Tavus बातचीत वाले वीडियो का प्लेटफ़ॉर्म है: चेहरे और आवाज़ वाले AI एजेंट जो लोगों से रियल टाइम में बात करते हैं। Picasso IA 488 मॉडल का कैटलॉग है, जहाँ अवतार, टॉकिंग फ़ोटो, लिप सिंक और वॉइस मॉडल इमेज, वीडियो, म्यूज़िक और 3D के साथ मिलते हैं, शुरू करने के लिए मुफ्त क्रेडिट के साथ।
Picasso IA और Tavus दोनों स्क्रीन पर इंसान जैसा चेहरा लाते हैं, और उसके बाद दोनों की दिशा अलग हो जाती है। Tavus बातचीत वाले वीडियो के इर्द-गिर्द बना है। उसका मूल विचार एक AI एजेंट है जिसके पास चेहरा और आवाज़ है, जो सामने वाले को देखता और सुनता है और वीडियो कॉल की तरह रियल टाइम में जवाब देता है। इसके आसपास किसी व्यक्ति की रेप्लिका, एजेंट को प्रोडक्ट में जोड़ने के लिए डेवलपर API, और कोड न लिखने वालों के लिए नो-कोड रास्ता है। Picasso IA दूसरी तरह का प्रोडक्ट है: बारह कैटेगरी और कई लैब के 488 मॉडल, जहाँ अवतार और टॉकिंग फ़ोटो मॉडल, लिप सिंक, टेक्स्ट टू स्पीच और वॉइस क्लोनिंग इमेज, वीडियो, म्यूज़िक और 3D के साथ रहते हैं, सब एक अकाउंट में, साइन-अप पर मुफ्त क्रेडिट के साथ। Picasso IA से जो निकलता है वह एक फ़ाइल है जो आप बनाते और रखते हैं, लाइव बातचीत नहीं।
इसलिए पहला सवाल यह है कि आपको ऐसा चेहरा चाहिए जो जवाब दे, या ऐसा चेहरा जो एक बार बोले। अगर ग्राहक को ज़ोर से सवाल पूछकर स्क्रीन पर एजेंट से जवाब मिलना चाहिए, जैसे सेशन चलाने वाला कोच, रिसेप्शन का होस्ट, या रोल-प्ले करने वाला ट्रेनिंग पार्टनर, तो Tavus इसी काम के लिए बना है, और हमारे कैटलॉग में ऐसा कुछ नहीं है। अगर आपको फ़ोटो और स्क्रिप्ट से बोलते चेहरे की क्लिप, प्रेज़ेंटर वीडियो, डब या अनुवादित वीडियो, या अवतार को सामान्य फ़ुटेज के साथ मिलाने वाली क्लिप चाहिए, तो Picasso IA यह और आसपास का काफ़ी काम कवर करता है।
दोनों में से कोई भी दूसरे का छोटा रूप नहीं है। एक इंटरैक्टिव वीडियो अनुभव बनाने का प्लेटफ़ॉर्म है; दूसरा एक वर्कशॉप है जहाँ आप हर मीडिया के लिए सही मॉडल चुनते हैं। नीचे के सेक्शन बताते हैं कि हर एक मुफ्त में क्या देता है, भुगतान से क्या बदलता है, हर एक कैसे जनरेट करता है, अवतार से आगे हर एक क्या कवर करता है, और किसे कौन सा चुनना चाहिए। जहाँ Tavus सीधे-सीधे बेहतर टूल है, वहाँ यह पेज वही कहता है, और वह हिस्सा सबसे लंबा है।
ग्यारह पंक्तियाँ। पहली सात हाँ या नहीं वाले सवाल हैं, और आख़िरी चार को एक वाक्यांश चाहिए क्योंकि एक निशान उन्हें ईमानदारी से बयान नहीं कर सकता।
| सुविधा | Picasso IA | Tavus |
|---|---|---|
