
ByteDance's Avatar Omni Human 2.0 is an audio-driven model for character animation. Support for multi-person scenes and dynamic gestures extends avatar creation to shared performances with expressive character movement. On Atlas Cloud, integrate the model through API access and use its model-specific parameter schema to configure inputs for your video workflow. Start building today.
Avatar Omni Human 2.0 พัฒนาโดย ByteDance โดย Atlas Cloud (ดำเนินการโดย Atlas Cloud AI LLC) เป็นผู้ให้บริการเข้าถึงโมเดลนี้ แต่ไม่ได้เป็นเจ้าของโมเดล เครื่องหมายการค้าทั้งหมดเป็นของเจ้าของที่เกี่ยวข้อง
เปรียบเทียบอินพุตรูปภาพและเสียง เอาต์พุตวิดีโอ และความสามารถที่ผ่านการตรวจสอบแล้วของเอนด์พอยต์ Avatar Omni Human 2.0
| รูปแบบข้อมูล | คำอธิบาย |
|---|---|
| Avatar Omni Human 2.0 API (Image and Audio To Video) | เปลี่ยนรูปภาพหนึ่งภาพและแทร็กเสียงหนึ่งแทร็กให้เป็นวิดีโอความละเอียด 720p ที่มีตัวละครหนึ่งตัวหรือมากกว่ากำลังพูดหรือร้องเพลง Avatar Omni Human 2.0 รองรับท่าทางแบบไดนามิก ฉากที่มีหลายบุคคล การเคลื่อนกล้องที่กำกับด้วยพรอมต์ และคลิปที่มีความยาวสูงสุดห้านาที จึงเหมาะสำหรับการนำเสนอด้วยอวตาร การแสดง และวิดีโอสนทนา |
Avatar Omni Human 2.0 เปลี่ยนภาพหนึ่งภาพและแทร็กเสียงหนึ่งแทร็กให้เป็นวิดีโอพูดหรือร้องเพลงความละเอียด 720p พร้อมท่าทางที่เคลื่อนไหวเป็นธรรมชาติ ฉากที่มีหลายตัวละคร การเคลื่อนกล้องตามพรอมป์ต์ คลิปยาวสูงสุดห้านาที และการเข้าถึง API แบบรวมศูนย์ที่คิดค่าบริการตามการใช้งานผ่าน Atlas Cloud
เริ่มจากภาพหนึ่งภาพและแทร็กเสียงหนึ่งแทร็ก เพื่อสร้างวิดีโอความละเอียด 720p ที่ตัวละครพูดหรือร้องเพลง Avatar Omni Human 2.0 ใช้ภาพต้นฉบับเพื่อกำหนดลักษณะตัวละคร พร้อมสร้างการเคลื่อนไหวที่มองเห็นได้และท่าทางที่เคลื่อนไหวเป็นธรรมชาติเพื่อถ่ายทอดการแสดง เวิร์กโฟลว์ที่กระชับนี้เปลี่ยนตัวละครในภาพนิ่งให้เป็นคลิปพรีเซนเตอร์ ภาพประกอบเพลง และช่วงเหตุการณ์ในเรื่องราว โดยยังคงใช้ภาพและเสียงเป็นอินพุตหลัก
