Omni Human: руководство — как создать цифровой аватар из фото с примерами
Генерация видео
Omni Human превращает одно фото в видео, где человек говорит: двигает губами в такт речи, моргает, меняет выражение лица. Озвучку можно загрузить своей записью или сгенерировать из текста. В этом руководстве разберём, как создать цифровой аватар на TurboText по шагам, какой режим выбрать, как подготовить текст и запись, сколько стоит генерация и что делать, если что-то пошло не так.
Omni Human и «Видео аватар»: в чём разница
На TurboText есть две нейросети для говорящих портретов. Видео аватар оживляет фото и синхронизирует губы с речью — о нём есть отдельное руководство. Omni Human добавляет к речи живую мимику и движения, поэтому ролик выглядит как настоящая видеозапись, а не анимированная фотография.
Как создать цифровой аватар в Omni Human: пошагово
- Откройте Omni Human в разделе «Видео».
- Загрузите портрет человека, на котором хорошо видно лицо. Какие фото подходят лучше всего, описано на странице нейросети.
- В настройках справа выберите тип генерации: «По тексту» или «По аудио».
- Для режима «По тексту» впишите текст в поле запроса и выберите голос. Для режима «По аудио» загрузите запись и при необходимости отметьте, с какой секунды начать и на какой закончить.
- Выберите версию нейросети. По умолчанию стоит Omni Human 2.0: в ней можно дополнительно описать движения и сцену. Для v1.5 и v1.0 выберите ещё качество видео. От версии и качества зависят цена и максимальная длина ролика.
- Проверьте стоимость рядом с кнопкой и нажмите «Создать видео». Генерация занимает от 1 до 5 минут (у версии 2.0 на длинной записи — до 30 минут), готовый ролик появится во вкладке «Мои генерации».
Режим «По тексту»: как написать текст для аватара
В этом режиме голос генерируется автоматически. На выбор 18 голосов: Алекс, Анна, Артём, Вжик, Даша, Дьявол, Егор, Елена, Коуч, Лариса, Надя, Наташа, Николай, Псих, Татьяна, Толик, Чижик и Элла. Чтобы речь звучала естественно:
- пишите короткими предложениями — так паузы получаются на своих местах;
- ставьте знаки препинания: запятые и точки задают интонацию;
- числа, даты и сокращения пишите словами — «двадцать пятого мая», а не «25.05»;
- подбирайте голос под образ: деловой портрет лучше звучит спокойным голосом, мультяшный персонаж — ярким.
Цена в этом режиме зависит от длины текста: примерно 15 символов дают одну секунду речи.
Режим «По аудио»: какая запись подойдёт
- формат — mp3 или wav;
- голос звучит чётко, без музыки и посторонних шумов;
- в записи говорит один человек;
- длина — до 5 минут в версии 2.0, а в v1.5 и v1.0 — до 60 секунд в качестве 720p и до 30 секунд в 1080p. Если запись длиннее, выберите нужный фрагмент ползунками «Начать с секунды» и «Завершить на секунде».
Записать голос можно на телефон, а если нужен другой голос — сначала озвучьте текст в ElevenLabs и загрузите готовый файл.
Версии, качество и цена
- Omni Human 2.0 — новая версия и версия по умолчанию. Ролик длиной до 5 минут генерируется одним непрерывным дублем, без склеек. 12 токенов за секунду видео; запись короче 4 секунд считается как 4 секунды. Качество не выбирается.
- v1.5 — 18 токенов за секунду видео.
- v1.0 — 15 токенов за секунду видео.
В v1.5 и v1.0 качество видео — 720p (аудио до 60 секунд) или 1080p (до 30 секунд). Итоговая цена равна цене секунды, умноженной на длительность: например, 10 секунд в v1.5 стоят 180 токенов, а 5 минут в версии 2.0 — 3600 токенов. Точная сумма всегда показана рядом с кнопкой перед запуском.
Как описать движения в Omni Human 2.0
В версии 2.0 рядом с текстом для озвучки есть отдельное поле: в нём можно описать, как аватар двигается, где он находится и как работает камера. Это описание не озвучивается — аватар произносит только текст или запись. Например: «Девушка сидит в светлом офисе, улыбается и жестикулирует, камера медленно приближается». Если поле оставить пустым, движения и мимику нейросеть подберёт сама под речь.