| रियल टाइम में जवाब देने वाला वीडियो एजेंट | नहीं | हाँ |
| बातचीत वाले वीडियो एजेंट बनाने के लिए डेवलपर API | नहीं | हाँ |
| बातचीत याद रखने और नॉलेज बेस इस्तेमाल करने वाला एजेंट | नहीं | हाँ |
| स्क्रीन पर बोलने वाला इंसान जैसा AI चेहरा | हाँ | हाँ |
| इमेज से 3D मॉडल बनाना | हाँ | नहीं |
| म्यूज़िक जनरेशन | हाँ | नहीं |
| इमेज अपस्केलिंग और बैकग्राउंड हटाने के टूल | हाँ | नहीं |
| मॉडल कैटलॉग | कई लैब के 488 मॉडल | अपने एजेंटों के इर्द-गिर्द बना एक प्लेटफ़ॉर्म |
| अंत में आपके पास क्या होता है | आपकी अपनी क्लिप और फ़ाइलें | एजेंट के साथ लाइव बातचीत |
| शुरुआत कैसे होती है | मॉडल चुनें, प्रॉम्प्ट लिखें | एजेंट डिज़ाइन करें, फिर जोड़ें |
| किसके लिए सबसे अच्छा | क्रिएटर, मार्केटर, डेवलपर | वीडियो एजेंट लॉन्च करने वाली टीमें |
Picasso IA 3 पंक्तियों में आगे है, Tavus 3 में आगे है, और बाकी 5 इस पर निर्भर करती हैं कि आपको क्या चाहिए।
इस स्कोर को दो कामों के नक्शे की तरह पढ़ें, मुकाबले की तरह नहीं। जो तीन पंक्तियाँ Tavus जीतता है वही Tavus के होने की वजह हैं: लाइव जवाब देने वाला चेहरा, उसे प्रोडक्ट में जोड़ने के लिए API, और याद रखने वाला एजेंट। Picasso IA इनमें से किसी को करने की कोशिश नहीं करता, और अगर आपके प्रोजेक्ट को ये चाहिए तो इस तालिका का बाकी हिस्सा आपकी राय नहीं बदलेगा। जो तीन पंक्तियाँ हम जीतते हैं वे विस्तार की हैं, और विस्तार तभी मायने रखता है जब आपका काम सिर्फ़ एक इंटरैक्टिव एजेंट न हो।
Picasso IA का नया अकाउंट मुफ्त क्रेडिट के साथ शुरू होता है, जो उसी कैटलॉग पर खर्च होते हैं जिसे सब इस्तेमाल करते हैं, किसी कटे-छंटे डेमो पर नहीं। यानी आप अपनी किसी फ़ोटो पर Kling Avatar v2 या OmniHuman 1.5 जैसा टॉकिंग फ़ोटो मॉडल चला सकते हैं, लिप सिंक मॉडल आज़मा सकते हैं, टेक्स्ट टू स्पीच मॉडल से आवाज़ बना सकते हैं, या एक ही प्रॉम्प्ट से इमेज और वीडियो दोनों बना सकते हैं, यह सब कुछ तय करने से पहले। आप बिना भुगतान के कलेक्शन और इफ़ेक्ट्स पेज भी देख सकते हैं, जो दिखाता है कि मॉडल असल में क्या बनाते हैं, न कि लैंडिंग पेज क्या दावा करता है। इंटरफ़ेस अंग्रेज़ी, स्पैनिश, पुर्तगाली, फ़्रेंच, अरबी और हिंदी में उपलब्ध है।
प्रतिबद्ध होने से पहले Tavus को आज़माया जा सकता है या नहीं, और कैसे, यह Tavus को प्रकाशित करना और बदलना है, इसलिए मौजूदा रूप के लिए उसकी साइट देखें। जो टिकाऊ है वह इस आज़माइश की किस्म है: आप एक एजेंट या रेप्लिका को परख रहे होते हैं, इसलिए पहला काम का प्रयोग अक्सर एक पर्सोना बनाना, उसे कुछ जानकारी देना और उससे बात करना होता है, न कि प्रॉम्प्ट लिखकर क्लिप पाना।