เสียงเป็นตัวขับเคลื่อนการพูดหรือร้องเพลง โดยกำหนดจังหวะและท่าทางที่เคลื่อนไหวเป็นธรรมชาติตลอดทั้งคลิป บทพูดและท่อนร้องช่วยกำหนดจังหวะ ขณะที่ภาพอ้างอิงใช้กำหนดตัวละครบนหน้าจอ ผลลัพธ์เหมาะกับเสียงบรรยาย การแสดงดนตรี และฉากบทสนทนาที่การถ่ายทอดผ่านภาพต้องสอดคล้องกับแทร็กเสียงตั้งแต่จังหวะแรกจนถึงจังหวะสุดท้าย
ต้องการเวลาให้คำอธิบายหรือเพลงเต็ม ๆ หรือไม่ Avatar Omni Human 2.0 สร้างคลิปจากภาพหนึ่งภาพและแทร็กเสียงหนึ่งแทร็กได้ยาวสูงสุดห้านาที จึงรองรับเนื้อหาที่ยาวกว่าคลิปสั้นบนโซเชียลมีเดีย ใช้ความยาวนี้สำหรับบทเรียน การสาธิตผลิตภัณฑ์ การแสดง หรือคอนเทนต์ตัวละครแบบเป็นตอน วิดีโอที่ยาวขึ้นช่วยลดความจำเป็นในการแบ่งการแสดงเดียวออกเป็นหลายคลิป
กำกับการแสดงด้วยพรอมป์ต์ข้อความที่กำหนดการเคลื่อนกล้องรอบตัวละครและฉากได้ เปลี่ยนจากภาพระยะใกล้เป็นองค์ประกอบภาพที่กว้างขึ้น สั่งให้กล้องเคลื่อนเป็นวง หรือกำหนดกรอบภาพให้ติดตามการแสดงที่ขับเคลื่อนด้วยเสียง ทิศทางเพิ่มเติมนี้ช่วยให้ครีเอเตอร์ควบคุมวิดีโออธิบาย ช่วงเหตุการณ์ในเรื่องราว และลำดับภาพที่ขับเคลื่อนด้วยดนตรีได้มากขึ้น โดยยังคงใช้เวิร์กโฟลว์ภาพและเสียงที่เรียบง่าย
นำตัวละครหลายตัวมาอยู่ในฉากเดียวกันของ Avatar Omni Human 2.0 เพื่อร่วมพูดหรือร้องเพลง ท่าทางที่เคลื่อนไหวเป็นธรรมชาติและการเคลื่อนไหวที่ขับเคลื่อนด้วยเสียงช่วยให้ตัวละครทั้งหมดเคลื่อนไหวอยู่ในองค์ประกอบภาพเดียวกัน แทนที่จะแยกตัวละครแต่ละตัวออกจากกัน การสัมภาษณ์ การร้องเพลงคู่ การแสดงแบบกลุ่ม และบทสนทนาตามสคริปต์จะให้ความรู้สึกโต้ตอบกันอย่างเป็นธรรมชาติมากขึ้น เมื่อเรื่องราวมีผู้ร่วมฉากมากกว่าหนึ่งคน
เชื่อมต่อ Avatar Omni Human 2.0 เข้ากับผลิตภัณฑ์ที่มีอยู่ผ่าน API แบบรวมศูนย์ของ Atlas Cloud และคีย์ที่รองรับ OpenAI เพียงคีย์เดียว ราคาที่โปร่งใสและคิดตามการใช้งานช่วยให้นักพัฒนาสร้างวิดีโอได้ตามปริมาณที่ต้องการ และใช้การเชื่อมต่อเดียวกันเข้าถึงโมเดลอื่น ๆ ของ Atlas Cloud ได้ด้วย วิธีนี้เหมาะกับแอปพลิเคชันและไปป์ไลน์สร้างคอนเทนต์อัตโนมัติที่ต้องการสร้างอวตารโดยไม่ต้องจัดการการเชื่อมต่อแยกสำหรับแต่ละโมเดล
เปรียบเทียบวิธีที่ Avatar Omni Human 2.0 และโมเดลวิดีโอทางเลือกอีกสองโมเดลตีความพรอมป์ต์เดียวกันในฉากการแสดงสมจริงและฉากแอ็กชันสไตไลซ์
