اجمع صورة شخصية ثابتة مع صوت مولّد أو مسجّل، شغّل مزامنة الشفاه، وصدّر مقطعا تتحرك فيه الشفاه مع الكلمات. يعمل مع الصور الشخصية والصور العائلية القديمة والشخصيات المرسومة، وبيكاسو آي إيه يغطي الصوت والمزامنة معا.
الصورة تجمّد لحظة واحدة، لكنها لا تضطر للبقاء صامتة. تجمع مزامنة الشفاه بين صورة ثابتة ومقطع صوتي، صوت مولّد أو تسجيل خاص بك، وتعيد مقطعا قصيرا تتحرك فيه الشفاه مع الكلمات. قد يكون المصدر صورة شخصية أو صورة عائلية قديمة أو شخصية مرسومة، طالما أن الفم ظاهر وتحتوي الصورة على تفاصيل كافية للعمل عليها.
نماذج مزامنة الشفاه تحرّك فما تراه فعلا، لذا فإن أهم عامل في نتيجة جيدة هو الصورة التي تبدأ بها. صورة أمامية، أو قريبة من ذلك، تمنح النموذج رؤية كاملة لحافتي الشفاه وخط الأسنان، وهذا بالضبط ما يتتبعه من إطار إلى آخر. الصورة الملتقطة بزاوية حادة تخفي جانبا من الفم، فيضطر النموذج إلى تخمين ما لا يراه.
الدقة تهم بقدر الزاوية تقريبا. صورة هاتف واضحة لوجه تملأ جزءا كبيرا من الإطار بتفاصيل يمكن للنموذج الاستفادة منها؛ أما الصورة المصغرة المأخوذة من ألبوم قديم ممسوح ضوئيا فتعطيه أقل بكثير، وتميل المزامنة إلى أن تصبح أضعف نتيجة لذلك. الإضاءة المتساوية تساعد أيضا، لأن ظلا قويا يعبر الفم يُقرأ من قبل النموذج كحافة لا ينبغي أن تتحرك.
شيء آخر يستحق التحقق منه قبل اختيار الصورة: لا شيء يجب أن يغطي الفم. يد قرب الذقن، ميكروفون، وشاح مرفوع، أو حتى لحية كثيفة تبتلع خط الشفاه، كلها تقلل مما يحتاج النموذج إلى تحريكه، وعادة ما تبدو النتيجة أكثر تصلبا بسبب ذلك.
نصيحة: قصّ صورة المصدر بحيث يملأ الوجه معظم الإطار قبل تشغيلها. الإطار الضيق الجيد الإضاءة والأمامي يتفوق باستمرار على لقطة واسعة يكون فيها الوجه جزءا صغيرا من الصورة، لأن النموذج يوجّه تفاصيله إلى الفم بدلا من الخلفية.
يأتي الجانب الصوتي من صورة ناطقة من أحد مصدرين: نموذج تحويل نص إلى صوت يقرأ نصا تكتبه، أو تسجيل حقيقي ترفعه. تشمل مكتبة بيكاسو آي إيه تحويل النص إلى صوت ضمن نماذجها البالغة 488، لذا يمكنك الانتقال من جملة مكتوبة إلى مقطع منطوق دون تسجيل أي شيء بنفسك.
كتابة نص وترك نموذج ينطقه أمر سريع وقابل للتكرار. يعمل جيدا عندما يكون مضمون الرسالة أهم من هوية صاحب الصوت: مقدمة دورة، عرض منتج، جملة داخل شخصية في لعبة. أما تسجيل صوتك الخاص ورفعه فيحافظ على إيقاع الشخص الحقيقي ونبرته ودفئه، وهو أمر مهم لكل ما هو شخصي: رسالة عيد ميلاد لجد أو جدة، فيديو يُقصد منه أن يبدو مثلك أنت تحديدا.
القاعدة الصادقة تقع بين الاثنين: عندما يمكن للجمهور أن يصدّق بشكل معقول أن شخصا حقيقيا محددا يتحدث مباشرة بكلماته الخاصة، صرّح بوضوح أن الصوت، أو تحريك الصورة، أو كلاهما، صُنعا بالذكاء الاصطناعي. هذا التوضيح يكلف جملة واحدة، ويحمي من يشاهد من الالتباس حول ما يراه.
