Scegli OmniHuman 2.0 quando hai già un ritratto e una registrazione, soprattutto se deve durare più di dieci secondi. Scegli MagiHuman per un breve clip parlato con una voce generata dalla battuta scritta, oppure se serve un formato verticale selezionabile o un output a 1080p. MagiHuman può seguire anche una registrazione propria, quindi la scelta va oltre «voce propria o voce generata». Nei casi in cui le funzioni coincidono, decidono durata, formato e costo.
A 720p, cinque secondi di audio in ingresso costano $0.542 con OmniHuman 2.0; un clip richiesto di cinque secondi costa $0.24 con MagiHuman. La nostra breve prova OmniHuman con un cantante ha richiesto circa 2 minuti e 13 secondi. Gli esempi pubblicati di MagiHuman vanno da circa un minuto a quasi quattro minuti per clip di cinque secondi, a seconda dell’attività e della risoluzione. Questi esempi diversi non stabiliscono un vincitore per velocità o sincronizzazione labiale.
| Esigenza | OmniHuman 2.0 | daVinci-MagiHuman |
|---|---|---|
| Materiale iniziale richiesto | Ritratto e audio | Testo, oppure immagine e prompt |
| Generare una voce da dialoghi scritti | No; occorre fornire la registrazione | Sì; inserire la battuta tra virgolette |
| Usare una registrazione propria | Obbligatoria | Facoltativa per entrambe le attività |
| Durata | 4–300 secondi di audio in ingresso | 5–10 secondi interi richiesti |
| Risoluzione | 720p | 256p, 720p o 1080p |
| Selettore del rapporto d’aspetto | Assente | 16:9 o 9:16 |
| Costo dell’esempio di cinque secondi a 720p | $0.542, in base all’audio | $0.24, in base alla durata richiesta |
Le pagine dei modelli OmniHuman 2.0 e daVinci-MagiHuman mostrano gli input disponibili. Il secondo è il nome completo del modello MagiHuman confrontato qui.
Funzioni e input: parti dal materiale che hai già
OmniHuman anima un ritratto seguendo un’interpretazione audio. Servono entrambi i file. La registrazione fornisce le parole o il canto, i tempi e la base per la durata del clip. Una breve indicazione facoltativa può descrivere gesti, atmosfera, sguardo o movimento di camera. Non sostituisce la registrazione con parole scritte nel prompt.
È adatto a un presentatore la cui narrazione sia già stata approvata, a un saluto registrato con una voce precisa o a un ritratto che interpreta una canzone esistente. Prepara prima l’audio e ritaglialo sul passaggio desiderato. Chiedere meno secondi nel prompt non controlla la durata: non esiste un campo separato per impostarla.
MagiHuman offre text-to-video e image-to-video. Con il testo crea persona e scena a partire dalla descrizione. Con un’immagine parte da quel primo fotogramma. Entrambe le attività possono generare la colonna sonora insieme alle immagini, compresa una battuta racchiusa tra virgolette. Si può così ottenere un breve clip con un personaggio che parla senza registrare prima una voce.
Per esempio, una richiesta iniziale non ancora testata potrebbe essere: “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.'” Tieni separate le indicazioni sulla scena dalla battuta tra virgolette. È un esempio di come scrivere la richiesta, senza affermare che quella precisa battuta sia stata generata.
Se hai già una registrazione, MagiHuman la accetta come audio_url in entrambe le attività. Il prompt può quindi concentrarsi su espressione, sguardo e movimento. Il suo esempio documentato di image-to-video usava un file di parlato di cinque secondi con un clip richiesto di cinque secondi. Non abbiamo una prova di ciò che accade quando le due durate differiscono, quindi farle coincidere è un punto di partenza ragionevole.
Qualità e velocità nelle nostre prove
La prova funzionale di OmniHuman usava il ritratto di un cantante jazz e circa 5.21 secondi di audio. Ha restituito un video di 1280 × 720 della durata di circa 6.02 secondi, con audio, dopo circa 133 secondi. La durata dell’output era diversa da quella dell’input: un dettaglio che conta per un montaggio su una timeline precisa. Controlla il file restituito invece di presumere che l’ultimo fotogramma coincida esattamente con la fine della registrazione.