ईमानदार बँटवारा यह है: अगर आप शुरुआती कुछ मिनटों में अपनी मौजूदा फ़ोटो से तैयार बोलता वीडियो देखना चाहते हैं, तो Picasso IA आपको सबसे कम सेटअप में वहाँ पहुँचाता है। अगर आपको यह जानना है कि लाइव बातचीत वाला एजेंट आपके ग्राहकों को ठीक लगेगा या नहीं, तो Tavus को आज़माना ही इसे जानने का एकमात्र तरीका है, क्योंकि हमारे पास तुलना के लिए कोई लाइव एजेंट नहीं है।
Picasso IA पर भुगतान से क्रेडिट मिलते हैं, और क्रेडिट ही पूरी अर्थव्यवस्था हैं। हर जनरेशन में क्रेडिट लगते हैं, लागत मॉडल और आपकी चुनी सेटिंग पर निर्भर करती है, और लंबा अवतार वीडियो छोटे वीडियो या एक स्थिर इमेज से ज़्यादा खर्च करता है। मौजूदा प्लान और उनमें क्या शामिल है, यह प्राइसिंग पेज पर है; हम संख्याएँ वहीं रखते हैं, लेखों में नहीं, क्योंकि प्लान बदलते हैं और पुरानी संख्या किसी के काम नहीं आती।
Tavus पर भुगतान असली यूज़र्स के लिए एजेंट चलाने से जुड़ा है। Tavus इसे ठीक कैसे बाँटता है, और हर स्तर की कीमत क्या है, यह Tavus को प्रकाशित और संशोधित करना है, इसलिए यह पेज उसे नहीं दोहराता। ख़रीदार के तौर पर जो जानना काम का है वह लागत का संभावित स्वरूप है, क्योंकि वह शायद हमारे स्वरूप से अलग है। बातचीत वाला एजेंट एक ऐसी सेवा है जो तब तक चालू रहती है जब तक लोग उससे बात करते हैं, इसलिए ऐसी सेवा का बिल आम तौर पर समय के साथ इस्तेमाल के पीछे चलता है। बनाई गई क्लिप एक बार का काम है, इसलिए बिल इस पर चलता है कि आप कितनी क्लिप बनाते हैं और कौन से मॉडल चुनते हैं।
यह फ़र्क आपके फ़ैसले पर किसी भी रेट कार्ड से ज़्यादा असर डालना चाहिए। जो एजेंट किसी भी घंटे अनिश्चित संख्या में आगंतुकों से बात करता है वह चलती हुई सेवा है, और उसके लिए बना प्लेटफ़ॉर्म सही जगह है। इस हफ़्ते प्रेज़ेंटर वीडियो, अगले हफ़्ते डब किया हुआ संस्करण और उसके बाद एक प्रोडक्ट इमेज, ऐसे काम उन क्रेडिट से बेहतर बैठते हैं जिन्हें आप केवल जनरेट करते समय खर्च करते हैं। प्लान के सवाल सपोर्ट को भेजें।
यहीं दोनों प्रोडक्ट एक-दूसरे जैसे दिखना बंद करते हैं, और यहीं Tavus की ताक़त को सच में जगह मिलनी चाहिए।
