Modèle vidéo · MiniMax ·
MiniMax H3 Max Lip-sync est un modèle de vidéo de MiniMax. Sur Endless, il coûte à partir de 277 crédits par vidéo et est disponible à partir du forfait Hobby.
Utilisez-le pour créer des vidéos à partir d’un prompt ou d’une image, à côté de tous les autres modèles de votre espace de travail.
À partir de 277 crédits par vidéo
MiniMax H3 Max Lip-sync part d'une image fixe. Une image avec un visage visible et une piste audio entrent, et il en ressort une vidéo de ce visage prononçant l'audio, avec la bande-son incluse et la même durée que l'audio. Vos choix sont le portrait, l'audio et la résolution.
C'est la version synchronisation labiale de H3 Max, entraînée ensuite à partir de MiniMax H3, le modèle de scènes qui a son propre guide. H3 crée l'image, les dialogues et le son à partir d'un prompt. Ce modèle part d'un visage et d'une voix que vous avez déjà.
La page de lancement de fal décrit comment la voix fait bouger la bouche. Le point d'accès peut transcrire l'audio et utiliser les mots pour guider les formes de la bouche, ce qui explique que la synchronisation tienne d'une langue à l'autre.
Image : [un visage net], [cadrage], [orientation adaptée à l'endroit où elle sera diffusée].
Audio : [voix seule], [5 secondes ou plus], [silences coupés].
Résolution : [basse pour le brouillon, haute pour la version finale].
Si vous n'avez pas encore de portrait, créez-en un d'abord avec un modèle d'image dans Endless : de face, avec une expression neutre et la bouche fermée ou à peine ouverte.
L'audio doit durer au moins 5 secondes ; Endless accepte jusqu'à 15 minutes. N'utilisez que la voix : la musique et les effets sous une voix brouillent les mots que lit le modèle. Coupez le silence au début et à la fin, car une entrée silencieuse devient un visage immobile au début de la vidéo.
Pour les longs scripts, la page de lancement de fal suggère de découper l'audio et de générer chaque partie avec la même photo. Couper aux changements de paragraphe donne des raccords propres et permet de refaire une partie sans repayer tout le script.
Il n'y a pas de réglage de langue : le modèle suit la langue de votre enregistrement. Un modèle de voix dans Endless comme ElevenLabs v3 ou MiniMax Speech 02 HD peut créer la piste à partir d'un script.
Si vous avez des images filmées, utilisez Sync 3 ou VEED Lipsync 2 : la page de fal indique que ce modèle part d'une image fixe et ne peut pas redoubler une vidéo existante.
Dans votre espace de travail, ouvrez Vidéo et choisissez MiniMax H3 Max Lip-sync dans le sélecteur de modèle.
Rédigez un prompt avec le sujet, la caméra et le mouvement, ou partez d’une image que vous importez ou générez.
Lancez la génération, puis affinez dans le chat ou sur un canvas. Chaque clip est enregistré dans les fichiers de votre espace de travail.
Classés par cas d’usage. Chacun s’ouvre dans Endless avec MiniMax H3 Max Lip-sync, prêt à être modifié et généré.
Image : un portrait de studio du porte-parole, de face, bouche visible, en vertical pour du 9:16. Audio : une lecture de 12 secondes de l'offre réalisée avec un modèle de voix dans Endless, sans musique. Résolution : 720p pour le brouillon, 2K pour la version finale.
Image : une photo en buste de la propriétaire d'une boutique derrière le comptoir, regardant la caméra. Audio : sa propre note vocale de 20 secondes sur l'offre de la semaine, coupée pour commencer dès le premier mot.
Image : une photo carrée du fondateur tenant le produit à côté du visage. Audio : une phrase de 10 secondes qui nomme le produit, enregistrée avec un bon micro. Résolution : 1080p.
Image : un portrait de trois quarts d'une mannequin sous une lumière du jour douce. Audio : le même script de 15 secondes en espagnol, en portugais et en anglais, une exécution par langue avec le même portrait.
Image : une photo horizontale 16:9 d'un chef dans une cuisine, visage bien éclairé. Audio : un teaser de recette de 25 secondes lu d'une voix chaleureuse et régulière. Résolution : 1080p.
Image : un portrait d'une présentatrice des ressources humaines sur fond uni, de face. Audio : la première partie de 45 secondes du script d'onboarding, lue à un rythme calme. Résolution : 1080p.
Image : le même portrait de présentatrice que dans les leçons précédentes. Audio : la leçon 4 du cours, découpée en parties d'une minute, chacune traitée séparément avec la même image.
Image : un portrait généré d'un formateur sympathique dans une salle de classe, en 16:9. Audio : un briefing de sécurité de deux minutes réalisé avec un modèle de voix dans Endless. Résolution : 720p.
Image : un portrait d'un spécialiste produit. Audio : une explication de 30 secondes d'une nouvelle fonctionnalité, enregistrée avec une courte pause entre chaque étape.
Image : un portrait 4:3 d'une enseignante à son bureau. Audio : une courte leçon de vocabulaire en français, lue lentement et clairement. Résolution : 480p pour la relecture, 1080p pour le cours.
Image : une illustration 2D de la mascotte d'une marque, une chouette bleue ronde avec le bec visible et les yeux tournés vers l'avant. Audio : une phrase d'accueil de 10 secondes d'une voix aiguë et enjouée.
Image : un rendu 3D d'un personnage de jeu vidéo de trois quarts, bouche bien dessinée. Audio : une réplique de quête de 8 secondes par le comédien de doublage du jeu. Résolution : 2K.
Image : une peinture à l'huile d'un personnage historique, visage éclairé de côté. Audio : une narration de 30 secondes à la première personne pour une vitrine de musée.
Image : un portrait de style anime d'un personnage présentateur, en vertical. Audio : une intro de chaîne de 15 secondes lue en japonais.
Image : un rendu de style pâte à modeler d'un personnage de grand-mère. Audio : le début d'une histoire du soir de 20 secondes, lue lentement d'une voix chaleureuse.
Image : un portrait du narrateur d'un documentaire dans un studio sombre. Audio : une narration de 3 minutes, découpée aux changements de paragraphe en parties de moins d'une minute, chacune traitée avec le même portrait.
Image : le portrait de l'animateur d'un podcast. Audio : son intro d'épisode de 40 secondes, sans la musique.
Image : un portrait d'une guide touristique dans une rue de la ville. Audio : le même message d'accueil de 20 secondes en italien, en allemand et en coréen, une exécution par langue.
Image : une photo d'une médecin dans un cabinet, regardant la caméra. Audio : un message de 30 secondes avec des conseils aux patients enregistré par la médecin, silence coupé aux deux extrémités.
Image : un personnage de conteur illustré. Audio : une fable d'une minute lue par un modèle de voix dans Endless, avec des pauses expressives entre les phrases. Résolution : 1080p.
par MiniMax
À partir de 19 crédits par vidéo
par MiniMax
À partir de 84 crédits par vidéo
par ByteDance
À partir de 51 crédits par vidéo
MiniMax H3 Max Lip-sync est disponible à partir du forfait Hobby. Créez un espace de travail gratuit pour essayer d’abord les autres modèles, puis passez à un forfait supérieur quand vous en avez besoin.