Si tratta di un solo breve esempio con un cantante. Dimostra il completamento di un’attività con ritratto e audio a 720p, senza provare cinque minuti di prestazioni. Il limite audio supportato è molto più lungo, ma da questa prova non abbiamo risultati su tempi o coerenza per formati lunghi. Manca anche un confronto a parità di ritratto e registrazione con MagiHuman.
Gli esempi pubblicati di MagiHuman offrono diverse osservazioni concrete. In tre prove con battute tra virgolette, la trascrizione della colonna sonora corrispondeva alle parole richieste. Un clip guidato da immagine iniziava dalla foto fornita; un altro esempio, guidato da una registrazione fornita, seguiva quell’audio mantenendo il volto simile al ritratto. Queste osservazioni ne sostengono l’uso per dialoghi brevi, senza stabilire una sincronizzazione perfetta per ogni copione o lingua.
I tempi di elaborazione sono variati molto. Un clip verticale da testo di cinque secondi a 720p ha richiesto circa un minuto. Un clip da immagine a 720p ha richiesto circa 1 minuto e 45 secondi, e uno a 720p da immagine con audio fornito circa 3 minuti e 7 secondi. Un clip da testo a 1080p ha richiesto circa 3 minuti e 53 secondi. Gli esempi differiscono per più aspetti oltre alla risoluzione, quindi non possiamo isolare il peso di ogni funzione sul tempo di rendering.
Anche la risoluzione nominale di MagiHuman non garantisce dimensioni standard esatte. Gli esempi orizzontali pubblicati a 720p erano di circa 1358 × 678; un esempio verticale era di circa 726 × 1270. L’esempio a 1080p era di circa 1904 × 1088. Se la consegna richiede dimensioni precise, prevedi di adattare l’immagine restituita nell’editor.
Prezzo di un clip tipico
La tariffa pubblica di OmniHuman è $0.1084 per secondo di audio in ingresso. MagiHuman costa $0.024 per secondo richiesto a 256p, $0.048 a 720p oppure $0.072 a 1080p. Le attività da testo e da immagine hanno le stesse tariffe, che non cambiano con audio o rapporto d’aspetto.
| Clip o registrazione | OmniHuman 2.0, 720p | MagiHuman, 720p | MagiHuman, 1080p |
|---|---|---|---|
| Cinque secondi | $0.542 | $0.24 | $0.36 |
| Dieci secondi | $1.084 | $0.48 | $0.72 |
| Trenta secondi | $3.252 | Non supportati in una sola richiesta | Non supportati in una sola richiesta |
| Sessanta secondi | $6.504 | Non supportati in una sola richiesta | Non supportati in una sola richiesta |
Sono esempi aritmetici calcolati sulle tariffe di listino. Per OmniHuman, la colonna della durata indica la lunghezza dell’audio in ingresso; per MagiHuman indica la durata richiesta del clip. Una bozza MagiHuman di cinque secondi a 256p costa $0.12: un’opzione economica utile per esplorare un personaggio o una battuta prima di scegliere un output più grande.
La registrazione del cantante mostra perché conta la base di fatturazione. Con 5.21 secondi in ingresso, il calcolo alla tariffa pubblica di OmniHuman dà circa $0.5648, anche se quella prova ha restituito circa 6.02 secondi di video. È un calcolo alla tariffa pubblica attuale, senza rappresentare l’addebito storico della prova archiviata.
Per un lotto di 100 generazioni di cinque secondi a 720p, lo stesso calcolo dà $54.20 con OmniHuman oppure $24 con MagiHuman. I totali escludono la creazione del ritratto o della registrazione.
Se OmniHuman non riesce a leggere la durata dell’audio prima della generazione, riserva temporaneamente il massimo di 300 secondi: $32.52 a questa tariffa. La differenza viene sbloccata dopo la consegna; questo non è l’addebito finale per una registrazione breve.
Limiti da conoscere prima della scelta
OmniHuman accetta audio WAV o MP3 sotto i 15 MB, da quattro a 300 secondi. Una registrazione più lunga va tagliata o divisa prima dell’invio. Il ritratto deve essere sotto i 30 MB, avere 300–6000 pixel per lato e un rapporto tra larghezza e altezza compreso fra 0.4 e 2.5. Il pacchetto accetta vari formati immagine, tra cui JPEG, PNG, WebP e HEIC.
