ШІ говорить фото

Говорюче фото — це нерухомий портрет, який оживає і говорить. Обличчя залишається таким, як на знімку, але рот, очі та голова рухаються під голос, тож аватарка, намальований портрет чи створений тобою персонаж можуть передати повідомлення на камеру.

У Mage це два кроки в одному акаунті. Спочатку голос: напиши, що має прозвучати, і згенеруй його в Seed Audio, який створює голоси, діалоги, музику та звукові ефекти за промптом, або використай готовий запис. Потім обличчя: відкрий Lipsync, додай фото та голос і запусти генерацію. Результат — MP4, де портрет промовляє твій текст.

Говорящі фото чудово підходять для привітань, пояснень, знайомства з персонажами та дописів у соцмережах. Дотримуйся чесності: використовуй власне фото, створеного тобою персонажа або знімок людини, яка погодилася. Mage не дозволяє шкідливі дипфейки та зображення реальних людей без їхньої згоди.

Seed Audio керується промптом, тож описуй не лише слова, а й мовця: вік, темп, настрій і місце, де він говорить. «Тепла неквапна бабуся розповідає казку на ніч» звучатиме зовсім інакше, ніж «захоплений спортивний коментатор». Бери точні слова в лапки та роби речення короткими: одне-два речення зручно вміщаються в 15 секунд.

Seed Audio генерує точно ту тривалість, яку ти обереш: 5, 10, 30, 60 або 120 секунд. Для говорючого фото обирай 5 або 10 секунд, щоб уся репліка вмістилася в один запуск Lipsync із запасом. Довша озвучка теж можлива: згенеруй її один раз, розріж у будь-якому аудіоредакторі на частини до 15 секунд і зроби кліп для кожної.

• Спочатку опиши голос, потім візьми слова в лапки
• Для одного кліпу обирай тривалість 5 або 10 секунд
• Підбирай голос до віку й настрою обличчя
• Спершу перегенеруй голос, а вже потім міняй фото
• Одна репліка — одна думка

Найкращі говорючі фото починаються з чіткого, добре освітленого обличчя, спрямованого в камеру, з видимим закритим або розслабленим ротом. Кадр по груди працює краще, ніж у повний зріст, адже в обличчя більше деталей для анімації. Окуляри не заважають, а ось рука чи мікрофон перед ротом — так.

Якщо фото старе або нечітке, спершу підвищ його різкість за допомогою ШІ-апскейлера зображень або відреставруй його за допомогою ШІ-реставрації фото. Якщо хочеш почати з нового обличчя, створи його за допомогою ШІ-генератора портретів і збережи як персонажа, щоб це саме обличчя могло говорити знову.

Привітання: вітання з днем народження чи святом із сімейного фото, озвучене людиною, яка на ньому. Пояснення: персонаж, який у двох реченнях представляє продукт, урок чи інструкцію. Історії: намальований предок, фентезійний герой або портрет оповідача, що відкриває кожен розділ серії. Дописи в соцмережах: маскот зі стійким жартом у форматі короткого кліпу.

Коли обличчя має робити більше, ніж говорити, зроби наступний крок: ШІ-синхронізація губ охоплює дубляж і довшу озвучку, а ШІ-генератор музичних відео перетворює збережених персонажів на виконавців, які співають і танцюють.