HeyGen Avatar V: видео с ведущим из записи голоса

У вас есть закадровый текст, но некому встать перед камерой. HeyGen Avatar V закрывает этот пробел: вы выбираете одного из готовых ведущих, загружаете запись речи и получаете видео, где этот ведущий произносит ваши слова с синхронизацией губ, вплоть до 4K. Здесь нет поля для промпта и не нужно загружать лицо. Два входа, несколько настроек, и вся работа в том, чтобы сделать их правильно.

Шаг 1: выберите ведущего по имени, позе и ракурсу

В списке аватаров сотни позиций, и их названия читаются как список кадров: имя, затем сидит человек или стоит, затем обстановка (офис, диван, кухня, коврик для йоги, пикник), затем ракурс камеры, анфас или сбоку. Так что «Annie, office, sitting, front» и «Annie, office, sitting, side» это один и тот же ведущий в той же комнате с двух камер.

Это даёт дешёвый монтаж на две камеры. Отрендерите одну и ту же запись дважды, на фронтальной и на боковой версии одного ведущего, и переключайтесь между ними на паузах между фразами. Получится похоже на снятое интервью, а не на один застывший план.

Шаг 2: подготовьте аудио

Аудио управляет всем: ртом, паузами, ритмом движений головы. Чистая запись в тихой комнате лучше идеального текста, прочитанного на гулкой кухне. Если не хотите записывать собственный голос, сделайте его моделью синтеза речи со страницы моделей и загрузите файл. Пишите текст для слуха: короткие фразы, пауза там, где сменился бы слайд, числа записаны так, как вы хотите, чтобы их произнесли.

Шаг 3: выберите кадр под площадку

Соотношение сторон бывает 16:9 (по умолчанию), 9:16, 1:1, 5:4 и 4:5. Решайте по месту показа, а не по вкусу: 16:9 для сайта или презентации, 9:16 для коротких вертикальных роликов, 4:5 или 1:1 для ленты. Подробнее об этом выборе в гайде по соотношениям сторон.

Разрешение 720p, 1080p (по умолчанию) или 4K. 1080p подходит почти для всего, что смотрят на телефоне или в браузере. 4K оставьте для большого экрана или для материала, который потом будете кадрировать.

Шаг 4 (необязательно): замените фон

В расширенных настройках можно добавить фоновое изображение. У каждого аватара уже есть своя комната, так что фон нужен, только когда комната не подходит вашему бренду: ваш магазин, ваш офис, однотонный цвет за обучающим роликом. Берите картинку с той же высотой камеры и лёгким размытием, иначе ведущий будет выглядеть вклеенным.

Avatar V или один из соседей?

• Avatar V: стоковый ведущий, ваше аудио, до 4K. Лучше всего, когда нужен человек в кадре и вас не смущает, что это не вы.
• Avatar IV: ваш собственный портрет вместо стокового ведущего и письменные указания для мимики. О нём рассказывает гайд по Avatar IV.
• Avatar V Digital Twin: работает с текстом или аудио и умеет убирать фон для видео с прозрачностью.

Чего она не умеет

Своё лицо сюда не принести, и игрой ведущего не управлять: промпта нет, так что жесты и мимика берутся только из аудио и выбранного аватара. Если ведущий должен удивиться на одном конкретном слове, запишите это слово с нужной энергией или выберите модель с полем для указаний. Другие способы оживить человека на экране описаны в статье как выбрать модель для видео.