاورید
- برای یک کلیپ، طول ۵ یا ۱۰ ثانیه را انتخاب کنید
- صدا را با سن و حال‌وهوای چهره هماهنگ کنید
- قبل از عوض کردن عکس، صدا را دوباره بسازید
- هر جمله فقط یک ایده داشته باشد
نکته‌ها و تکنیک‌ها
انتخاب عکسی که خوب متحرک می‌شود
بهترین عکس‌های گویا از چهره‌ای واضح و خوب نورگرفته شروع می‌شوند که به دوربین نگاه می‌کند و دهانش دیده می‌شود و بسته یا آرام است. قاب سر و شانه از عکس تمام‌قد بهتر است، چون چهره جزئیات بیشتری برای متحرک شدن دارد. عینک مشکلی ندارد؛ اما دست یا میکروفون جلوی دهان مشکل می‌سازد.
اگر عکس قدیمی یا مات است، اول آن را با افزایش کیفیت تصویر با هوش مصنوعی شفاف کنید یا با ترمیم عکس با هوش مصنوعی ترمیم کنید. اگر ترجیح می‌دهید با چهره‌ای تازه شروع کنید، آن را با سازنده پرتره با هوش مصنوعی بسازید و به‌عنوان شخصیت ذخیره کنید تا همان چهره بعداً دوباره حرف بزند.
نکته‌ها و تکنیک‌ها
ایده‌هایی که به‌عنوان عکس گویا خوب جواب می‌دهند
تبریک: پیام تولد یا تعطیلات از یک عکس خانوادگی، با صدای خود فرد داخل عکس. آموزش: شخصیتی که در دو جمله یک محصول، یک درس یا یک روش را معرفی می‌کند. داستان: یک جد نقاشی‌شده، یک قهرمان فانتزی یا پرتره‌ی راوی که هر فصل از یک مجموعه را آغاز می‌کند. پست‌های شبکه‌های اجتماعی: یک ماسکوت با یک شوخی تکراری که به‌صورت کلیپ کوتاه منتشر می‌شود.
وقتی چهره باید کاری بیشتر از حرف زدن بکند، قدم بعدی را بردارید: لیپ‌سینک با هوش مصنوعی دوبله و روایت‌های بلندتر را پوشش می‌دهد، و ساخت موزیک ویدیو با هوش مصنوعی شخصیت‌های ذخیره‌شده را به اجراکنندگانی تبدیل می‌کند که آواز می‌خوانند و می‌رقصند.
مدل مناسب برای هر کار
کدام مدل‌ها عکس را به حرف می‌آورند؟
Seed Audio صدا را می‌سازد و یک مدل ویدیویی داخل Lipsync صورت را به حرکت درمی‌آورد.
Seed Audio
صدا، دیالوگ، موسیقی و افکت صوتی از روی یک پرامپت، در قالب MP3 با مدتی دقیقاً به انتخاب شما، از ۵ تا ۱۲۰ ثانیه.
Plum Max
یک Plum سریع برای کلیپ‌های گویای روزمره با کیفیت 480P یا 768P. Plum که پیش‌فرض Lipsync است، تا 2K خروجی می‌دهد.
Lemon
تعادل بین قیمت و کیفیت از 480p تا 1080p؛ انتخاب خوبی وقتی صورتی واضح‌تر می‌خواهید.
Cherry 2 Pro
مدل ویدیویی پرچمدار Mage برای کلیپ‌هایی با کیفیت نهایی تا 1080p. هزینه هر کلیپ در آن از همه بیشتر است.
این پرامپت‌ها را امتحان کن
پرامپت‌های صوتی برای امتحان در Seed Audio
اول گوینده را توصیف کن، بعد جمله را در گیومه بیاور.
تبریک تولد
مردی مسن و شاد با خنده‌ای ملایم می‌گوید: «تولدت مبارک! یه تکه کیک برای من نگه دار، باشه؟»
معرفی محصول
راوی آرام و صمیمی می‌گوید: «این همان چراغی است که یادش می‌ماند شب‌هایت را چطور دوست داری.»
