Choisissez OmniHuman 2.0 si vous avez déjà un portrait et un enregistrement, surtout si celui-ci doit durer plus de dix secondes. Choisissez MagiHuman pour un court clip parlant dont la voix est générée à partir de votre texte, ou si vous avez besoin d’un format vertical sélectionnable ou d’une sortie en 1080p. MagiHuman peut aussi suivre votre propre enregistrement : le choix ne se résume donc pas à « votre voix ou une voix générée ». Lorsque les usages se recoupent, la durée, le format et le coût font la différence.
En 720p, cinq secondes d’audio d’entrée coûtent $0.542 sur OmniHuman 2.0 ; un clip demandé de cinq secondes coûte $0.24 sur MagiHuman. Notre court essai OmniHuman avec un chanteur a pris environ 2 minutes 13 secondes. Les exemples publiés de MagiHuman vont d’environ une minute à près de quatre minutes pour des clips de cinq secondes, selon la tâche et la résolution. Ces exemples différents ne permettent pas de désigner un gagnant sur la vitesse ou la synchronisation labiale.
| Votre besoin | OmniHuman 2.0 | daVinci-MagiHuman |
|---|---|---|
| Matériel de départ requis | Portrait et audio | Texte, ou image avec prompt |
| Générer une voix à partir d’un dialogue écrit | Non ; fournissez l’enregistrement | Oui ; placez la réplique entre guillemets |
| Utiliser votre propre enregistrement | Obligatoire | Facultatif pour les deux tâches |
| Durée | 4–300 secondes d’audio d’entrée | 5–10 secondes entières demandées |
| Résolution | 720p | 256p, 720p ou 1080p |
| Sélecteur de proportions | Aucun | 16:9 ou 9:16 |
| Exemple de coût pour cinq secondes en 720p | $0.542, selon l’audio | $0.24, selon la durée demandée |
Les pages des modèles OmniHuman 2.0 et daVinci-MagiHuman présentent les entrées disponibles. Le second nom est le nom complet du modèle MagiHuman comparé ici.
Fonctions et entrées : partez de ce que vous avez déjà
OmniHuman anime un portrait à partir d’une prestation audio. Les deux fichiers sont obligatoires. L’enregistrement fournit les paroles ou le chant, le rythme et la base de la durée du clip. Une courte consigne facultative peut décrire les gestes, l’humeur, le regard ou le mouvement de caméra. Elle ne remplace pas l’enregistrement par des paroles écrites dans le prompt.
Cela convient à un présentateur dont la narration a déjà été validée, à un message de bienvenue enregistré avec une voix précise ou à un portrait interprétant une chanson existante. Préparez d’abord l’audio et coupez-le au passage souhaité. Demander moins de secondes dans le prompt ne règle pas la durée : il n’existe pas de champ distinct pour cela.
MagiHuman propose texte-vers-vidéo et image-vers-vidéo. Avec du texte, il crée la personne et la scène à partir de votre description. Avec une image, il démarre sur cette première image fournie. Les deux tâches peuvent générer la bande-son avec l’image, y compris une réplique entre guillemets. Vous pouvez ainsi obtenir un court clip avec un personnage qui parle, sans enregistrer de voix au préalable.
Par exemple, une consigne de départ non testée pourrait être : “Medium close-up of a presenter in a bright studio, looking into the camera and saying warmly: 'Welcome back. Today we are looking at the new design.'” Séparez la description de la scène des paroles citées. Cet exemple illustre la rédaction de la demande ; il ne signifie pas que cette réplique précise a été générée.
Si vous avez déjà un enregistrement, MagiHuman l’accepte via audio_url pour les deux tâches. Le prompt peut alors se concentrer sur l’expression, le regard et le mouvement. Son exemple documenté en image-vers-vidéo utilisait un fichier de parole de cinq secondes pour un clip demandé de cinq secondes. Nous n’avons pas de test montrant ce qui se passe si ces durées diffèrent : les faire correspondre est donc un point de départ raisonnable.
Qualité et vitesse dans nos essais
L’essai fonctionnel OmniHuman utilisait un portrait de chanteur de jazz et environ 5.21 secondes d’audio. Il a renvoyé une vidéo de 1280 × 720 d’environ 6.02 secondes, avec du son, après quelque 133 secondes. La durée de sortie différait de celle d’entrée, ce qui compte pour un montage calé sur une chronologie précise : inspectez le fichier reçu plutôt que de supposer que sa dernière image coïncide exactement avec la fin de l’enregistrement.