L’attività di OmniHuman non ha impostazioni per risoluzione o rapporto d’aspetto; il livello di output è 720p. Il nostro esempio del cantante è orizzontale. L’accettazione di un formato immagine non dimostra quanto bene venga gestita una composizione verticale: scegli quindi MagiHuman quando serve poter contare su un output 9:16 selezionabile.
MagiHuman si ferma a dieci secondi per richiesta e offre due rapporti d’aspetto. Genera a una dimensione base inferiore e usa una propria fase di super-risoluzione per i livelli più alti. Scegliere 1080p non significa quindi che la generazione di base parta da quella dimensione. Gli esempi mostrano dimensioni e tempi da verificare nell’output, senza garantire una risoluzione esatta.
I suoi test pubblicati sul parlato sono in inglese. Il pacchetto elenca mandarino e cantonese, inglese, giapponese, coreano, tedesco e francese, ma l’elenco va oltre le lingue per cui abbiamo prove di parlato testate. Il canto è un uso audio accettato, ma la recensione di MagiHuman non ne dimostra la qualità con test. Per il compito specifico di un ritratto di cantante che segue una registrazione, OmniHuman offre qui il breve esempio funzionale pertinente.
Quale scegliere?
Per una narrazione già registrata e più lunga di dieci secondi, scegli OmniHuman. Un annuncio continuo di trenta secondi rientra nell’intervallo di input supportato e costa $3.252 alla tariffa di listino. La raccomandazione si basa sulle funzionalità; la prova breve non dimostra la tenuta di volto e gesti durante una narrazione più lunga.
Per un breve saluto, un’idea di dialogo o una prova di personaggio senza file vocale, scegli MagiHuman. Puoi scrivere la battuta, scegliere orizzontale o verticale e usare una bozza a bassa risoluzione prima di pagare una versione più grande. Se un volto fa già parte della richiesta, usa image-to-video invece di chiedere all’attività da testo di inventarlo di nuovo.
Se hai sia un ritratto sia un file vocale di cinque secondi, MagiHuman è qui l’opzione meno costosa a 720p. OmniHuman resta una scelta ragionevole se il progetto complessivo richiede registrazioni più lunghe o se vuoi basarti sul suo flusso con ritratto e audio. Non abbiamo prove di sincronizzazione labiale a parità di condizioni che giustifichino una spesa maggiore solo per un presunto vantaggio qualitativo.
In entrambi i flussi, descrivi dove guarda la persona e come è composta l’inquadratura. La recensione di MagiHuman documenta una richiesta che citava un selfie con un telefono e ha fatto comparire un telefono nell’immagine. Per uno sguardo diretto senza un dispositivo visibile, scrivi “looks into the camera” e specifica l’ampiezza dell’inquadratura.
Domande frequenti
OmniHuman 2.0 può pronunciare le parole che digito?
Richiede un file audio oltre al ritratto. Il prompt facoltativo dirige l’interpretazione. MagiHuman può generare parlato da una battuta tra virgolette senza una registrazione fornita.
MagiHuman può usare la mia voce?
Sì, entrambe le attività accettano un file audio. Il test documentato da immagine abbinava una registrazione di cinque secondi a una richiesta di cinque secondi; durate diverse non sono state testate in quella prova.
Quale supporta video più lunghi?
OmniHuman accetta audio da quattro a 300 secondi. MagiHuman accetta durate richieste da cinque a dieci secondi interi. La nostra breve prova con un cantante non stabilisce qualità e velocità di OmniHuman su formati lunghi.
Quale costa meno per un breve clip a 720p?
MagiHuman: $0.24 per cinque secondi richiesti, contro $0.542 per cinque secondi di audio in ingresso con OmniHuman. Le durate seguono basi di fatturazione diverse.
Quale è più adatto a una consegna verticale o a 1080p?
MagiHuman dispone di un selettore 9:16 e di un livello 1080p. OmniHuman non ha nessuna delle due impostazioni e la nostra breve prova funzionale mostra un output orizzontale a 720p. Controlla le dimensioni effettive restituite prima dell’esportazione finale.