Tavus एक ऐसे स्टैक से जनरेट करता है जिसे वह खुद बनाता है, और जो एक ही अनुभव के इर्द-गिर्द व्यवस्थित है: इंसान जैसा एजेंट जो सुनता है, तय करता है कब बोलना है, जवाब देता है, और बातचीत चलते-चलते चेहरा और आवाज़ रेंडर करता है। इसे स्वाभाविक बनाना कठिन समस्या है, क्योंकि बातचीत की लय, जवाब से पहले का ठहराव, टोकने का क्षण, बोलते समय का हाव-भाव, ये सब तस्वीर की गुणवत्ता जितने ही मायने रखते हैं। Tavus ने अपना प्रोडक्ट इसी पूरे चक्र को हल करने के लिए व्यवस्थित किया है, और अलग-अलग मॉडल का कैटलॉग उसे दोहरा नहीं सकता। जब आप खुद आवाज़ का मॉडल, चेहरे का मॉडल और शब्दों का मॉडल जोड़ते हैं तो जोड़ों वाली पाइपलाइन मिलती है; लाइव आदान-प्रदान के लिए डिज़ाइन किया प्लेटफ़ॉर्म जोड़ हटा देता है। यह असली इंजीनियरिंग बढ़त है, और इंटरैक्टिव अनुभव बनाने वाली टीम के लिए Tavus इस्तेमाल करने की यही वजह है।
Tavus व्यक्ति को इकाई मानता है। आप ऐसे इंसान की रेप्लिका बनाते हैं जिसने सहमति दी है, उसे आवाज़ और कुछ जानकारी देते हैं, और वही पर्सोना हर बातचीत या वीडियो में दोबारा दिखता है। यही निरंतरता मकसद है: वही प्रेज़ेंटर हर सत्र में दिखता है, बिना किसी के हर सत्र रिकॉर्ड किए। हमारे जैसे कैटलॉग में याद रखने वाले स्थायी पर्सोना का कोई बराबर चीज़ नहीं है।
Picasso IA उलटा दाँव लगाता है। हम कोई फ़ाउंडेशन मॉडल ट्रेन नहीं करते और ऐसा पर्सोना नहीं बनाते जिसे आप डिप्लॉय करें। हम 488 मॉडल का कैटलॉग संभालते हैं और आप वही चुनते हैं जो उस काम के टुकड़े के लिए सही हो। बोलते चेहरे के लिए इसका मतलब है कि Avatar IV, Kling Avatar v2, OmniHuman 1.5, Fabric 1.0 और Lipsync 2 जैसे मॉडल हर एक अपने पेज पर एक क्लिक दूर हैं, Veo 3.1 और Kling v3 जैसे वीडियो मॉडल और Speech 2.8 HD जैसे स्पीच मॉडल के बगल में। आप क्लिप का वर्णन करते हैं या फ़ोटो और आवाज़ की ट्रैक जोड़ते हैं, जनरेट दबाते हैं, और तैयार फ़ाइल पाते हैं। अलग-अलग मॉडल चेहरे, हाथ और मुँह की हरकत को अलग तरह से संभालते हैं, इसलिए जब कोई नतीजा ठीक न हो तो आप उसी इनपुट पर दूसरा मॉडल आज़माते हैं, कुछ दोबारा बनाए बिना।
आप इस तरह तीन जगह काम कर सकते हैं। टूलकिट वह जगह है जहाँ आप खुद मॉडल चुनते हैं, प्रॉम्प्ट लिखते हैं या फ़ाइलें जोड़ते हैं और जनरेट करते हैं। API एक रिक्वेस्ट लेता है जिसमें मॉडल का नाम और उसके इनपुट होते हैं और बनी हुई फ़ाइल लौटाता है, टूलकिट जैसे ही मॉडल और ठीक वही क्रेडिट; देखें सभी मॉडल के लिए एक API। और Supercomputer चैट में एक एजेंट है: आप सीधे शब्दों में नतीजा बताते हैं, वह काम की योजना बनाता है, कैटलॉग से मॉडल चुनता है, चरण रेंडर करता है और नतीजा दिखाता है, और आप उसी बातचीत में उसे दिशा देते हैं। यह टूलकिट से अलग प्रोडक्ट है, उन दिनों के लिए जब आप मॉडल चुनने के बजाय नतीजा बताना पसंद करते हैं। फिर भी इनमें से कुछ भी लाइव बातचीत नहीं बनाता। यहाँ का एजेंट फ़ाइलें बनाता है, और चेहरा कभी ग्राहक को रियल टाइम में जवाब नहीं देता।