Il s’agit d’un seul exemple court avec un chanteur. Il démontre une tâche portrait-et-audio achevée en 720p, pas cinq minutes de performance éprouvée. La limite audio prise en charge est bien plus longue, mais cet essai ne fournit aucun résultat de temps ou de cohérence sur un format long. Nous n’avons pas non plus de comparaison avec le même portrait et le même enregistrement sur MagiHuman.
Les exemples publiés de MagiHuman apportent plusieurs observations concrètes. Dans trois essais avec des paroles citées, la transcription de la bande-son correspondait aux mots demandés. Un clip guidé par une image commençait sur la photo fournie ; un autre exemple guidé par un enregistrement fourni suivait cet audio tout en conservant un visage proche du portrait. Ces observations étayent l’usage pour de courts dialogues ; elles ne démontrent pas une synchronisation parfaite pour tous les scripts ou toutes les langues.
Les temps de traitement variaient fortement. Un clip texte vertical de cinq secondes en 720p a pris environ une minute. Un clip image en 720p a pris environ 1 minute 45 secondes, et un clip image en 720p avec audio fourni environ 3 minutes 7 secondes. Un clip texte en 1080p a pris environ 3 minutes 53 secondes. Les exemples diffèrent sur d’autres points que la résolution ; on ne peut donc pas isoler le temps de rendu associé à chaque fonction.
La résolution nominale de MagiHuman ne garantit pas non plus des dimensions standard exactes. Les exemples paysage publiés en 720p étaient d’environ 1358 × 678 ; un exemple vertical faisait environ 726 × 1270. L’exemple 1080p était d’environ 1904 × 1088. Si la livraison exige un cadre de dimensions précises, prévoyez d’ajuster l’image reçue dans votre logiciel de montage.
Prix d’un clip type
Le tarif public d’OmniHuman est de $0.1084 par seconde d’audio d’entrée. Celui de MagiHuman est de $0.024 par seconde demandée en 256p, $0.048 en 720p ou $0.072 en 1080p. Ses tâches texte et image ont les mêmes tarifs, que le son soit présent ou non, et quel que soit le format.
| Clip ou enregistrement | OmniHuman 2.0, 720p | MagiHuman, 720p | MagiHuman, 1080p |
|---|---|---|---|
| Cinq secondes | $0.542 | $0.24 | $0.36 |
| Dix secondes | $1.084 | $0.48 | $0.72 |
| Trente secondes | $3.252 | Non pris en charge en une requête | Non pris en charge en une requête |
| Soixante secondes | $6.504 | Non pris en charge en une requête | Non pris en charge en une requête |
Ce sont des exemples de calcul aux tarifs affichés. Pour OmniHuman, la colonne de durée désigne la longueur de l’audio d’entrée ; pour MagiHuman, celle du clip demandé. Un brouillon MagiHuman de cinq secondes en 256p coûte $0.12 : une option économique pour explorer un personnage ou une réplique avant de choisir une sortie plus grande.
L’enregistrement du chanteur montre pourquoi la base de facturation compte. Pour 5.21 secondes d’entrée, le calcul au tarif public d’OmniHuman donne environ $0.5648, alors que cet essai a renvoyé environ 6.02 secondes de vidéo. Il s’agit d’un calcul au tarif public actuel, pas du montant historique facturé pour cet essai archivé.
Pour un lot de 100 générations de cinq secondes en 720p, le même calcul donne $54.20 sur OmniHuman ou $24 sur MagiHuman. Ces montants n’incluent pas la création du portrait ou de l’enregistrement.
Si OmniHuman ne peut pas lire la durée audio avant la génération, il réserve temporairement le maximum de 300 secondes, soit $32.52 à ce tarif. La différence est libérée après la livraison ; ce n’est pas le prix final d’un court enregistrement.
Limites à connaître avant de choisir
OmniHuman accepte un audio WAV ou MP3 de moins de 15 MB, d’une durée de quatre à 300 secondes. Un enregistrement plus long doit être raccourci ou divisé avant l’envoi. Le portrait doit peser moins de 30 MB, mesurer 300–6000 pixels sur chaque côté et présenter un rapport largeur/hauteur compris entre 0.4 et 2.5. Le package accepte plusieurs formats d’image, dont JPEG, PNG, WebP et HEIC.
