Kling Avatar v2

Le modèle d’avatar parlant de Kuaishou : donnez-lui un portrait et une piste audio, et il anime le visage pour qu’il dise cet audio, la bouche, l’expression et les mouvements de tête suivant l’enregistrement. C’est l’échelon intermédiaire des trois modèles qui font ce travail. P-Video Avatar coûte cinq fois moins et se lit comme une photo qui parle ; OmniHuman 1.5 coûte trois fois plus et fait bouger tout le corps ; celui-ci achète un détail du visage et une synchronisation labiale nettement meilleurs que l’option bon marché, sans le prix qualité cinéma.

L’image et l’audio sont tous deux obligatoires, le prompt ne l’est pas : les deux entrées portent déjà la spécification. Le prompt sert à la direction plutôt qu’au texte — une action, une émotion, un mouvement de caméra. Les mots sont ceux de l’audio, toujours, et les retaper ne change rien.

C’est le seul modèle du groupe qui ne se limite pas aux photographies de personnes : animaux, dessins animés et personnages stylisés s’animent tous, ce qui en fait celui vers lequel se tourner quand le présentateur est une illustration ou une mascotte plutôt qu’un visage. La durée suit l’audio jusqu’à quinze secondes, six formats, et une seule qualité : 720p, à vingt-deux crédits par tranche de cinq secondes. Le fournisseur vend un second palier au double du tarif et ce catalogue ne le propose pas — l’écart achète du détail sur le visage, et le modèle gagne déjà cette comparaison face à l’option bon marché au prix qu’il coûte ici. Il récompense les portraits de face, visage dégagé, et un audio propre au niveau régulier ; un angle extrême ou un enregistrement bruité, c’est là qu’il cesse de tenir.