Envie um retrato e um arquivo de áudio. Os modelos de áudio para vídeo animam o rosto para que lábios e expressões sigam a gravação, e o vídeo falado sai pronto para baixar.
Clipes curtos e expressivos ou explicativos de dez minutos: os dois saem dos mesmos dois arquivos.
Envie um retrato de frente e um MP3 ou WAV. O Avatar Omni Human 1.5 devolve um vídeo dessa pessoa falando ou cantando a faixa, com sincronia labial, expressões e gestos gerados direto do áudio. A saída sai em 720p ou 1080p.
Os clipes chegam a 60 segundos, e até 15 segundos o resultado fica mais nítido. Se quiser, acrescente um prompt para dirigir a cena, a ação ou a expressão: ele entende chinês, inglês, japonês, coreano, espanhol e indonésio.
Quando o roteiro é uma aula inteira e não um clipe para redes, o InfiniteTalk parte do mesmo retrato e aceita até 10 minutos de áudio. A sincronia labial fica travada no nível do fonema durante toda a gravação, e rosto, cabelo, roupa e fundo se mantêm firmes do começo ao fim. A saída sai em 480p ou 720p.
Gere a narração na aba Áudio, traga o arquivo para cá e use um prompt para ajustar expressão e postura. Um módulo de curso ou um passo a passo de produto fica pronto sem reservar câmera nem apresentador.
Dois modelos feitos para durações diferentes. Escolha o Avatar Omni Human 1.5 para clipes curtos e expressivos de até 1080p, e o InfiniteTalk quando o áudio for longo.
Use uma foto nítida e de frente de uma pessoa só. Fundo liso e rosto desobstruído dão ao modelo tudo o que ele precisa.
Anexe um MP3 ou WAV: uma gravação sua ou a voz que você gerou na aba Áudio.
Escolha o modelo e a resolução, gere e baixe o clipe pronto.
Escolha a aba mais parecida com o seu trabalho e veja onde um avatar falante substitui uma gravação.
Um retrato, vários idiomas. Grave ou gere o roteiro em cada idioma, passe o mesmo rosto pelo modelo e a campanha ganha o mesmo apresentador em toda parte, sem colocar ninguém num avião.
Transforme uma gravação de dez minutos numa aula em vídeo com o InfiniteTalk. O instrutor aparece na tela durante todo o módulo, e atualizar a aula é trocar o áudio, não regravar.
Dê um apresentador para cada produto. Junte o roteiro do anúncio gerado na aba Áudio com o retrato da sua persona de marca e o vídeo explicativo já sai pronto para a página do produto ou para um anúncio no estilo UGC.
Grave o passo a passo da política uma vez só em áudio e dê a ele um apresentador constante com o InfiniteTalk, que segura a sincronia labial numa gravação longa. Quando um procedimento mudar, você troca o arquivo de áudio e o mesmo rosto entrega a versão nova.
Gere a faixa de voz antes de animar.
Plano do apresentador e plano do produto num anúncio com locução e lábios sincronizados.
Monte o avatar junto com imagens de apoio geradas.
Os mesmos modelos, atrás de um endpoint que o seu produto pode chamar.
Um gerador de avatares com IA é uma IA de áudio para vídeo: ele anima um retrato estático para que a pessoa fale uma faixa de áudio. Você envia uma foto e um arquivo de som, o modelo gera os movimentos de boca, as expressões e os gestos a partir desse som, e devolve um vídeo dessa pessoa falando.
A Atlas Cloud oferece o Avatar Omni Human 1.5, da ByteDance, e o InfiniteTalk. Os dois partem de um retrato mais áudio e se diferenciam principalmente na duração do clipe e na resolução.
O Avatar Omni Human 1.5 gera clipes de até 60 segundos, com recomendação de ficar em 15 segundos ou menos. O InfiniteTalk aceita até 10 minutos de áudio numa única execução.
O Avatar Omni Human 1.5 entrega 720p ou 1080p. O InfiniteTalk entrega 480p ou 720p.
Um retrato de frente de uma pessoa só, com o rosto bem visível. Os dois modelos foram feitos para um único interlocutor por clipe.
Sim. O Avatar Omni Human 1.5 foi feito tanto para falar quanto para cantar, e gera gestos e expressões a partir do áudio, não de um roteiro.
O Avatar Omni Human 1.5 cita chinês, inglês, japonês, coreano, espanhol e indonésio entre os idiomas com que trabalha. A sincronia labial acompanha o próprio áudio, então o que pesa é o idioma da gravação.
Sim. Gere a narração com um modelo de texto para fala, baixe o arquivo e anexe aqui como entrada de áudio. O avatar sincroniza os lábios com a voz gerada do mesmo jeito que faz com uma gravação real.
Sim. Os dois modelos estão disponíveis pela API da Atlas Cloud, com a mesma autenticação dos de imagem e vídeo. Visite as páginas dos modelos de avatar e comece a construir.
Preparo do retrato, duração do áudio e testes de idioma.
Descubra as melhores soluções de avatar com IA para anúncios de produtos UGC, classificadas por precisão de sincronização labial e realismo visual, para escalar campanhas de alta conversão no Meta e TikTok.
MiniMax H3 sincronização labial e áudio substituíram minha cadeia de dublagem de seis etapas por uma única chamada de API. Duas tomadas reais, os limites do áudio de referência que ninguém documenta, e a conta verdadeira.
Os avatares de IA atuais conseguem manter uma conversa em tempo real e até permitem que você os interrompa no meio de uma frase — e você pode hospedar um deles por conta própria usando um projeto de código aberto, mantendo todos os seus dados locais. Este post detalha como um humano digital em tempo real, pronto para produção, é realmente construído usando o OpenTalking e onde isso gera economia em comparação com serviços cobrados por minuto, como o HeyGen.
