תמונה מדברת: כרטיס יום הולדת שסבתא אומרת בעצמה

"רגיל" או "הכי טוב": כמה מהתמונה זז

שני המנועים מקבלים מאיתנו אותם שני דברים: את הכרטיס ואת הקול, כבר מוקלט וחתוך בדיוק לשניות ששילמתם עליהן. ההבדל הוא כמה מהתמונה זז. Kling AI Avatar v2 של Kuaishou עובד על הפנים והראש: הפה עוקב אחרי המילים, הראש זז איתן, וכל השאר נשאר כמו שהיה, מהבגדים ועד החדר שמאחור. לפורטרט של אדם אחד זה בדרך כלל בדיוק מה שצריך, וגם השנייה זולה יותר. הסבתא בעמוד הזה נוצרה כך.

OmniHuman 1.5 של ByteDance מנפיש את האדם כולו: הראש, הפנים והכתפיים זזים בקצב של הקול, כך שבצילום מהמותניים ומעלה, או עם כוס מורמת, יש לו מה להזיז מעבר לפה. הסבא שמברך ברוסית בקול Ari בדוגמה למעלה נוצר בו מפורטרט אחד. הוא גם פותר את בעיית התמונה הקבוצתית: העבירו את האיכות ל"הכי טוב", לחצו על הפנים של מי שצריך לדבר - נגיד סבא, שמודה לכולם - והוא זה שידבר, בזמן שכל השאר נשארים בתמונה ומקשיבים. בלי לחיצה המודל בוחר לבד מי מדבר, וזה בסדר בפורטרט והימור בקבוצה, אז אל תגזימו עם השולחן: על פנים זעירות בקצה קשה ללחוץ. ומכיוון שכל שנייה ב-OmniHuman עולה יותר, Kling AI Avatar v2 הוא הבחירה היומיומית.

הפה גלוי, הפנים למצלמה

הפנים שמדברות הן הפנים שעל הכרטיס, אז הדמיון מתחיל שם. ל-GPT Image 2.5 Flare, מה ש"אוטומטי" בוחר לתמונות, יש את הדמיון הטוב ביותר, וכרטיסים עם עד ארבעה אנשים שומרים על הפנים בצורה הכי אמינה. לחלק המדבר עוזרים כמה דברים פשוטים: פנים מופנות למצלמה, פה גלוי ולא מוסתר מאחורי כוס או יד, תאורה אחידה, ופנים שתופסות חלק נכבד מהפריים. ל-OmniHuman 1.5 עדיף שגם הכתפיים ייראו. אדם אחד בפורטרט הוא המקרה הקל. פנים זעירות בנוף רחב הן המקרה הקשה.

אם התמונה היחידה שיש לכם היא צילום קבוצתי מהקצה השני של הגינה, צרו קודם כרטיס חדש, מקרוב, ותנו לו לדבר. "אנשים" חוסך צעד: אם סבתא שמורה שם עם תמונה, לסוכן כבר יש אותה, והוא לא יבקש שוב.

מה נכנס בחמש עשרה שניות של דיבור

חמש עשרה שניות הן הרמת כוסית, לא מכתב: השם, פרט אמיתי אחד, איחול אחד. המשפט של סבתא בעמוד הזה אורך 7 שניות, כך שבמגבלה נכנסים בערך שניים כאלה. הקול עוצר בנקודות, ומשפט שנמשך שלוש שורות יוצא כנשימה אחת ארוכה. "יום הולדת שמח לנכד המדהים שלי, מאחלת לך כל טוב ביום המיוחד שלך, שכל החלומות שלך יתגשמו" אומר פחות מ"יום הולדת שמח, יונתן. כבר בן שמונה, ועדיין חייב לי משחק חוזר בשש-בש. בשבת אני מביאה עוגה."

השתמשו בשמות שבאמת קוראים בהם במשפחה - סבתוש, סבא, באבושקה, יוני. כתבו בעברית ובערבית קצת יותר קצר, כי ב-15 שניות נכנסות בהן פחות אותיות מאשר באנגלית. אל תכתבו הוראות במה כמו [צוחקת]: האפליקציה מוחקת כל מה שבסוגריים מרובעים לפני שהקול מקריא את המשפט. המילים הכי טובות מגיעות בדרך כלל מהאדם שבתמונה: התקשרו לסבתא, שאלו מה היא הייתה אומרת, וכתבו את זה במילים שלה. אחר כך קראו את המשפט בקול פעם אחת: אם אתם נתקעים בו, הוא יישמע נוקשה גם בפה של מי שבתמונה.

בחרו קול בשביל מי שמקשיב, לא בשבילכם: קול איטי וחם לסבא או לסבתא, קול צלול ועליז לילד בן שש. לכל קול בקטלוג יש דוגמה, אז בחרו לפי האוזן ולא לפי השם. וכלל אחד שאינו טכני: השתמשו בתמונות של אנשים שישמחו לראות את עצמם מדברים, ובמילים שהם באמת היו אומרים. שימו בפה של סבא משפט שהוא אף פעם לא היה אומר, והמשפחה תשים לב עוד לפני שהנרות כבים.

למי שלא יכול להיות בחדר

רוב הכרטיסים המדברים באים במקום מישהו שחסר. ביום עצמו סבתא נמצאת במרחק שתי טיסות, והפורטרט שלה אומר מזל טוב מטלפון שנשען על העוגה. עם חשבון משלה במסלול בתשלום היא מקליטה את הקול שלה פעם אחת, ואז זו באמת היא שמדברת.

המרחק הוא לא הסיבה היחידה. לצלם את עצמכם אומרים יום הולדת שמח לוקח תריסר ניסיונות, ובזה שיצא הכי טוב רואים את האגודל שלכם, וכאן בוחרים תמונה שכבר אוהבים ומקלידים שני משפטים. הפרשי שעות הופכים שיחת יום הולדת למסובכת, אז כרטיס עם הפנים שלכם, ובמסלול בתשלום גם עם הקול שלכם, יכול לחכות: תזמנו אותו לבוקר שלהם, לא לשלכם.

גם השפה חשובה. הנכדים עונים בעברית, וסבתא עדיין חושבת ברוסית. כתבו את המשפט שלה ברוסית, כמו שהיא הייתה אומרת אותו, והתמונה שלה תגיד אותו ברוסית: הקול מקריא בשפה שבה המשפט כתוב.

עדיף וידאו, קול או שיר

כרטיס מדבר הוא אדם אחד, כמה משפטים, מבט למצלמה. זו לא מסיבה. אם אתם רוצים את כל השולחן מרים כוסות, עם צלצולים וצחוק, אתם צריכים וידאו. Kling 3.0 הפך את הכרטיס שלנו עם השולחן הארוך בגינה לקליפ של 5 שניות בדיוק כזה, כולל סאונד. Veo 3.1 יוצר קולות ושירה באותה יצירה - בעמוד שלו משפחה שרה את סוף Happy Birthday ואמא מכבה את הנרות. MiniMax H3 מנפיש את כל סצנות הווידאו בקטלוג שלנו, והוא המשתלם מבין השלושה.

אם הקול חשוב יותר מהפנים, שלחו ברכה קולית: אותם שמונה קולות, או הקול שלכם, בלי תמונה להנפיש, וזה עולה פחות. אם אתם רוצים שהמילים יושרו, Lyria 3.5 שר מילים שאישרתם, בעברית, באנגלית, ברוסית, בערבית ועוד.