สร้างฉากแอ็กชันสไตล์ภาพยนตร์ความยาว 9 วินาที โดยคงเอกลักษณ์ใบหน้าของบุคคลในภาพอ้างอิงไว้อย่างแม่นยำ เปลี่ยนบุคคลนั้นให้เป็นช่างเครื่องประจำหอดูดาวบนเทือกเขาแอลป์ในโลกไซไฟย้อนยุคยุค 1960 ท่ามกลางพายุหิมะสีน้ำเงินโคบอลต์ โดมที่ควบคุมไม่อยู่เริ่มหมุนอย่างฉับพลัน เฟืองทองเหลืองที่เปิดโล่งกระทบกันจนเกิดประกายไฟ เปิดฉากด้วยช็อตดันกล้องมุมต่ำอย่างรวดเร็วไปตามพื้นหิมะ ขณะที่ช่างเครื่องพุ่งขึ้นไปบนรางที่ปกคลุมด้วยน้ำค้างแข็ง คว้ากล้องโทรทรรศน์ทองเหลืองที่แกว่งอย่างรุนแรง และฝ่าตัวไปข้างหน้า ผ้าพันคอสีแดงสดกับเสื้อคลุมทำงานสะบัดอย่างแรงท่ามกลางลม Cut ไปยังช็อตติดตามแบบโคจรรอบระยะใกล้ ขณะที่เขาก้มหลบโครงบันไดที่กวาดผ่าน ยันตัวต้านแรงเหวี่ยงของกล้องโทรทรรศน์ และเอื้อมไปคว้าคันเบรกท่ามกลางละอองหิมะที่หมุนวนกับเครื่องจักรที่กระแทกกัน Cut ไปยังภาพมุมสูงอันน่าตื่นตาภายในโดมที่กำลังหมุน รอยแยกบนหลังคาเรียงตรงกับทางช้างเผือกที่ส่องสว่างชั่วขณะ อาบใบหน้าที่คงเดิมของเขาด้วยแสงดาวขณะที่เขากระชากเบรก เฟืองสั่นสะเทือน โดมหยุดหมุน และกล้องโทรทรรศน์หยุดนิ่งด้วยน้ำหนักที่สมจริง แพนกล้องฉับไวไปยังกาแฟร้อนที่กำลังมีไอกรุ่นอยู่ใกล้ ๆ จากนั้นซูมเข้าแก้วอย่างรวดเร็ว ขณะที่อุกกาบาตจิ๋วเรืองแสงตกลงไปพร้อมเสียงฉ่าฟู่คมชัด Cut ไปยังภาพระยะใกล้ของเขา เมื่อความตกตะลึงไม่อยากเชื่อค่อย ๆ เปลี่ยนเป็นรอยยิ้มที่แทบกลั้นไว้ไม่อยู่ การเคลื่อนไหวมีพลังต่อเนื่อง การแสดงฉากเสี่ยงลื่นไหลไร้รอยต่อ ผ้า หิมะ แรงเฉื่อย แรงกระแทก ประกายไฟ และฟิสิกส์ของเครื่องจักรสมจริง ไม่มีภาพสโลว์โมชัน โทนสีแบบภาพยนตร์ผจญภัย Technicolor ยุค 1960 งานประดิษฐ์โมเดลจิ๋วประกอบฉากที่ละเอียดประณีต หิมะยามค่ำคืนสีน้ำเงินโคบอลต์ เครื่องจักรสีทองแดงและทองที่ผ่านการขัดเงา ผ้าพันคอสีแดงสด แสงย้อนที่แข็งและดรามาติก เกรนฟิล์มบาง ๆ แฟลร์แบบอนามอร์ฟิก และเอฟเฟกต์แอนะล็อกที่สัมผัสได้ เสียง: ลมคำราม เฟืองโลหะกระแทก รางสั่น สายเคเบิลตึงส่งเสียงคราง เสียงคันเบรกกระแทกดังฉับพลัน ความเงียบของเครื่องจักรที่เกิดขึ้นทันที ตามด้วยเสียงอุกกาบาตตกแหมะและเสียงฉ่าฟู่ชวนขำ คั่นจังหวะด้วยดนตรีไซไฟออร์เคสตราย้อนยุคที่เร้าใจ อัตราส่วนภาพ 16:9
Generated with Avatar Omni Human 2.0 on Atlas Cloud