La tâche OmniHuman ne propose aucun réglage de résolution ou de proportions ; la sortie est en 720p. Notre exemple du chanteur est en paysage. L’acceptation d’un format d’image en entrée ne prouve pas la qualité du traitement d’une composition verticale : choisissez MagiHuman si vous devez pouvoir compter sur une sortie 9:16 sélectionnable.
MagiHuman s’arrête à dix secondes par requête et propose deux formats. Il génère dans une taille de base plus petite, puis utilise sa propre étape de super-résolution pour les niveaux supérieurs. Choisir 1080p ne signifie donc pas que la génération sous-jacente commence à cette taille. Les exemples indiquent les dimensions et les temps à vérifier, plutôt qu’une garantie de résolution exacte.
Ses tests de parole publiés sont en anglais. Le package liste le mandarin et le cantonais, l’anglais, le japonais, le coréen, l’allemand et le français, mais cette liste dépasse nos éléments de preuve issus de tests de parole. Le chant est un usage audio accepté ; toutefois, l’évaluation de MagiHuman ne démontre pas une qualité de chant testée. Pour le cas précis d’un portrait de chanteur suivant un enregistrement, OmniHuman fournit ici le court exemple fonctionnel pertinent.
Lequel choisir ?
Pour une narration déjà enregistrée de plus de dix secondes, choisissez OmniHuman. Une annonce continue de trente secondes entre dans sa plage d’entrée prise en charge et coûte $3.252 au tarif affiché. Cette recommandation repose sur les capacités disponibles ; le court essai ne prouve pas la tenue du visage et des gestes tout au long d’une narration plus longue.
Pour une courte salutation, une idée de dialogue ou un essai de personnage sans fichier vocal, choisissez MagiHuman. Vous pouvez écrire la réplique, choisir paysage ou portrait et faire un brouillon en basse résolution avant de payer une version plus grande. Si un visage est déjà défini, utilisez image-vers-vidéo plutôt que de demander à la tâche texte de le réinventer.
Si vous avez à la fois un portrait et un fichier vocal de cinq secondes, MagiHuman est ici l’option 720p la moins chère. OmniHuman reste un choix raisonnable si votre projet global nécessite des enregistrements plus longs ou si vous souhaitez vous appuyer sur son fonctionnement portrait-et-audio. Aucun test de synchronisation labiale à conditions égales ne justifie de payer davantage sur la seule promesse d’une meilleure qualité.
Pour les deux méthodes, décrivez où la personne regarde et comment le plan est cadré. L’évaluation de MagiHuman rapporte qu’une demande mentionnant un selfie avec un téléphone a fait apparaître un téléphone dans l’image. Si vous voulez un regard direct sans appareil visible, écrivez « regarde la caméra » et précisez la valeur de plan.
FAQ
OmniHuman 2.0 peut-il prononcer les mots que je saisis ?
Il lui faut un fichier audio en plus du portrait. Son prompt facultatif dirige la prestation. MagiHuman peut générer de la parole à partir d’une réplique entre guillemets, sans enregistrement fourni.
MagiHuman peut-il utiliser ma propre voix ?
Oui, les deux tâches acceptent un fichier audio. Le test image documenté associait un enregistrement de cinq secondes à une demande de cinq secondes ; les durées différentes n’y ont pas été testées.
Lequel prend en charge les vidéos plus longues ?
OmniHuman accepte un audio de quatre à 300 secondes. MagiHuman accepte des durées demandées de cinq à dix secondes entières. Notre court essai avec un chanteur ne démontre ni la qualité ni la vitesse d’OmniHuman sur un format long.
Lequel coûte moins cher pour un court clip en 720p ?
MagiHuman : $0.24 pour cinq secondes demandées, contre $0.542 pour cinq secondes d’audio d’entrée sur OmniHuman. Les durées correspondent à des bases de facturation différentes.
Lequel convient mieux à une livraison verticale ou en 1080p ?
MagiHuman propose un sélecteur 9:16 et un niveau 1080p. OmniHuman n’a aucun de ces réglages, et notre court exemple fonctionnel est une sortie paysage en 720p. Vérifiez les dimensions réellement reçues avant l’export final.
