Funksjon

Snakkende bilde: leppsynkronisert video fra ett portrett

Gi Rigel et portrett og et manus, så genererer appen en snakkende video med realistisk leppsynkronisering — personen på bildet ser ut til å si ordene dine, med et uttrykk som følger fremføringen.

Oppdatert · Rigel av Kata Technology

Snakkende hoder er det mest gjenbrukte formatet i sosiale medier, og vanligvis krever det et kamera, et oppsett og tid til nye opptak. Et snakkende bilde krever ett portrett og en setning du vil ha sagt.

Slik fungerer det

  1. Last opp et portrett. Vendt fremover, skarpt, med munn og kjeve tydelig synlige.
  2. Legg til manuset ditt. Skriv det som skal sies, i samme steg som du beskriver scenen.
  3. Generer. Rigel lager et klipp på 5–30 sekunder med leppsynkronisering, ansiktsuttrykk og hodebevegelser som følger fremføringen.

Beskrive scenen og legge til et manus før generering

Resultatet lagres i kamerarullen i stående eller kvadratisk format, så det går rett til Reels, Shorts, TikTok eller Stories uten mellomledd.

Skriv et manus som treffer

  • Skriv for øret, ikke for papiret. Korte setningsledd. Muntlig språk. Én idé per setning.
  • Legg kroken først. Seere i sosiale medier bestemmer seg i løpet av det første halvannet sekundet; den sterkeste replikken bør komme først.
  • Hold deg innenfor klipplengden. Omtrent 15–70 ord passer til en generering på 5–30 sekunder i naturlig tempo. Presser du inn mer, blir fremføringen stresset og leppsynkroniseringen mindre tilgivende.
  • Legg til regi i sceneprompten. «Rolig, lav energi, lett smil, snakker til kameraet» endrer fremføringen, ikke bare ordene.

Hva som gjør et godt kildeportrett

Den aller største kvalitetsfaktoren er bildet. Ansiktet rimelig stort i bildet, jevnt lys på ansiktet, munnen fri, hodet omtrent vendt mot kameraet. Profilbilder, solbriller, hender nær munnen, hard skygge over kjeven og lavoppløste utsnitt er de gjengangende årsakene til svake munnformer.

Hvis den beste kilden din er et Live Photo og ikke et flatt stillbilde, går Live Photo til video gjennom den veien. Den generelle arbeidsflyten fra stillbilde til klipp finner du på siden om foto til video.

Hva du kan bruke det til

  • Innhold for skapere — en ukes snakkende innlegg fra én fotoøkt, uten å filme på nytt.
  • Fortellerstemme for karakterer — gi en fiktiv karakter en stemme gjennom en hel serie.
  • Produkt- og annonsevarianter — test fem ulike kroker med samme presentatør og se hvilken som holder på oppmerksomheten.
  • Forklaringer — et kort, muntlig svar knyttet til et ansikt, som konsekvent gjør det bedre enn tekst i sosiale medier.

For lengre stykker genererer du flere snakkende scener og setter dem sammen som beskrevet i lang AI-video.

Ærlige grenser

Leppsynkronisering i denne generasjonen modeller er god, ikke perfekt. Rask tale, kraftige aksenter, ekstreme vinkler og svært korte vokaler er der det synes. Fine detaljer rundt tennene kan bli myke i tette utsnitt. Den praktiske løsningen er den samme som i en ekte produksjon: velg det beste opptaket, kort ned replikken og ta — i dette tilfellet: finn — et renere bilde.

Og regelen som ikke er teknisk: last bare opp ansikter du har rett til å bruke. Et snakkende bilde av noen som aldri har sagt ja til å si de ordene, er nettopp misbruket denne funksjonen kan brukes til, og ingen prompt gjør det akseptabelt.

Kom i gang

Rigel er gratis å laste ned på iOS 16.6+ og Android, med startkreditter inkludert, så ditt første snakkende bilde koster ingenting. Kredittpakker og et abonnement er tilgjengelig i appen; hver generering viser kredittkostnaden før du bekrefter.

Vanlige spørsmål

Hva trenger jeg for å få et bilde til å snakke?
Ett portrett der ansiktet er tydelig og vendt fremover, pluss ordene du vil ha sagt. Du legger til manuset i samme steg som du beskriver scenen, og genererer deretter.
Hvor langt kan manuset være?
Hold det til det som får plass i et klipp på 5–30 sekunder — omtrent 15 til 70 ord i naturlig taletempo. Lengre budskap fungerer bedre fordelt på flere scener.
Fungerer det på andre språk enn engelsk?
Språkstøtten for leppsynkronisering utvides over tid. Engelsk er det tryggeste valget i dag; hvis språket ditt gir svake munnformer, hjelper kortere setninger og et roligere tempo som regel.
Kan jeg bruke et bilde av noen andre?
Bare med deres tillatelse. Å få noen til å se ut som de sier ting de aldri har sagt, er det åpenbare misbruket av denne funksjonen, og det er ditt ansvar å ha samtykke for ansiktet du laster opp.
Hvorfor ser munnen feil ut av og til?
Som regel på grunn av kildebildet. Profilvinkler, en delvis tildekket munn, kraftig skygge på nedre del av ansiktet, solbriller og svært små ansikter reduserer alle informasjonen modellen har å jobbe med.