Generated with Gemini Omni Flash Image-to-Video on Atlas Cloud
Generated with Avatar Omni Human 1.5 on Atlas Cloud
เรื่องสั้นสไตล์ภาพยนตร์ความยาว 9 วินาที: พนักงานส่งของคนเดิมที่ดูสมจริงราวกับภาพถ่าย สวมเสื้อกันฝนสีแดงชาดสดใส โดยคงใบหน้า เสื้อผ้า และสัดส่วนให้เหมือนเดิมตลอดทั้งเรื่อง เผลอเข้าไปในเมืองโอริกามิที่สร้างด้วยมือขนาดมหึมา หลังฝนห่าใหญ่เพิ่งหยุดตกไม่นาน ในตรอกสีฟ้าไซแอนเย็นเยียบที่มีอาคารพับกระดาษสูงตระหง่าน แสงสีเหลืองอำพันอุ่น ๆ ส่องผ่านรอยพับของอาคาร นกกระเรียนกระดาษยักษ์ฉกพัสดุของพนักงานส่งของแล้วโผหนีไป เปิดฉากด้วยช็อตติดตามระดับพื้นดินมุมต่ำมาก เคลื่อนแข่งไปข้าง ๆ รองเท้าบูตที่กระทืบพื้นของพนักงานส่งของขณะวิ่งฝ่ากองน้ำที่สะท้อนภาพราวกระจก เงาสะท้อนก่อเป็นองค์ประกอบสมมาตรสะดุดตา หยดฝนกระเซ็นเข้าหาเลนส์ และรูปทรงกระดาษพับขนาดมหึมาในฉากหน้ากวาดผ่านไปด้วยมุมมองที่ลึกชัด พนักงานส่งของกระโดดข้ามแอ่งน้ำและก้มหลบใต้สะพานกระดาษที่ม้วนโค้ง ซึ่งยืดหยุ่น ย่น และส่งเสียงกรอบแกรบด้วยฟิสิกส์ของกระดาษที่น่าเชื่อถือ แพนกล้องฉับไวอย่างลื่นไหลเข้าสู่มุมมองทางอากาศจากด้านบนของนกกระเรียน ขณะที่มันเอียงตัวบินระหว่างหลังคาโอริกามิ โดยมีพนักงานส่งของวิ่งตามอยู่ด้านล่าง จากนั้นดิ่งลงหาเขาอย่างรวดเร็วและเปลี่ยนเป็นช็อตโคจรรอบ 360 องศาในระยะใกล้ ขณะที่พนักงานส่งของกระโดด คว้านกกระเรียน และแย่งพัสดุกลับกลางอากาศ ทันทีที่ลงถึงพื้น พัสดุคลี่ตัวเองอย่างสนุกสนานเป็นรอยพับแบบสต็อปโมชันที่แม่นยำ กลายเป็นร่มกระดาษขนาดมหึมา หลังร่มดีดกางออกก็ยกทั้งพนักงานส่งของที่กำลังตกใจและนกกระเรียนที่กระพือปีกขึ้นสู่ท้องฟ้าฝนพรำ เผยฉากจบชวนพิศวง สุนทรียภาพแบบผสมผสานระหว่างการแสดงของมนุษย์ที่ดูมีชีวิตจริง ฝนและเงาสะท้อนแบบภาพยนตร์ กับพื้นผิวสต็อปโมชันโอริกามิทำมือที่สัมผัสได้ เส้นใยกระดาษคมชัด พื้นผิวเปียกชื้น น้ำหนักและแรงส่งที่น่าเชื่อถือ น้ำกระเซ็น รอยพับที่งอได้ และการเคลื่อนไหวซับซ้อนต่อเนื่อง การจัดเฟรมหลายชั้นผ่านขอบกระดาษในฉากหน้า การบิดเบือนแบบเลนส์มุมกว้างที่ดรามาติก แสงพายุสีเขียวอมฟ้าเย็นตา โดยมีเสื้อโค้ตสีแดงและหน้าต่างสีเหลืองอุ่นเป็นจุดเด่น เสียงประกอบมีจังหวะสอดประสานกัน: หยดฝน