Avatares que hablanPro Beta
Wan 2.5 Speak
Creado por Alibaba (Tongyi Lab · Wan)
Convierte una imagen en un vídeo con sonido: crea música y efectos acordes a la escena o sigue un audio tuyo, como una locución. Pensado para imágenes que cobran vida con voz.
Vídeo oficial · Tongyi Lab
Lo que lo hace especial
- Genera el sonido a la vez que la imagen, sincronizado con lo que pasa en pantalla.
- Si no le das audio, crea música o efectos que encajan con el vídeo.
- Puedes darle tu propio audio (WAV o MP3, de 3 a 30 segundos) como música o locución.
- Clips de 5 o 10 segundos, a 480p, 720p o 1080p.
- El resultado sale en MP4.
Ficha técnica
El modelo
- Entrada
- Imagen + texto (+ audio opcional)
- Duración
- 5 o 10 s
- Calidad
- 480p · 720p · 1080p
- Audio propio
- WAV o MP3 · 3–30 s · hasta 15 MB
- Imagen
- JPG, PNG, BMP, WEBP · hasta 20 MB
- Salida
- MP4 (H.264)
- Texto del pedido
- Hasta 1.500 caracteres
En Wiri
- Pedido
- 4.000 caracteres
- Coste
- 12 créditos por generación
Sus límites
- Es una versión preliminar («Preview»): Alibaba ya ofrece Wan 2.6 y posteriores.
- Si tu audio es más largo que el vídeo, se corta; si es más corto, el vídeo queda en silencio al terminar.
- La documentación de Alibaba no describe la sincronización de labios como función propia.
- La imagen debe medir entre 240 y 8.000 px por lado y pesar hasta 20 MB.
Los nombres, logos y vídeos de los modelos son de sus respectivos dueños. Los datos salen de su documentación oficial; algunas funciones del modelo pueden no estar todavía en Wiri.