अवतार और बोलते वीडियो में दोनों प्रोडक्ट सच में मैदान में हैं। Tavus का रूप लाइव है: जवाब देने वाला चेहरा। Picasso IA का रूप बनाई गई क्लिप है: बोलती फ़ोटो, अवतार प्रेज़ेंटर, स्क्रिप्ट पढ़ता किरदार, मौजूदा फ़ुटेज को नई आवाज़ से मिलाने वाला लिप सिंक चरण, और Video Translate जैसे मॉडल से दूसरी भाषा में वॉइस-ओवर। हमारा AI टॉकिंग फ़ोटो पेज दिखाता है कि यह एक तस्वीर से कैसे होता है, और HeyGen से तुलना क्लिप बनाने वाले पक्ष के सबसे करीबी पड़ोसी को कवर करती है।
सामान्य वीडियो में Picasso IA Veo 3.1 और Kling v3 जैसे टेक्स्ट टू वीडियो और इमेज टू वीडियो मॉडल देता है, इसलिए बिना किसी बोलते चेहरे का दृश्य, प्रोडक्ट शॉट, कोई प्राकृतिक नज़ारा या एनिमेटेड स्टिल सामान्य काम है। Tavus स्क्रीन पर मौजूद लोगों और बातचीत के इर्द-गिर्द व्यवस्थित है, इसलिए सिनेमाई या अमूर्त फ़ुटेज उसका फ़ोकस नहीं है।
स्थिर इमेज के लिए कैटलॉग अवतार मॉडल को देने लायक फ़ोटोरियलिस्टिक पोर्ट्रेट, प्रोडक्ट इमेज, इलस्ट्रेशन या ब्रांड ग्राफ़िक कवर करता है। Tavus स्क्रीन पर मौजूद लोगों के इर्द-गिर्द व्यवस्थित है, इसलिए स्थिर इमेज के लिए आप उसे नहीं चुनेंगे।
ऑडियो में हम टेक्स्ट टू स्पीच, आपकी अपनी आवाज़ की क्लोनिंग, डबिंग और म्यूज़िक जनरेशन कवर करते हैं, इसलिए वीडियो की आवाज़ की ट्रैक उसी अकाउंट में बन सकती है। Tavus अपने एजेंट और रेप्लिका को अनुभव के हिस्से के रूप में आवाज़ें देता है, जो बातचीत के लिए सही रूप है पर अलग से म्यूज़िक या साउंड बनाने की जगह नहीं।
3D में दोनों आपस में नहीं टकराते। Picasso IA इमेज को 3D मॉडल में बदल सकता है; Tavus लोगों के वीडियो के बारे में है और यह नहीं करता।
एक सावधानी दोनों पर लागू होती है: चेहरे और आवाज़ें किसी की होती हैं। अपना चेहरा और अपनी आवाज़, काल्पनिक किरदार, या ऐसा व्यक्ति इस्तेमाल करें जिसने साफ़ सहमति दी हो। यह Tavus की रेप्लिका के लिए उतना ही सच है जितना यहाँ अवतार मॉडल में डाली गई फ़ोटो के लिए।
Picasso IA एडिटिंग को समर्पित मॉडल के सेट की तरह लेता है जो कोई भी फ़ाइल स्वीकार करते हैं, चाहे वह यहाँ बनी हो या नहीं। फ़ोन की फ़ोटो अपलोड करके उसका बैकग्राउंड हटाएँ, छोटी इमेज का रेज़ोल्यूशन बढ़ाएँ इससे पहले कि उसे अवतार क्लिप का चेहरा बनाएँ, या इमेज एडिटिंग मॉडल को चेहरे को छुए बिना शर्ट का रंग बदलने जैसा निर्देश दें। जो क्लिप आपके पास पहले से हैं उनके लिए वीडियो एडिटिंग और एन्हांसमेंट मॉडल भी हैं। हर रन में क्रेडिट लगते हैं जो मॉडल और सेटिंग पर निर्भर करते हैं, इसलिए असली फ़ाइल पर उसे आज़माना सस्ता प्रयोग है। बैच काम के लिए बैकग्राउंड हटाने की API है।