تكسب هذه التقنية مكانتها في رسائل حقيقية منخفضة المخاطر لا تستطيع صورة ثابتة وحدها نقلها. بطاقة تهنئة شخصية مصنوعة من صورة عائلية، صورة مؤسس يقدّم دورة عبر الإنترنت، رسم بأسلوب متحفي لشخصية تاريخية تقول جملة قصيرة مكتوبة لمشروع مدرسي، تميمة مرسومة أو شخصية لعبة تنطق سطر حوار: كل هذه الاستخدامات تنطلق من صورة يملك صاحبها حق تحريكها، مقترنة بنص كتبه أو وافق عليه.
يُتجاوز الخط الفاصل في اللحظة التي تصبح فيها الصورة ملكا لشخص آخر وتوضع كلمات في فمه دون علمه. تحريك صورة شخصية عامة لتبدو وكأنها تقول شيئا لم تقله قط، أو استخدام صورة شخص غريب مأخوذة من وسائل التواصل الاجتماعي، أو تقديم مقطع اصطناعي على أنه تسجيل غير معدّل لحدث حقيقي، كل ذلك استخدامات لن تتظاهر هذه الصفحة بأنها مقبولة. مزامنة الشفاه أداة إنتاج، وليست وسيلة لتلفيق دليل، ومعاملتها على هذا النحو هو ما يبقيها مفيدة لبقية الناس.
لا تتحرك كل صورة بنفس الجودة، ومعرفة موقع مصدر معين قبل إنفاق الأرصدة توفّر عليك إعادة محاولة. يعكس الجدول أدناه سلوك كل نوع في الممارسة، وليس ضمانا لأي صورة بعينها.
| نوع صورة المصدر | ما يستطيع النموذج رؤيته | جودة المزامنة المعتادة |
|---|---|---|
| صورة أمامية واضحة | فم كامل، حافتا الشفاه، خط الأسنان | قوية، ثابتة طوال المقطع |
| صورة بزاوية ثلاثة أرباع | معظم الفم، جانب مختصر | جيدة، مع بعض الليونة في الجانب البعيد |
| صورة قديمة أو منخفضة الدقة | حدود الفم موجودة لكن بتفاصيل قليلة | قابلة للاستخدام، تبدو المزامنة أقل إحكاما عن قرب |
| شخصية مرسومة أو مطلية | شكل فم مبسّط، دون أسنان أو ملمس حقيقي | جيدة على خطوط فم بسيطة وواضحة |
النمط في الصفوف الأربعة هو نفسه من القسم الأول: كلما رأى النموذج الفم بوضوح أكبر، استطاع تحريكه بشكل أكثر إقناعا.
العملية الكاملة، من صورة على هاتفك إلى مقطع مصدّر، تستغرق نحو عشر دقائق بمجرد تجهيز النص. معظم هذا الوقت يذهب إلى الصوت، وليس إلى المزامنة نفسها.
مزامنة الشفاه جيدة في مهمة واحدة محددة، مطابقة فم مع مقطع صوتي، ويستحق الأمر أن نكون واضحين حول أين تنتهي هذه المهمة.
لا تجعل أي من هذه الحدود التقنية أقل فائدة لما هي مصممة له فعلا: رسالة منطوقة، قصيرة وصادقة، من صورة لم تكن لتتحدث بأي طريقة أخرى. بعيدا عن مزامنة الشفاه، تغطي مكتبة النماذج توليد الصور والتكبير والفيديو، ويستحق الشخصيات المتسقة بالذكاء الاصطناعي نظرة إن احتاجت الشخصية المرسومة في صورتك إلى الظهور، والتحدث، أكثر من مرة.
شيئان: صورة يظهر فيها الفم بوضوح، ومقطع صوتي بالكلمات التي تريد نطقها. يمكن أن يأتي الصوت من نموذج تحويل نص إلى صوت أو من تسجيل تصنعه بنفسك. بمجرد جهوزية الاثنين، يدمجهما نموذج مزامنة شفاه في مقطع فيديو قصير تتحرك فيه الشفاه مع إيقاع الصوت. لا شيء آخر مطلوب، لا يوجد شكل خاص للنص ولا كاميرا معينة، فقط صورة لائقة وصوت نظيف.
كلاهما يعمل، ويعتمد الاختيار على ما تصنعه. تحويل النص إلى صوت يولّد صوتا من نص مكتوب، وهو سريع ومفيد عندما يكون مضمون الرسالة أهم من هوية صاحب الصوت. تسجيل صوتك يحافظ على إيقاعك ونبرتك الحقيقيين، وهو مهم لكل ما هو شخصي، مثل رسالة يُقصد منها أن تبدو مثلك. تشمل مكتبة بيكاسو آي إيه نماذج تحويل نص إلى صوت، لذا كلا المسارين متاح من نفس الحساب.