ฝีเท้าบนพื้นเปียก เสียงกระดาษกรอบแกรบคมชัด เสียงปีกกระพือ และเสียงร่มดีดกางดังป๊อบในตอนท้าย ซึ่งตรงกับทุกการเคลื่อนไหวอย่างแม่นยำ ดนตรีเพอร์คัสชันเรียบง่ายขี้เล่นค่อย ๆ เพิ่มจังหวะระหว่างการไล่ล่าและจบลงพร้อมเหตุการณ์พลิกผันกลางอากาศ ไม่มีหน้าจอ อินเทอร์เฟซ แดชบอร์ด แถบความคืบหน้า แผนภูมิ คำบรรยาย โลโก้ ซับไตเติล ข้อความที่อ่านได้ ท่าทางนิ่งค้าง ภาพสโลว์โมชันที่ใส่มาโดยไม่จำเป็น ใบหน้าหรือตัวตนที่เปลี่ยนไป ชุดที่เปลี่ยน แขนขาซ้ำซ้อน กายวิภาคผิดรูป การเคลื่อนย้ายฉับพลัน การเคลื่อนไหวขาดตอน การตัดต่อไม่สมเหตุสมผล กระดาษที่ดูเหมือนพลาสติก หรือฟิสิกส์ที่ไม่น่าเชื่อถือ อัตราส่วนภาพ 16:9
Generated with Avatar Omni Human 2.0 on Atlas Cloud
Generated with Gemini Omni Flash Image-to-Video on Atlas Cloud
Generated with Avatar Omni Human 1.5 on Atlas Cloud
ตั้งแต่วิดีโออธิบายผลิตภัณฑ์และบทเรียน ไปจนถึงบทสนทนาหลายคน การแสดงร้องเพลง เรื่องราวบนโซเชียล และอัปเดตแบบยาว Avatar Omni Human 2.0 เปลี่ยนภาพเดียวพร้อมเสียงให้เป็นวิดีโออวตารความละเอียด 720p ที่กำกับด้วยพรอมต์
เปลี่ยนภาพตัวละครหนึ่งภาพและแทร็กเสียงบรรยายให้เป็นวิดีโอพรีเซนเตอร์ความละเอียด 720p พร้อมการเคลื่อนกล้องที่กำกับด้วยพรอมต์ ทีมผลิตภัณฑ์สามารถสร้างการสาธิตแบบมีคำแนะนำ วิดีโออธิบายการเปิดตัว และการแนะนำฟีเจอร์แบบทีละขั้นตอนได้โดยไม่ต้องถ่ายทำโฮสต์จริง
สร้างวิดีโอการสอนความยาว 5 นาทีจากภาพเดียวและเสียงบทเรียนที่บันทึกไว้ พร้อมรองรับท่าทางแบบไดนามิก นักการศึกษาและทีมฝึกอบรมสามารถเผยแพร่การบรรยาย โมดูลปฐมนิเทศ และการชี้แจงนโยบายด้วยพรีเซนเตอร์บนหน้าจอที่มีรูปแบบสม่ำเสมอ
จัดฉากบทสนทนาจากภาพเดียวและแทร็กเสียง ขณะที่ Avatar Omni Human 2.0 ทำให้คนหลายคนเคลื่อนไหว ผู้สร้างสื่อสามารถสร้างช่วงสัมภาษณ์ การเสวนา หรือบทสนทนาโต้ตอบระหว่างตัวละครด้วยการแสดงพูดที่ประสานกัน
จับคู่ภาพตัวละครกับเพลงหรือเสียงร้องเพื่อสร้างการแสดงร้องเพลงความละเอียด 720p พร้อมท่าทางที่สื่ออารมณ์ ศิลปินและทีมงานบันเทิงสามารถสร้างการแสดงเสมือนจริง โปรโมชันเพลง และคอนเทนต์สำหรับแฟน ๆ ที่มีตัวละครเป็นศูนย์กลาง