شروع داستان
قصه‌گویی با صدای بم و کهنه‌کار می‌گوید: «خیلی پیش از آنکه رودخانه نامی داشته باشد، مسافری دنبالش رفت تا به دریا رسید.»
خوش‌آمدگویی کارگاه
مربی‌ای پرانرژی می‌گوید: «همه خوش برگشتید. امروز می‌خواهیم آتش‌فشانی بسازیم که واقعاً فوران کند.»
فضایی برای آزمایش
مقایسهٔ ابزارهای عکس گویا
اپ عکس گویا معمولاً فقط یک کار می‌کند: صورت را با صدایی که از جای دیگری آورده‌اید متحرک می‌کند. Mage صدا، صورت و کلیپ را در یک حساب کنار هم نگه می‌دارد تا بتوانید هرکدام را بدون جابه‌جایی فایل بین ابزارها تغییر دهید.
ابزارهای رایج
- آوردن صدایی که جای دیگری ضبط شده
- فقط یک مدل انیمیشن
- آپلود دوبارهٔ صورت برای هر کلیپ
Mage
- نوشتن صدا در Seed Audio، در همان حساب
- نه مدل ویدیویی در Lipsync
- شخصیت‌های ذخیره‌شده برای صورتی که تکرار می‌شود
- به‌صورت پیش‌فرض خصوصی و بدون واترمارک
دنبال تخیلت برو
چه کسانی عکس گویا می‌سازند؟
خانواده و دوستان
پیام تولد یا تعطیلات از روی یک عکس، با صدای خود فردِ داخل عکس.
معلم‌ها و توضیح‌دهنده‌ها
شخصیتی که در چند جمله یک درس یا آموزش را معرفی می‌کند.
قصه‌گوها
پرتره‌ای از راوی که آغازگر هر فصل از یک مجموعه است.
تولیدکنندگان محتوا برای شبکه‌های اجتماعی
یک ماسکوت یا شخصیت با شوخی تکرارشونده که به‌صورت کلیپ‌های کوتاه منتشر می‌شود.
کوچک شروع کن، بزرگ رؤیا ببین.
آیا سازندهٔ عکس گویا رایگان است؟
اعضای جدید ۳۰۰ Gems می‌گیرند و هم Seed Audio و هم Lipsync در هر طرحی با Gems کار می‌کنند. صدای نامحدود از طرح Basic برای کلیپ‌های ۵ و ۱۰ ثانیه‌ای شروع می‌شود؛ ویدیوی گویای نامحدود از طرح Pro با کلیپ‌های کوتاه Lemon آغاز می‌شود.
رایگان
$0
۳۰۰ Gems یک‌باره برای اعضای جدید. بدون واترمارک.
Basic
$10/mo
Seed Audio نامحدود برای ۵ و ۱۰ ثانیه، به اندازهٔ یک جملهٔ عکس گویا، به‌علاوهٔ مدل‌های تصویری پایهٔ نامحدود. ۵۰۰ Gems در ماه.
Pro Plus
$60/mo
Seed Audio نامحدود تا ۶۰ ثانیه، و مدل‌های ویدیویی پیشرفته مثل Plum Max و Lemon به‌صورت نامحدود برای کلیپ‌های کوتاه. ۳٬۵۰۰ Gems در ماه.
کمی شفاف‌تر
سؤالات متداول
چطور با هوش مصنوعی یک عکس را به حرف بیاورم؟
آیا هوش مصنوعی می‌تواند از روی متن عکس را به حرف بیاورد؟
عکس گویا تا چند ثانیه می‌تواند باشد؟
آیا با نقاشی و طراحی هم کار می‌کند؟
آیا می‌توانم از عکس شخص دیگری استفاده کنم؟
آیا یک شخصیت می‌تواند در چند کلیپ صحبت کند؟
آیا واترمارک دارد؟
مولدها و راهنماهای مرتبط
Mage فقط برای بزرگسالان بالای ۱۸ سال است. هر محتوای غیرقانونی ممنوع است؛ هر محتوایی که شامل افراد زیر سن قانونی یا تصویرسازی بدون رضایت از افراد واقعی باشد اکیداً ممنوع است.