Примеры цифровых аватаров
Все примеры ниже сделаны в Omni Human 2.0 в режиме «По тексту»: исходный портрет, текст для озвучки и голос. Портреты тоже созданы нейросетями на TurboText – так удобно получить аватара, если подходящего фото нет.
Пример 1. Бизнес-тренер подводит итоги квартала
Мужчина в костюме на фоне офиса с панорамными окнами. Портрет сделан в нейрофотосессии. Такой ролик подойдёт для внутренней рассылки, презентации или поста компании.
Текст: «Коллеги, по итогам квартала продажи выросли на двадцать процентов.». Голос: Коуч. Версия 2.0, 6 секунд, 72 токена.
Пример 2. Анонс новой коллекции
Девушка в чёрном топе на тёмном фоне: короткое рекламное сообщение для магазина одежды.
Текст: «Новая коллекция уже в продаже, приходите на примерку!». Голос: Наташа. Версия 2.0, около 4 секунд, 48 токенов.
Пример 3. Тот же человек в другом образе
Та же героиня, но в джинсовке на фоне неоновых вывесок. Оба портрета получены из одного исходного фото в нейрофотосессии, а Omni Human сохранил лицо и в мимике. Так можно сделать серию роликов с одним аватаром в разных сценах.
Текст: «Включаем музыку восьмидесятых и танцуем до утра!». Голос: Даша. Версия 2.0, около 3 секунд, 48 токенов.
Пример 4. Рыцарь у стен замка
Портрет в доспехах на фоне крепости. Аватар произносит клятву, приложив руку к груди, – жест задан самим портретом.
Текст: «Клянусь защищать этот замок до последнего вздоха.». Голос: Алекс. Версия 2.0, около 4 секунд, 48 токенов.
Пример 5. Ковбой на закате
Персонаж в шляпе посреди прерии. Короткая фраза – хороший формат для заставки или стикера: ролик меньше 4 секунд оплачивается как 4 секунды.
Текст: «Добро пожаловать на Дикий Запад, путник!». Голос: Толик. Версия 2.0, около 2,5 секунды, 48 токенов.
Пример 6. Невеста под цветущей сакурой
Портрет в фате и свадебном платье. Эмоциональный текст аватар произносит с улыбкой – подходит для открыток и поздравлений.
Текст: «Сегодня самый счастливый день в моей жизни!». Голос: Анна. Версия 2.0, около 3 секунд, 48 токенов.
Пример 7. Принцесса на балу
Девушка в бальном платье и тиаре в зале со свечами. Сказочные образы удобно делать для детских поздравлений и приглашений на праздник.
Текст: «Добро пожаловать на королевский бал!». Голос: Элла. Версия 2.0, около 2,5 секунды, 48 токенов.
Пример 8. Эльфийка в волшебном лесу
Фэнтези-персонаж с заострёнными ушами. Так можно озвучить пролог к истории или игре.
Текст: «Этот лес хранит много древних тайн.». Голос: Лариса. Версия 2.0, около 2,5 секунды, 48 токенов.
Пример 9. Говорящий плюшевый мишка
Omni Human оживляет не только людей: игрушка тоже «говорит» под озвучку. Для таких персонажей подходит детский голос Чижик. Ролик квадратный, 960×960.
Текст: «Привет! Я плюшевый мишка, давай дружить!». Голос: Чижик. Версия 2.0, около 2,5 секунды, 48 токенов.
Частые ошибки и как их исправить
- «Необходимо прислать изображение аватара» — фото не загрузилось. Загрузите портрет ещё раз и дождитесь, пока он появится в окне.
- «Необходимо прислать аудио для озвучивания аватаром» — в режиме «По аудио» не загружена запись. Добавьте файл mp3 или wav.
- «Необходимо указать текст для озвучивания» — в режиме «По тексту» пустое поле запроса.
- «Запрос нарушает политику использования» — нейросеть отклонила фото или текст. Замените исходники.
- Лицо двигается неестественно — на фото лицо повёрнуто в сторону, закрыто волосами или очками. Возьмите портрет, где человек смотрит в камеру.
Где пригодится цифровой аватар
Говорящий аватар выручает, когда нужно видео с человеком, но снимать некогда или некого: приветствие на сайте, ролик для соцсетей, объяснение в онлайн-курсе, поздравление от сказочного персонажа. Больше идей — на странице Omni Human.