Test de Lip Sync : redoubler un clip sans le retourner

Nous n’avons pas encore fait tourner de test d’échelle de contenu sur Lip Sync, donc cette section rapporte ce que nous pouvons vérifier à partir du schéma et de l’unique exemple publié plutôt que des essais notés. L’exemple prend un plan de cinq secondes dans un train de nuit avec une femme à l’écran et le redouble avec une réplique parlée d’environ quatre secondes et demie — un clip proche en durée du nouvel audio, ce qui est le cas pour lequel l’endpoint est construit.

Cette correspondance entre la durée du clip et celle de l’audio vaut la peine d’être visée dans votre flux de travail. Quand les deux sont proches, le modèle a une séquence continue pour dessiner les formes de bouche sur toute la réplique ; quand l’audio dure bien plus longtemps que le clip, la répétition bouclée doit combler l’écart, et c’est le genre de chose qu’un spectateur remarque même sans savoir ce qui l’a causée. Si vous planifiez une série de répliques, il est moins cher de couper ou d’allonger le clip source pour correspondre à peu près à la durée de chaque réplique que de compter sur le bouclage pour combler la différence.

Lip Sync se situe aussi entre deux autres outils de cette page pour ce qu’il exige en entrée. Il nécessite une séquence qui existe déjà, ce qui l’exclut pour un simple portrait fixe — c’est le travail de Talking Avatar. Et il ne touche qu’à la bouche, ce qui l’exclut pour ajouter de l’ambiance ou des effets à un clip muet — c’est le travail de Video Sound Effects. Le flux naturel pour une scène entièrement redoublée est de tourner ou de générer l’image d’abord, de faire enregistrer ou synthétiser la nouvelle réplique séparément, puis d’amener les deux dans cet endpoint comme dernière étape avant la livraison.

• Vous partez d’un portrait fixe plutôt que d’une séquence existante ? Talking Avatar anime une photo pour qu’elle parle votre audio plutôt que de redoubler un clip que vous avez déjà, à $0.018 la seconde.
• Besoin d’effets sonores, pas d’une nouvelle piste vocale ? Video Sound Effects génère ambiance et effets à partir de l’image plutôt que de synchroniser la parole, à $0.0012 la seconde.