Die besten KI-Avatar-Modelle

Kling 3.0 Motion Control überträgt Bewegungen, Mimik und Gesten eines Antriebsclips von 3 bis 30 Sekunden auf ein Figurenfoto, in 720p oder 1080p. Das Ergebnis ist genau so lang wie das Antriebsvideo.

Lip Sync zeichnet den Mund der Person in einem Video neu, passend zu einer neuen Sprachspur von 3 bis 60 Sekunden, und lässt Darstellung, Licht und Bildausschnitt unverändert. Es liefert eine MP4 mit Ihrem Audio, in der Auflösung bis 720p.

Kling Avatar 2.0 Talking Avatar macht aus einem Porträt und einer Audiodatei einen Clip, in dem die Person sie spricht oder singt. Rendern Sie in 720p oder 1080p; die Clip-Länge folgt Ihrem Audio, bis etwa 5 Minuten.

Wan 2.2 Animate von Alibaba ist ein Endpunkt für Figurenanimation: Die Bewegung eines Antriebsvideos wird auf die Person in einem Bild übertragen. Das Video muss 2 bis 30 Sekunden lang sein, die Ausgabe hat dieselbe Länge, in 480p oder 720p.

Talking Avatar macht aus einem Porträt und einer Sprachaufnahme von 3 bis 60 Sekunden eine lippensynchrone MP4 der sprechenden Person. Mund, Kopfbewegung und Lidschlag folgen dem Audio, und eine optionale Maske wählt den Sprecher in einem Gruppenfoto.

Kling 2.6 Motion Control überträgt Bewegungen, Mimik und Gesten eines Antriebsclips auf Ihr eigenes Figurenfoto. Wählen Sie 720p oder 1080p; das Ergebnis hat die Länge des Antriebsclips (3 bis 30 Sekunden) und keinen Ton.