P-Video Avatar vs OmniHuman 1.5

Entrées identiques et travail identique : fournissez un portrait et une piste audio, et la personne du portrait la prononce. La durée suit l’audio sur les deux, jusqu’à quinze secondes, et aucun des deux n’a besoin d’un prompt pour fonctionner.

La différence, c’est la quantité de mouvement. P-Video Avatar anime la bouche et un peu la tête ; OmniHuman 1.5 répond à l’audio par des gestes, une posture et des mouvements de tête, ce qui fait la différence entre un clip qui se lit comme une interprétation et un clip qui se lit comme une photographie à la mâchoire mobile. Sur un visage qui remplit le cadre, l’écart saute aux yeux.

Le prix est l’autre moitié. Avatar coûte 10,5 crédits pour un plan de cinq secondes en 720p, et 19 en 1080p. OmniHuman ne rend qu’en 1080p et coûte plusieurs fois cela. Pour vingt répliques courtes, un plan provisoire ou un visage dans un coin de montage, la différence ne se voit pas et le coût, si.

Ni l’un ni l’autre n’est le bon outil pour se caler sur des *images filmées* : tous deux animent une photo fixe. Si vous avez déjà un plan de quelqu’un qui parle et voulez lui faire dire autre chose, Kling Lip Sync fait ce travail pour 6 crédits, et aucun de ces deux modèles ne le fait.