กำกับการเคลื่อนกล้องและพฤติกรรมตัวละครผ่านพรอมต์ แล้วให้เสียงที่ป้อนเข้ามาขับเคลื่อนการแสดง ทีมโซเชียลสามารถใช้คลิปตัวละครพูดซ้ำได้สำหรับประกาศ เรื่องราวตามบทความ โพสต์แคมเปญ และคอนเทนต์แบบตอนต่อเนื่อง
ให้อวตารเดิมพูดหรือร้องเพลงในคลิปยาวสูงสุด 5 นาที พร้อมท่าทางที่สอดคล้องกับเสียง องค์กรสามารถเผยแพร่อัปเดตจากผู้บริหาร ข้อความในงานอีเวนต์ วิดีโออธิบายแบบมีเสียงบรรยาย และการสื่อสารเป็นประจำในรูปแบบที่สม่ำเสมอ
เปรียบเทียบ Avatar Omni Human 2.0 กับโมเดลวิดีโอของ Atlas Cloud สามรายการตามผู้ให้บริการ เวิร์กโฟลว์อินพุต ความยาวคลิป ความละเอียด และราคาเริ่มต้นในแค็ตตาล็อก
| โมเดล | ผู้ให้บริการ | เวิร์กโฟลว์อินพุต | ความยาวคลิปสูงสุด | ความละเอียดเอาต์พุต | ราคาเริ่มต้นในแค็ตตาล็อก |
|---|---|---|---|---|---|
| Avatar Omni Human 2.0 | ByteDance | รูปภาพ + เสียง + พรอมต์เสริม | สูงสุด 5 นาที | 720p | $0.07 |
| Avatar Omni Human 1.5 | ByteDance | รูปภาพ + เสียง + พรอมต์เสริม | สูงสุด 60 วินาทีที่ 720p | 720p หรือ 1080p | $0.12 |
| MiniMax H3 Image-to-Video | MiniMax | เฟรมแรก + เฟรมสุดท้ายเสริม + พรอมต์ | 5–15 วินาที | สูงสุด 2K | $0.038 ต่อวินาที |
| Veo 3.1 Lite Start-End Frame to Video | เฟรมแรก + เฟรมสุดท้าย + พรอมต์ | 8 วินาที | 720p หรือ 1080p | $0.05 |
เริ่มต้นได้ในไม่กี่นาที — ทำตามขั้นตอนง่าย ๆ เหล่านี้เพื่อเชื่อมต่อและใช้งานโมเดลผ่านแพลตฟอร์ม Atlas Cloud
สมัครสมาชิกที่ atlascloud.ai และยืนยันตัวตน ผู้ใช้ใหม่จะได้รับเครดิตฟรีเพื่อสำรวจแพลตฟอร์มและทดสอบโมเดล
การรวมโมเดล Avatar Omni Human 2.0 ขั้นสูงเข้ากับแพลตฟอร์มที่เร่งด้วย GPU ของ Atlas Cloud ให้ประสิทธิภาพ ความสามารถในการขยาย และประสบการณ์นักพัฒนาที่ไม่มีใครเทียบได้
เวลาแฝงต่ำ:
inference ที่ปรับแต่ง GPU เพื่อการตอบสนองแบบเรียลไทม์
API แบบรวมศูนย์:
รัน Avatar Omni Human 2.0, GPT, Gemini และ DeepSeek ด้วยการเชื่อมต่อเดียว
ราคาโปร่งใส:
ชำระเงินต่อโทเค็นที่คาดเดาได้พร้อมตัวเลือก serverless
ประสบการณ์นักพัฒนา:
SDK, การวิเคราะห์, เครื่องมือปรับแต่ง และเทมเพลต
ความน่าเชื่อถือ:
ความพร้อมใช้งาน 99.99%, RBAC และการบันทึกที่พร้อมสำหรับการปฏิบัติตาม
ความปลอดภัยและการปฏิบัติตาม:
