#digital-human

37 articles - Page 2

WaveSpeedAI InfiniteTalk Fast 现已登陆WaveSpeedAI

InfiniteTalk fast 將一張照片 + 音頻轉換為音頻驅動的說話或唱歌化身視頻（圖像到視頻），最長 10 分鐘。即用型 REST API，無冷啟動，價格親民。

PixVerse LipSync使用高級演算法將音頻轉換為逼真的口型同步動畫，實現精確的嘴部運動和視頻虛擬人物的時序同步。提供即用型REST推理API、最佳性能、無冷啟動、價格實惠。

Sync Lipsync-2 將任何影片中的嘴唇動作同步到提供的音頻，為電影、播客、遊戲或動畫實現逼真的嘴部對齊。提供即用型 REST 推論 API、最佳性能、無冷啟動、經濟實惠的定價。

使用 Veed LipSync 從音頻生成逼真的口型同步動畫，具有高質量的同步效果；每 5 秒視頻收費 0.15 美元。現成可用的 REST 推論 API，最佳性能，無冷啟動，價格實惠。

混元 Avatar 從單張圖像 + 音訊創建由音訊驅動的說話或唱歌影片，480p/720p 最長 120 秒（起價 $0.15/5 秒）。現成可用的 REST 推論 API、最佳效能、無冷啟動、親民定價。

Wan-2.2-S2V 將圖片和語音轉換為高保真影片，具有逼真的臉部和身體動作；支援長達 10 分鐘的 480p 影片片段，價格低至 $0.15/5秒。現成可用的 REST API，無冷啟動，價格實惠。

OmniHuman 1.5 將音訊和視覺線索轉換為逼真的虛擬人頭像動畫，用於虛擬人、故事講述和互動代理。隨時可用的 REST 推理 API、最佳效能、無冷啟動、經濟實惠的定價。

ByteDance OmniHuman 將單張肖像照片轉換為具有逼真動作和表情的虛擬人物影片（$0.12/秒）。開箱即用的 REST 推論 API、最佳效能、無冷啟動、平價定價。

字節跳動 LipSync 通過生成精確的唇動同步至輸入音頻，將音頻轉換為逼真的說話視頻。提供即用型 REST 推理 API、最佳性能、無冷啟動、價格實惠。

ElevenLabs Eleven-V3 時序功能可將文本轉換為自然語音，並返回對齐元數據—字符/單詞時間戳（JSON 格式）—用於精確字幕、卡拉 OK 效果和唇形同步。支援 voice_id、相似度/穩定性和可選的 Speaker Boost。價格為每 1,000 個字符 $0.10。隨時可用

ByteDance LatentSync 結合 Stable Diffusion 與 TREPA，實現高解析度端對端唇形同步，在生成的影片中呈現精確、逼真的嘴部動作。即用型 REST 推論 API，效能卓越，無冷啟動，定價實惠。

先進的 SAM 3D 人體生成模型，用於從影像創建詳細的 3D 人體模型，支援可選的遮罩式分割。提供即用型 REST 推論 API、最佳效能、無冷啟動、經濟實惠的價格。