Tavus सामान्य एडिटर की तरह नहीं बना है। वह अपने एजेंटों और उनके कहे के इर्द-गिर्द बना है, जो बातचीत वाले प्रोडक्ट के लिए ठीक है; फ़ोटो रीटच करना या अपने शूट किए फ़ुटेज को बेहतर बनाना दूसरा काम है।
यहाँ एक व्यावहारिक जोड़ी बनती है। अगर आप Tavus पर एजेंट बनाते हैं, तो लैंडिंग पेज का थंबनेल और बातचीत में दिखाई जाने वाली प्रोडक्ट इमेज कहीं तो बनानी होंगी, और एडिटिंग टूल वाला कैटलॉग उसके लिए समझदार जगह है।
Picasso IA पर स्पीड मॉडल पर निर्भर करती है। तेज़ इमेज मॉडल सेकंडों में लौटते हैं, भारी मॉडल ज़्यादा समय लेते हैं, और वीडियो, अवतार वीडियो समेत, मिनट लेता है, क्योंकि वीडियो कहीं भी गणना में महँगा है। जॉब की क्रेडिट लागत उसी तर्क पर चलती है।
Tavus पर स्पीड अलग सवाल है, क्योंकि प्रोडक्ट का वादा रियल टाइम है। बातचीत वाले एजेंट को इस पर परखा जाता है कि आदान-प्रदान कितना स्वाभाविक लगता है, जवाब कितनी जल्दी आता है और बारी लेना कितना सहज है, न कि रेंडर कितना समय लेता है, और इसी आयाम में उद्देश्य से बना प्लेटफ़ॉर्म अलग-अलग पुर्ज़ों से जोड़ी किसी भी चीज़ पर बढ़त रखता है। Tavus के मौजूदा व्यवहार, सीमाओं और कोटा के लिए उसके अपने दस्तावेज़ स्रोत हैं, क्योंकि ये ब्योरे प्रोडक्ट के साथ बदलते हैं।
कमर्शियल उपयोग में दोनों जगह एक जैसी सावधानी चाहिए। Picasso IA पर हर मॉडल का अपना लाइसेंस है और प्लेटफ़ॉर्म के अपने नियम हैं, इसलिए जिस मॉडल पर आप निर्भर हैं उसका लाइसेंस और प्लेटफ़ॉर्म के नियम पढ़ें, उसके आउटपुट पर कारोबार खड़ा करने से पहले। Tavus पर उसकी शर्तें पढ़ें कि रेप्लिका, आवाज़ें और बनाया गया वीडियो कैसे इस्तेमाल हो सकते हैं, और पक्का करें कि जिसका चेहरा या आवाज़ रेप्लिका बन रही है उसने साफ़ अनुमति दी है। दोनों में, ऐसी किसी भी चीज़ से बचें जो ऐसे असली, पहचाने जा सकने वाले व्यक्ति से भ्रमित हो सके जिसने सहमति नहीं दी, और जब प्रेज़ेंटर जनरेट किया गया हो तो अपने दर्शकों को बताएँ।
आठ कारण, हर तरफ़ चार। अगर आपका असली सवाल लाइव एजेंट के बजाय क्लिप बनाने वाले अवतार टूल के बारे में है, तो HeyGen से तुलना ज़्यादा करीबी है, और बोलते चेहरे के बिना वीडियो जनरेशन के लिए Runway से तुलना बेहतर बैठती है।