SOC 2 Type II, สอดคล้อง HIPAA, อธิปไตยข้อมูลในสหรัฐอเมริกา
Avatar Omni Human 2.0 คือโมเดลวิดีโออวตารที่ขับเคลื่อนด้วยเสียงของ ByteDance โดยแปลงภาพ 1 ภาพและแทร็กเสียง 1 แทร็กให้เป็นวิดีโอความละเอียด 720p ที่ตัวละครพูดหรือร้องเพลง พร้อมสีหน้าและท่าทางที่สอดคล้องกับเสียง
สร้างวิดีโอผู้ดำเนินรายการพูด นักร้องดิจิทัล การแสดงของตัวละคร และฉากที่มีหลายคนได้จากภาพอ้างอิงเพียง 1 ภาพ คุณสามารถใช้พรอมป์ต์เพิ่มเติมเพื่อกำหนดการเคลื่อนไหว องค์ประกอบของฉาก และการเคลื่อนกล้อง เพื่อให้ได้ผลลัพธ์ที่ตรงตามต้องการยิ่งขึ้น
สร้างคีย์ Atlas Cloud API และเลือก bytedance/avatar-omni-human-v2.0 เป็นโมเดลในคำขอของคุณ ระบุภาพ 1 ภาพและแทร็กเสียง 1 แทร็ก จากนั้นเพิ่มพรอมป์ต์เพิ่มเติมเมื่อจำเป็นต้องควบคุมการแสดงหรือกล้องมากขึ้น
แต่ละคำขอจะรวมภาพอ้างอิง 1 ภาพเข้ากับแทร็กเสียง 1 แทร็ก คุณยังสามารถส่งพรอมป์ต์ข้อความเพื่อกำกับฉาก การเคลื่อนไหวของตัวละคร การกระทำเฉพาะ และพฤติกรรมของกล้องได้
ได้ โมเดลนี้สามารถทำให้ตัวละครแสดงการพูดหรือร้องเพลง และรองรับฉากที่มีคนหลายคน เสียงจะเป็นตัวขับเคลื่อนการแสดง ขณะที่ท่าทางและปฏิกิริยาจะถูกสร้างขึ้นภายในองค์ประกอบที่เลือก
วิดีโอจะถูกสร้างที่ความละเอียด 720p และมีความยาวได้สูงสุด 5 นาที ระยะเวลาดังกล่าวรองรับการนำเสนอ การแสดง และเนื้อหาตัวละครแบบมีคำบรรยายที่ยาวขึ้น โดยไม่ต้องแบ่งโปรเจกต์ออกเป็นคลิปสั้นหลายคลิป
Atlas Cloud ระบุราคามาตรฐานไว้ที่ $0.07 ต่อวินาที การใช้งานคิดค่าบริการตามการใช้งานจริง ดังนั้นค่าใช้จ่ายทั้งหมดจะแปรผันตามระยะเวลาของวิดีโอที่สร้าง
เครื่องมือซิงก์ริมฝีปากพื้นฐานจะเน้นประสานการเคลื่อนไหวของปากให้ตรงกับเสียงพูดเป็นหลัก ส่วนโมเดลนี้ยังทำให้สีหน้าและท่าทางสอดคล้องกับเสียง พร้อมรองรับการกำกับการกระทำ รายละเอียดฉาก และการเคลื่อนกล้องด้วยพรอมป์ต์
ตรวจสอบก่อนว่าคำขอมีทั้งภาพและแทร็กเสียง และ URL ของสื่อที่อ้างถึงสามารถเข้าถึงได้ จากนั้นเปรียบเทียบทุกฟิลด์กับสคีมาปัจจุบันของ Atlas Cloud playground แล้วใช้รายละเอียดข้อผิดพลาดที่ได้รับเพื่อแก้ไข payload ก่อนลองใหม่
คู่มือ บทแนะนำ และอัปเดตผลิตภัณฑ์ ที่ช่วยให้คุณใช้ Atlas Cloud ได้อย่างเต็มประสิทธิภาพ