Importez un portrait et une piste vocale ou utilisez des URL directes. L’outil anime l’image à partir de l’audio ; vérifiez toujours la bouche, la prononciation et les artefacts visuels.
Utilisez un seul visage net, de face, avec les yeux, la bouche et la mâchoire bien visibles.
JPG, PNG, WebP ou BMP · 10 Mo maximum
Utilisez un seul visage net, de face, avec les yeux, la bouche et la mâchoire bien visibles.
Privilégiez une voix claire avec peu de musique, de réverbération et de bruit. La durée de l’audio ne change pas le prix fixe actuel.
MP3, WAV, OGG ou M4A · 20 Mo maximum
Privilégiez une voix claire avec peu de musique, de réverbération et de bruit. La durée de l’audio ne change pas le prix fixe actuel.
Aurora et OmniHuman demandent une courte consigne de scène. Les paroles viennent de l’audio, pas de ce champ de texte.
Aurora et Fabric prennent en charge 480p et 720p ; OmniHuman prend en charge 720p et 1080p. Le prix actuel reste fixé à 10 crédits.
Ajoutez une photo, un audio et, si nécessaire, un prompt
Décrivez votre idée en langage naturel.
Notre moteur analyse et synthétise le contenu.
Téléchargez en haute qualité instantanément.
Le résultat dépend de trois choix distincts : le portrait, la piste vocale et le modèle. En les testant séparément, vous identifiez plus facilement si un écart vient de la source, du prompt ou de la génération.
Un visage de face sous une lumière régulière expose mieux la bouche et la mâchoire. Une voix claire sans musique permet de repérer plus facilement les décalages, les mouvements de lèvres incorrects et les interruptions.
Une résolution supérieure ne corrige pas une mauvaise source. Comparez d’abord les modèles avec une piste courte et le même portrait ; vous saurez ensuite si une résolution plus élevée apporte réellement quelque chose à votre publication.
La synchronisation labiale peut faire croire qu’une personne réelle a prononcé des paroles qu’elle n’a jamais dites. Le consentement, le contexte et la transparence sont donc essentiels.
Il génère une nouvelle vidéo dans laquelle le visage d’un portrait fixe est animé au rythme d’une piste audio. L’audio n’est pas traduit et la correspondance exacte des lèvres ou de l’expression n’est pas garantie.
Aurora et OmniHuman utilisent une consigne de scène obligatoire en plus de la photo et de l’audio. Fabric n’a pas de prompt. Aurora et Fabric proposent 480p et 720p ; OmniHuman propose 720p et 1080p.
Le backend facture actuellement un prix fixe de 10 crédits par génération, quels que soient le modèle, la résolution et la durée audio détectée. L’interface affiche ce montant avant le lancement.
Oui, si l’URL est publique et pointe directement vers un fichier image ou audio. Certains serveurs bloquent la détection de durée ou l’aperçu ; cela ne signifie pas forcément que l’URL de génération est invalide.