Picasso IA को तब चुनें जब आपको चलती सेवा के बजाय तैयार क्लिप और फ़ाइलें चाहिए, जब अवतार वीडियो इमेज, म्यूज़िक, वॉइस और 3D के बीच एक काम हो, जब आप एक ही इनपुट पर कई अवतार और लिप सिंक मॉडल की तुलना करना चाहें, या जब आप डिज़ाइन करने के लिए पर्सोना के बजाय मुफ्त क्रेडिट और एक फ़ोटो से शुरू करना पसंद करें।
दोनों को देखने वाले ज़्यादातर लोग अलग-अलग कामों के लिए दोनों इस्तेमाल करने लगते हैं, इसलिए इसे एक टूल जोड़ने की तरह सोचें, किसी को बदलने की तरह नहीं। अगर कोई एजेंट पहले से Tavus पर चल रहा है, तो यहाँ कुछ भी उसे बदलने की ज़रूरत नहीं डालता।
बोलते चेहरे की क्लिप, प्रेज़ेंटर वीडियो, डबिंग और एक अकाउंट में बने कई दूसरे मीडिया के लिए हाँ। स्क्रीन पर बोली जाने वाली बातचीत करने वाले लाइव एजेंट के लिए नहीं, क्योंकि Picasso IA ठीक यही नहीं करता। इसे पढ़ने का ईमानदार तरीका काम के हिसाब से है: अगर आउटपुट फ़ाइल है तो हमारा कैटलॉग अच्छा बैठता है, और अगर आउटपुट चेहरे के साथ चलती बातचीत है तो Tavus उसी के लिए बना टूल है और हम विकल्प नहीं हैं।
नहीं। Picasso IA फ़ाइलें बनाता है: अवतार मॉडल फ़ोटो और स्क्रिप्ट या आवाज़ की ट्रैक को वीडियो क्लिप में बदलता है, और जॉब खत्म होने पर नतीजा तैयार होता है। ऐसा कोई एजेंट नहीं है जो माइक्रोफ़ोन या कैमरे से सुने और लाइव जवाब दे। Supercomputer चैट एजेंट है जो आपके लिए मीडिया की योजना बनाता और रेंडर करता है, पर वह बातचीत में टेक्स्ट से काम करता है और इमेज, वीडियो और ऑडियो लौटाता है, ऐसा चेहरा नहीं जो रियल टाइम में बोलकर जवाब दे।
हाँ। कैटलॉग में Avatar IV, Kling Avatar v2 और OmniHuman 1.5 जैसे अवतार और टॉकिंग फ़ोटो मॉडल, Lipsync 2 और Fabric 1.0 जैसे लिप सिंक मॉडल, और वीडियो अनुवाद व डबिंग मॉडल शामिल हैं। अलग-अलग मॉडल चेहरे और मुँह की हरकत को अलग तरह से संभालते हैं, इसलिए एक ही फ़ोटो पर दो मॉडल आज़माना सामान्य वर्कफ़्लो है। अपना चेहरा और अपनी आवाज़ या काल्पनिक किरदार इस्तेमाल करें।
हाँ, अपनी सामग्री के साथ। कैटलॉग के वॉइस क्लोनिंग मॉडल आपके नमूने से आवाज़ बना सकते हैं, और अवतार मॉडल आपकी अपलोड की गई फ़ोटो को एनिमेट करते हैं। सिर्फ़ वही चेहरा या आवाज़ इस्तेमाल करें जो आपकी हो, किसी काल्पनिक किरदार की हो, या ऐसे व्यक्ति की जिसने साफ़ सहमति दी हो। यही सावधानी Tavus की रेप्लिका पर भी लागू होती है, और अपने वीडियो में दिखने वाले हर व्यक्ति से इसे साफ़ कह देना अच्छा है।
आप अपना प्रोडक्ट कैटलॉग से जोड़ सकते हैं, पर लाइव चेहरे से नहीं। API एक रिक्वेस्ट लेता है जिसमें मॉडल का नाम और उसके इनपुट होते हैं और बनी फ़ाइल लौटाता है, टूलकिट जैसे ही मॉडल और क्रेडिट के साथ, इसलिए कोई ऐप प्रेज़ेंटर क्लिप या आवाज़ की ट्रैक माँग सकता है। रिक्वेस्ट कैसे काम करती हैं यह देखने के लिए इमेज जनरेशन API देखें। आपके यूज़र्स से बात करने वाला स्क्रीन का एजेंट Tavus का इस्तेमाल है।
