HeyGen Avatar IV: заставьте портрет говорить вашим голосом

Один неподвижный портрет, одна запись голоса, короткий рендер, и лицо говорит. В этом всё обещание HeyGen Avatar IV, и обещание хорошее: персонаж для трейлера игры, рассказчик для курса, нарисованная фигура, которая открывает вашу выставку. У модели есть и текстовое поле для указаний, которого нет у большинства моделей говорящих голов. Почти все разочаровывающие результаты вырастают из одних и тех же нескольких ошибок, поэтому гайд построен вокруг них.

Ошибка 1: портрет, на котором не видно рта

Модели нужно оживить губы, челюсть и глаза по одной картинке. Дайте ей лицо, которое смотрит примерно в камеру, с полностью видимым ртом, ровным светом и ничем перед ним: без руки у подбородка, без микрофона, без волос на губах. Кадр по плечи работает лучше, чем снимок в полный рост, где лицо занимает несколько пикселей. Сгенерированные портреты тоже подходят; если ваш выглядит восковым, сначала исправьте кожу по советам из гайда о пластиковой коже, потому что анимация этого не сделает.

Ошибка 2: пустое поле указаний

Промпт необязателен, и именно поэтому его пропускают. Без него лицо делает то, что подсказывает аудио. С ним можно попросить настроение, привычку, жест. Пишите его как заметки для актёра: что человек чувствует, куда смотрит, что делает голова и чего делать не нужно.

Ошибка 3: выразительность на максимум

Выразительность задаёт, насколько двигаются лицо и голова: низкая (по умолчанию), средняя или высокая. Высокая забавна для мультяшного героя или персонажа игры и слишком сильна для спокойного объясняющего ролика, где человек будто не может усидеть на месте. Настоящие лица на фото обычно лучше всего смотрятся на низкой или средней; высокую оставьте для персонажей, чей стиль и так преувеличен.

Ошибка 4: соотношение сторон, которое спорит с фото

Соотношение сторон здесь необязательно. Если оставить его пустым, модель возьмёт поддерживаемое соотношение, ближайшее к вашему изображению, и сохранит выбранное вами кадрирование. Задавайте его (16:9, 9:16, 1:1, 5:4 или 4:5), только когда этого требует площадка, и тогда сами обрежьте портрет под эту форму до загрузки, чтобы решать, что отрезать, вам, а не модели. Если исходный фон не подходит, в расширенных настройках можно добавить фоновое изображение.

Ошибка 5: чужое лицо без права на него

Говорящее видео с реальным человеком, который произносит то, чего никогда не говорил, может ему навредить, и условия использования запрещают дипфейки реального узнаваемого человека. Используйте своё лицо, сгенерированного вами вымышленного персонажа или портрет, на который у вас есть явное разрешение. Чтобы оживить фото без речи, есть более мягкий путь: превратить фото в видео.

Когда выбрать другое

Avatar IV про лицо и голос. Она не проведёт человека через сцену и не переоденет его, а потолок у неё 1080p. Если портрета нет вовсе и нужен ведущий в настоящей комнате, Avatar V работает с готовыми аватарами до 4K; подробности в гайде по Avatar V. Все остальные модели говорящих аватаров и синхронизации губ есть на странице моделей.