P-Video 2 Pro Avatar

Краткое описание

Модель генерации видео для сценариев с цифровым ведущим: загрузите портрет человека в качестве первого кадра, затем предоставьте аудио с речью или введите текст сценария — и модель создаст видео, в котором человек говорит. Сценарий озвучивается встроенным синтезатором речи с выбором из нескольких голосов и языков, а с помощью промпта описываются движения и мимика говорящего человека. Подходит для создателей контента, которым нужен реальный человек в кадре: обучающие курсы, маркетинговые ролики, короткие видео для соцсетей — без съёмок и работы над синхронизацией губ.

Ключевые возможности

• Один портрет — и говорящее видео готово — достаточно одного портрета в качестве первого кадра, без исходного видеоматериала, чтобы получить кадры с говорящим человеком.
• Два способа управления: аудио и сценарий — можно загрузить аудио с речью длительностью до 3 минут или ввести сценарий для озвучивания встроенным синтезатором; длина видео соответствует длине речи.
• Управление мимикой и движениями через промпт — опишите в промпте внешний вид, движения и выражение лица говорящего человека, а также задайте случайное зерно для воспроизводимости результата.
• Несколько разрешений под любые задачи — доступны пять уровней разрешения: 480p, 768p, 1080p, 2k и 4k, что позволяет выбрать качество под конкретную площадку публикации.

Описание возможностей

Говорящее видео на основе портрета: укажите HTTPS-ссылку на портрет в формате jpg, jpeg, png или webp в качестве первого кадра — модель создаст видео с говорящим человеком, а содержимое кадра описывается в промпте через внешний вид, движения и мимику.

Управление артикуляцией по загруженному аудио: предоставьте HTTPS-ссылку на аудио с речью; длина видео будет соответствовать длине аудио, максимум 3 минуты; при использовании разрешения 4k максимальная длина аудио — 125 секунд. В этом случае настройки сценария, голоса, языка и стиля речи не применяются.

Управление через сценарий с озвучиванием: если аудио не предоставлено, введите сценарий длиной до 5000 символов — он будет озвучен встроенным синтезатором речи, и на его основе будет создано видео. Язык сценария выбирается из десяти заданных языков; для описания тона и ритма речи можно использовать до 1000 символов описания стиля речи.

Выбор голоса и параметров кадра: выберите один из 30 встроенных голосов для озвучивания сценария, опишите кадр промптом до 2000 символов и задайте случайное зерно в диапазоне от 0 до 2147483647; разрешение выбирается из 480p, 768p, 1080p, 2k и 4k, по умолчанию — 768p.

Сценарии применения

• Массовые видео с лектором для курсов — преподаватель предоставляет портрет и сценарий лекции, а модель массово создаёт видео с человеком в кадре для онлайн-курсов или образовательных рубрик.
• Маркетинговые материалы с реальным человеком в кадре — маркетологи создают ролики с портретом представителя бренда и рекламным текстом для размещения в лентах или на брендовых аккаунтах в соцсетях.
• Готовое видео по уже имеющейся записи — авторы загружают собственную аудиозапись и портрет, артикуляция на видео синхронизируется с записью, и получается короткое видео для соцсетей.
• Превращение статичного портрета в говорящее видео — используйте имеющуюся фотографию человека вместе со сценарием или аудио, чтобы получить говорящий кадр с мимикой и артикуляцией для рубрик с цифровым ведущим или презентационных страниц.

Ограничения и рекомендации по выбору

Для сценария и промпта есть ограничения по длине: промпт — до 2000 символов, сценарий — до 5000 символов, описание стиля речи — до 1000 символов. Встроенная озвучка не поддерживает китайский язык; язык сценария нужно выбирать из английского, испанского, французского, немецкого, итальянского, португальского (Бразилия), японского, корейского и хинди. Длина видео определяется речью и составляет максимум 3 минуты; при использовании разрешения 4k максимальная длина аудио — 125 секунд.