P-Video 2 Pro Avatar

Présentation

Modèle de génération vidéo destiné aux présentations par avatar numérique : importez un portrait de personne comme image de première frame, puis fournissez un fichier audio de voix ou saisissez un texte de script pour générer une vidéo où la personne parle. Le script est lu par la synthèse vocale intégrée, avec un choix parmi plusieurs timbres et langues, et un prompt décrit les gestes et l'expression de la personne pendant qu'elle parle. Idéal pour les créateurs de contenus nécessitant une présence humaine à l'écran, comme les cours explicatifs, les présentations marketing ou les vidéos courtes pour les réseaux sociaux, en supprimant l'étape de tournage et de synchronisation labiale.

Points clés

• Un seul portrait suffit pour animer une vidéo parlante — une seule image de portrait comme première frame suffit, sans séquence vidéo existante, pour générer une scène où la personne parle.
• Deux modes de pilotage : audio ou script — vous pouvez importer un fichier audio de voix de 3 minutes maximum, ou saisir un script lu par la synthèse vocale intégrée ; la durée de la vidéo suit celle de la voix.
• Le prompt contrôle l'expression et les gestes — un prompt décrit l'apparence, les gestes et l'expression de la personne pendant qu'elle parle, avec la possibilité de définir une graine aléatoire pour reproduire le résultat.
• Plusieurs niveaux de résolution pour tous les besoins de diffusion — cinq résolutions au choix : 480p, 768p, 1080p, 2k et 4k, pour adapter la qualité à la plateforme de publication.

Description des capacités

Vidéo parlante pilotée par un portrait : fournissez un portrait de personne au format jpg, jpeg, png ou webp via un lien HTTPS comme première frame pour générer une vidéo où la personne parle ; le contenu visuel est décrit dans le prompt (apparence, gestes et expression).

Pilotage de la synchronisation labiale par un audio importé : fournissez un lien HTTPS vers un fichier audio de voix ; la durée de la vidéo correspond à celle de l'audio, soit 3 minutes maximum ; en résolution 4k, l'audio est limité à 125 secondes. Dans ce cas, les paramètres de script, de timbre, de langue et de style vocal ne s'appliquent plus.

Pilotage par conversion texte-parole du script : si aucun audio n'est fourni, saisissez un script de 5000 caractères maximum, lu par la synthèse vocale intégrée pour générer la vidéo ; la langue du script doit être choisie parmi les dix langues proposées, et une description de style vocal de 1000 caractères maximum permet de préciser le ton et le rythme.

Choix du timbre et des paramètres visuels : sélectionnez l'un des 30 timbres intégrés pour lire le script, décrivez l'image avec un prompt de 2000 caractères maximum et définissez une graine aléatoire entre 0 et 2147483647 ; la résolution est au choix parmi 480p, 768p, 1080p, 2k et 4k, avec 768p par défaut.

Scénarios d'utilisation

• Vidéos de présentation en série pour formateurs — le formateur fournit son portrait et le script de son cours pour générer en série des vidéos de présentation à l'écran, destinées à des cours en ligne ou à des rubriques de vulgarisation.
• Présentations marketing avec un visage réel — les équipes marketing associent le portrait d'un porte-parole produit à un texte promotionnel pour générer des clips de présentation diffusés dans les fils d'actualité ou sur les comptes sociaux de la marque.
• Montage final à partir d'un enregistrement existant — le créateur importe son propre enregistrement audio et son portrait pour synchroniser la bouche de l'image sur l'enregistrement et produire directement une vidéo courte pour les réseaux sociaux.
• Transformer un portrait statique en vidéo parlante — à partir d'une photo de personne existante, avec un script ou un audio, générez une scène parlante avec expressions et synchronisation labiale, pour une rubrique d'avatar numérique ou une page de présentation.

Limites et conseils de choix

Le script et le prompt ont des limites de longueur : 2000 caractères maximum pour le prompt, 5000 caractères maximum pour le script et 1000 caractères maximum pour la description du style vocal. La synthèse vocale intégrée ne prend pas en charge le chinois ; la langue du script doit être choisie parmi l'anglais, l'espagnol, le français, l'allemand, l'italien, le portugais (Brésil), le japonais, le coréen et l'hindi. La durée de la vidéo est déterminée par la voix, avec un maximum de 3 minutes ; en résolution 4k, l'audio est limité à 125 secondes.