avatar-v/text-to-video
Sprechen Sie ein Skript in einem öffentlichen Look als lippensynchrones Talking-Video.
React-1 erstellt einen lippensynchronen Schnitt aus einer erforderlichen Quellvideo-URL und einer erforderlichen Audio-URL, jeweils auf 15 Sekunden begrenzt. Sechs exakte Emotionswerte leiten die Darbietung, während model_mode auswählt, ob die Bearbeitung Lippen, Gesicht oder Kopf umfasst. lipsync_mode bestimmt, wie mit nicht übereinstimmenden Audio- und Videodauern umgegangen wird, und temperature steuert die Ausdruckskraft von 0 bis 1.
React-1 verarbeitet die erforderlichen Eingaben video_url und audio_url und erstellt daraus eine lippensynchrone Videobearbeitung. Beide Eingaben müssen 15 Sekunden oder kürzer sein. Sie können die Leistung mit emotion steuern, mit model_mode den Bearbeitungsbereich auswählen, mit lipsync_mode entscheiden, wie mit nicht übereinstimmenden Eingabelängen umgegangen wird, und mit temperature die Ausdruckskraft anpassen.
| Parameter | Erforderlich | Standard / Optionen | Was es steuert |
|---|---|---|---|
video_url | Ja | Beispielvideo-URL | Öffentliche URL für das Quellvideo; 15 Sekunden oder kürzer. |
audio_url | Ja | Beispielaudio-URL | Öffentliche URL für das Fahraudio; 15 Sekunden oder kürzer. |
emotion | Nein | Standard neutral | Genaue Werte: happy, angry, sad, neutral, disgusted, surprised. Es werden nur Ein-Wort-Emotionswerte unterstützt. |
model_mode | Nein | Standard face | Genaue Werte: lips, face, head. Legt den Bearbeitungsbereich und den Bewegungsumfang fest. |
lipsync_mode | Nein | Standard bounce | Genaue Werte: cut_off, loop, bounce, silence, remap. Steuert die Handhabung bei unterschiedlicher Audio- und Videodauer. |
temperature | Nein | Standard 0.5; 0–1 | Steuert die Ausdruckskraft der Lippensynchronisation. |
emotion und das am besten geeignete model_mode aus.lipsync_mode bewusst aus, wenn die Eingabelängen unterschiedlich sind, und passen Sie dann temperature in kleinen Schritten an.– Dieses Schema stellt keine Ausgabeauflösung, kein Seitenverhältnis, keine Bildrate, kein Dateiformat, keine Eingabeaufforderung, keinen Startwert oder keine Steuerung für mehrere Lautsprecher bereit.
– Die Seite bietet keine vergleichenden Benchmark-Daten und beschreibt nicht die zugrunde liegende Modellarchitektur.
$0.185 pro Sekunde.
Sprechen Sie ein Skript in einem öffentlichen Look als lippensynchrones Talking-Video.
Animieren Sie den erforderlichen ersten Frame anhand eines Text-Prompts und steuern Sie optional das Ende mit einem Bild für den letzten Frame.
Erstelle fließende Videos aus zwei Bildern mit realistischer Bewegung
Verwandle Bilder und Texte mühelos in realistische HD-Videos.
Verwandle Standbilder in fließende Videos mit Hailuo 2.3 für schnelle, realistische Ergebnisse.
Offenes Bild-zu-Video mit optionalem letztem Bild und nativem Stereo-Audio.
Auf dieser Seite wird React-1 als Video- und Audio-Lippensynchronisations-Workflow mit Steuerung für Emotionen, Bearbeitungsbereich, Nichtübereinstimmungsbehandlung und Ausdruckskraft dokumentiert. Es enthält keine Benchmark-Daten zu Lipsync-2 oder Lipsync-2-Pro, sodass relative Qualitäts- oder Identitätserhaltungsansprüche nicht allein anhand des Schemas bestätigt werden können.
Ja. Geben Sie den vorhandenen Clip über das erforderliche video_url und die Fahrspur über das erforderliche audio_url an. Beide müssen 15 Sekunden oder kürzer sein. Wählen Sie dann nach Bedarf emotion, model_mode, lipsync_mode und temperature aus.
Das Schema begrenzt die Eingaben video_url und audio_url auf jeweils 15 Sekunden. Ausgabeauflösung, Seitenverhältnis, Bildrate, Ausgabeformat, ControlNet oder IP-Adapter-Einstellungen werden nicht offengelegt, sodass auf dieser Seite keine Ansprüche auf 4K, 1080p und 16:9 gestellt werden.
Nein. Die dokumentierten Eingaben video_url und audio_url müssen jeweils 15 Sekunden oder kürzer sein. Das Schema beschreibt keinen längeren Sequenzmodus.
Verwenden Sie nach dem Testen der Einstellungen den RunComfy API-Endpunkt und senden Sie die gleichen dokumentierten Felder: video_url, audio_url, emotion, model_mode, lipsync_mode und temperature. Informationen zur Authentifizierung, Statusabfrage, Limits und Abrechnung finden Sie in der aktuellen API-Dokumentation.
emotion akzeptiert genau happy, angry, sad, neutral, disgusted oder surprised, mit neutral als Standard. model_mode legt den Bearbeitungsbereich fest und temperature passt die Ausdruckskraft zwischen 0 und 1 an. Das Schema dokumentiert keine spezifische Diffusions- oder Gesichtsgeometriemethode.
Verwenden Sie als praktische Anleitung einen kurzen Clip, bei dem das sprechende Gesicht und der sprechende Mund sichtbar sind, und sorgen Sie für einen klaren, endgültigen Ton. Starke Okklusion, sehr kleine Gesichter oder widersprüchliche Bewegungen können die Überprüfung erschweren, obwohl das Schema keine formalen Qualitätsschwellenwerte für diese Bedingungen veröffentlicht.
Diese Seite beginnt mit einem vorhandenen video_url und steuert audio_url und stellt dann Leistungskontrollen für die Lippensynchronisation bereit. Es bietet keine Text-zu-Video- oder Bild-zu-Video-Generierungsfelder zum Erstellen einer neuen Szene von Grund auf.
Die kommerzielle Nutzung hängt von den neuesten Synchronisierungs- und RunComfy-Bedingungen sowie von den Rechten am Quellvideo und -audio ab. Das Schema selbst gewährt keine universelle kommerzielle Lizenz; Überprüfen Sie die aktuelle Lizenzierung, bevor Sie sie kostenpflichtig oder öffentlich verbreiten.
Das bedeutet, dass Sie einen von sechs genauen emotion-Werten auswählen und den Bewegungsumfang auf lips, face oder head bis model_mode festlegen können. lipsync_mode behandelt Dauerunterschiede, während temperature die Ausdruckskraft anpasst. Über diese dokumentierten Kontrollen hinaus sollte keine umfassendere Leistungsfähigkeit abgeleitet werden.
RunComfy ist die führende ComfyUI Plattform, die ComfyUI online Umgebung und Services bietet, zusammen mit ComfyUI Workflows mit atemberaubenden Visualisierungen. RunComfy bietet auch AI Models, Künstlern ermöglichen, die neuesten AI-Tools zu nutzen, um unglaubliche Kunst zu schaffen.