हम किसी लेख में दोनों में से किसी प्रोडक्ट की संख्याएँ नहीं छापते, क्योंकि कीमतें और सीमाएँ बदलती हैं और पुराना आँकड़ा भटकाता है। Picasso IA क्रेडिट पर चलता है: हर जनरेशन में क्रेडिट लगते हैं, लागत मॉडल और सेटिंग पर निर्भर है, और नए अकाउंट मुफ्त क्रेडिट से शुरू होते हैं। मौजूदा प्लान प्राइसिंग पेज पर हैं। Tavus अपने प्लान खुद प्रकाशित करता है और वे हमारे नियंत्रण से अलग बदलते हैं, इसलिए उसकी साइट देखें।
उस पर कुछ बनाने से पहले जाँच लें। कैटलॉग के हर मॉडल का अपना लाइसेंस है और प्लेटफ़ॉर्म के अपने नियम हैं, इसलिए जिस मॉडल पर आप निर्भर हैं उसके लिए दोनों पढ़ें। चेहरों और आवाज़ों के साथ ख़ास सावधानी रखें: अपने, काल्पनिक, या साफ़ अनुमति देने वाले लोगों के इस्तेमाल करें, और जब प्रेज़ेंटर जनरेट किया गया हो तो दर्शकों को बताएँ। किसी ख़ास मामले के लिए सपोर्ट को लिखें।
आमतौर पर नहीं। एक टीम Tavus पर बातचीत वाला एजेंट चला सकती है और उसके आसपास का मीडिया Picasso IA पर बना सकती है: इंट्रो क्लिप, थंबनेल, प्रोडक्ट इमेज, किसी वीडियो के अनुवादित संस्करण। अगर आप सिर्फ़ क्लिप बनाते हैं तो यहाँ का एक अकाउंट काफ़ी है। अगर आप सिर्फ़ लाइव एजेंट लॉन्च करते हैं तो शायद अकेला Tavus ही काफ़ी हो। नामों से जितना लगता है, ओवरलैप उससे कम है।
नहीं। Picasso IA और Tavus के बीच, या इन पेजों पर नामित किसी भी दूसरे प्रोडक्ट के साथ, कोई साझेदारी, एफ़िलिएट व्यवस्था या किसी भी दिशा में भुगतान नहीं है। Tavus का नाम यहाँ इसलिए आता है क्योंकि लाइव बातचीत वाले वीडियो प्लेटफ़ॉर्म और जनरेशन मॉडल के कैटलॉग के बीच उलझे लोग ठीक यही तुलना खोजते हैं, और हम सबसे उपयोगी चीज़ यह दे सकते हैं कि हर एक कहाँ फ़िट होता है, इसका सीधा ब्योरा।
हाँ, और अपने उद्देश्य के लिए यह मज़बूत है। ऐसा वीडियो एजेंट बनाना जो बातचीत जैसा लगे, सही करना कठिन है, और Tavus ने इसी समस्या के इर्द-गिर्द पूरा प्लेटफ़ॉर्म खड़ा किया है: लाइव जवाब देने वाला चेहरा, स्थायी पर्सोना, डेवलपर API और कोड न लिखने वालों के लिए रास्ता। अगर आपके प्रोजेक्ट को बोलने वाला एजेंट चाहिए, तो उसे चुनना समझौता नहीं, सही फ़ैसला है।
अगर आपका प्रोजेक्ट बातचीत नहीं, क्लिप है, तो टूलकिट में अपनी किसी फ़ोटो से शुरू करें और देखें कि कौन सा अवतार मॉडल आपको सबसे अच्छा लगता है।
अपनी भाषा चुनें
