Kling Lip Sync

Le modèle le moins cher du catalogue de clips, et le plus étroitement défini. Il prend une vidéo et une piste audio et resynchronise la bouche du locuteur sur le nouvel audio. Il ne génère pas de plan, n’anime pas d’image fixe et ne change rien d’autre que la synchronisation.

C’est cette étroitesse qui le rend utile. Redoubler une réplique, corriger une prise dont la diction n’allait pas, faire passer un clip dans une autre langue avec un modèle de voix : autant de tâches où générer de nouvelles images serait absurde, et il les fait pour six crédits par tranche de cinq secondes en 1080p.

L’entrée vidéo est obligatoire ; l’audio pilote la durée, de deux à dix secondes. C’est la dernière étape d’une chaîne plutôt qu’un point de départ : générez ou tournez les images, produisez la réplique avec l’un des modèles de voix, puis apportez les deux ici. Si la source est une image fixe plutôt que des images filmées, ce n’est pas le bon modèle. P-Video Avatar et OmniHuman 1.5 sont ceux qui animent une photographie.