نعم، مع تحفظ على الجودة. الصور القديمة، خصوصا المطبوعات الممسوحة ضوئيا، غالبا ما تكون أقل دقة وأكثر ضبابية حول الفم من صورة هاتف حديثة، لذا تميل المزامنة إلى أن تبدو أقل إحكاما مما ستكون عليه على صورة واضحة وحديثة. تعمل رغم ذلك، وفي رسالة عيد ميلاد أو فيديو تذكاري غالبا ما يكون الشعور أهم من مزامنة مثالية بدقة البكسل. اختيار أوضح صورة أمامية متاحة من المجموعة يحدث فرقا حقيقيا.
ليس جيدا. تحتاج نماذج مزامنة الشفاه إلى رؤية حافتي الفم لتحريكه بشكل مقنع، وتخفي الزاوية الجانبية الحادة نصف تلك المعلومات. زاوية ثلاثة أرباع قد تعطي نتيجة قابلة للاستخدام، لكن الصورة الجانبية الكاملة عادة ما تبدو متصلبة أو بالكاد تتحرك. إن كان لديك خيار بين عدة صور، اختر الأقرب مباشرة إلى الكاميرا.
الجمل القصيرة تصمد أفضل. تكون جودة المزامنة عادة في أقوى حالاتها خلال الثواني الأولى من المقطع وقد تضعف مع طول الصوت، لذا تعطي جملة واحدة أو فقرة قصيرة نتيجة أكثر موثوقية من مونولوج ممتد. إن كان لديك نص طويل، فتقسيمه إلى بضعة مقاطع قصيرة وتشغيل كل منها بشكل منفصل يحافظ عادة على مزامنة أكثر إحكاما من مطالبة مقطع طويل واحد بحمل كل شيء.
نعم، وهذا من أنظف استخدامات هذه التقنية. تميمة مرسومة، أو شخصية لعبة، أو صورة بأسلوب متحفي لشخصية تاريخية تقول جملة قصيرة مكتوبة لقصة أو مشروع مدرسي، كلها تعمل جيدا، لأنه لا توجد شخصية حقيقية حية يُستخدم شكلها دون موافقة. اعرض النص بوضوح كتمثيل مسرحي، لا كشيء قالته الشخصية فعلا في تسجيل.
فقط بعلمه وموافقته، وفقط بنطق كلمات وافق عليها هو نفسه. استخدام صورة شخص حقيقي معروف الهوية، خصوصا غريب أو شخصية عامة، لجعله يبدو وكأنه يقول شيئا لم يقله قط ليس استخداما مشروعا لهذه التقنية، مهما بدت النتيجة مقنعة. التزم بصورتك الخاصة، أو صور أشخاص وافقوا على ذلك، أو موضوعات غير حقيقية مثل الشخصيات المرسومة.
كلما كان يمكن للجمهور أن يخلط المقطع بشكل معقول بتسجيل غير معدّل لشخص حقيقي يتحدث مباشرة، نعم. توضيح من سطر واحد، صُنع بصوت ومزامنة شفاه بالذكاء الاصطناعي، في التسمية التوضيحية أو داخل الفيديو نفسه، يكفي. إضافته لا تكلف شيئا تقريبا، وهي الفرق بين استخدام ممتع وصادق للتقنية ومقطع يضلل شخصا حول ما يشاهده.
دقة أعلى تساعد عادة، لكن صورة هاتف بإضاءة جيدة تكون غالبا كافية بالفعل، فالدقة أقل أهمية من رؤية واضحة وأمامية للفم. صورة كبيرة ومنخفضة الدقة بزاوية جيدة غالبا ما تتفوق على صورة مصغرة صغيرة وواضحة مقصوصة من بعيد، لذا امنح الأولوية للإطار والإضاءة أولا وتعامل مع الدقة كعامل ثانٍ.
تحصل الحسابات الجديدة على أرصدة مجانية، تكفي لتجربة مقطع مزامنة شفاه ومقطع تحويل نص إلى صوت قبل تحديد ما إذا كان مسار العمل يستحق أن يصبح جزءا من روتينك. بعد ذلك، يستهلك التوليد نفس نظام الأرصدة المستخدم عبر المكتبة كلها، وأسعار الخطط الحالية مدرجة في صفحة الأسعار. لا توجد خطة منفصلة للصور الناطقة فقط؛ يغطي الحساب نفسه مزامنة الشفاه وتحويل النص إلى صوت وكل شيء آخر في المكتبة.
لديك بالفعل صورة تستحق صوتا، صورة شخصية، أو صورة عائلية قديمة، أو شخصية رسمتها بنفسك. افتح الأدوات، اقرنها بنص، واستمع إليها تتحدث.
