De twee modellen in elk één alinea
OmniHuman 2.0 is het audiogestuurde menselijke videomodel van ByteDance. Je geeft het één foto en één stemopname, en de persoon op de foto spreekt of zingt met bijpassende lippen, gezicht en handen. Het accepteert ook geschreven regieaanwijzingen, zodat je de persoon kunt vertellen wat hij moet doen tijdens het spreken, zoals omhoog kijken en aan het einde glimlachen. Het werkt met zowel close-ups als foto's ten voeten uit vanaf één enkel beeld, en is geschikt voor zowel gesproken scripts als zangkaarten.
LTX 2.5, specifiek LTX 2.5 Pro, is het videomodel van Lightricks dat is gebouwd voor filmische clips. In plaats van alleen op de persoon te focussen, benadert het de generatie als een filmregisseur en regelt het de kadrering, belichting en camerabeweging rond de spreker. In Doppelshot draait het als een audiogestuurde spraakmotor waarbij je gekozen stem het script uitspreekt, het model de foto animeert binnen een gekadreerd shot en er achteraf kamergeluid wordt bijgemixt. Het is gemaakt voor korte, filmische spreekclips waarbij de omringende scène net zo belangrijk is als de woorden.
Lipsynchronisatie en gezicht
Wanneer je zoekt naar het beste lipsync-model in een vergelijking van modellen voor pratende foto's, beginnen beide motoren vanuit dezelfde basis: ze zijn audiogestuurd. Geen van beide modellen beweegt de mond willekeurig om er later woorden in te passen. In plaats daarvan komt het stemspoor eerst en wordt de video rond het geluid opgebouwd.
Bij OmniHuman 2.0 volgen de lippen, de ademhaling en de gezichtsuitdrukkingen direct het stemspoor. Omdat het model het ritme en de ademhaling van de audio volgt, kan het overweg met zowel normale spraak als muzikale frasering. Daarom kan het een gesproken monoloog dragen en blijft het ook overeind wanneer een foto een jingle of een liedje op maat zingt.
LTX 2.5 koppelt zijn lip- en gezichtsbewegingen ook vast aan het stemspoor, terwijl je gelijkenis uit de aangeleverde foto behouden blijft. Voor beide modellen is de kwaliteit van de invoerafbeelding van belang. Een duidelijke selfie recht van voren waarbij de mond zichtbaar is, geeft de meest stabiele gelijkenis en de strakste lipsynchronisatie. Korte zinnen klinken en ogen meestal ook natuurlijker dan lange, ingewikkelde zinnen.
Beweging: hoofd, handen, lichaam
Een pratende foto mislukt als de mond beweegt terwijl de rest van de persoon bevroren lijkt. OmniHuman 2.0 en LTX 2.5 lossen dit probleem op twee verschillende manieren op: de een richt zich op menselijke lichaamstaal en de ander op camera- en scènebeweging.
OmniHuman 2.0 is gebouwd voor expressieve spraak met gebaren. Het beweegt het hoofd, het gezicht en de handen op de maat van het audiospoor, en werkt op zowel een close-upportret als een foto ten voeten uit. Het onderscheidende kenmerk is dat het regieaanwijzingen in gewone woorden begrijpt. In tegenstelling tot de meeste spraakmotoren die alleen de audio lezen, kun je bij OmniHuman opschrijven wat de persoon doet tijdens het praten, zoals het hoofd draaien, omhoog kijken of glimlachen aan het einde van een zin.
LTX 2.5 benadert beweging als een cameraman en lichtregisseur. Terwijl het de lippen en het gezicht beweegt passend bij de spraak, animeert het ook het volledige kader rond de persoon. Het zet een shot neer via kadrering, licht en een camerabeweging. Omdat LTX een volledige scène rond het onderwerp rendert in plaats van alleen de spreker te animeren, kost het meer per generatie dan een OmniHuman-clip van 10 seconden. In de app zie je de prijs voordat je start, en op de pagina met prijzen kun je bekijken hoe tegoedpakketten werken.
Stem: audio als invoer, of stem gemaakt door het model
Bij het vergelijken van OmniHuman 2.0 vs LTX 2.5 op de open markt, merken mensen vaak op dat OmniHuman een audiobestand als invoer neemt, terwijl LTX zijn eigen audio en scènegeluid kan genereren. Binnen Doppelshot is de werkwijze gelijkgetrokken, zodat je altijd de exacte stem en het script bepaalt.
In de app draaien beide modellen als audiogestuurde motoren, aangedreven door ElevenLabs voor stemmen en jingles, en Mureka voor liedjes op maat. Je schrijft je script en de taal van de spraak volgt de tekst die je typt. Je kunt kiezen uit ongeveer 30 stemmen uit de bibliotheek, of je gebruikt een kloon van je eigen stem nadat je eenmalig een korte toestemmingsclip hebt opgenomen in de app. Als je OmniHuman 2.0 gebruikt en de steminstelling op Auto laat staan, volgt de stem automatisch de persoon op de foto.
Het verschil in audio zit aan het einde van het proces. OmniHuman 2.0 richt zich puur op het afstemmen van de ademhaling, lippen en gebaren van de persoon op het stem- of muziekspoor. LTX 2.5 gebruikt dat stemspoor eerst om het gezicht en het kader te animeren, en mixt er daarna kamergeluid bij zodat de clip klinkt alsof hij in een echte ruimte is opgenomen. Als je de stapsgewijze instructies wilt lezen voor het instellen van een stem of liedje, bekijk dan de gids over hoe je een foto laat praten of zingen.
Lengte en formaat
De lengte is een van de duidelijkste manieren om tussen de twee motoren te kiezen. Als je meer dan een paar zinnen te zeggen hebt, past slechts een van deze twee modellen bij je script.
LTX 2.5 maakt één clip van maximaal 9 seconden. In de praktijk past daar ongeveer 25 woorden aan gesproken tekst in. Het is gebouwd voor één strak shot in een verticaal formaat, of als één gesproken moment binnen een video met meerdere shots.
OmniHuman 2.0 is gebouwd voor langere teksten. Het werkt in blokken van 10 seconden en ondersteunt scripts van 10, 20 en 30 seconden tegen hetzelfde tarief per 10 seconden. Binnen het bredere aanbod van AI-modellen in de app kunnen andere spraakmotoren tot 60 seconden gaan, en zangvideo's draaien als verticale clips van 10 seconden die direct klaar zijn voor TikTok, Reels en Shorts.
Welk model voor welke kaart
Elke kaart in Doppelshot draait op een standaardmodel dat voor die taak is gekozen, en in de Studio kun je overschakelen naar een andere motor als je een andere uitstraling wilt. Wanneer je van motor wisselt of de lengte aanpast, verschijnt de prijs voordat je start, met alle details op de pagina met prijzen.
Voor de kaart Zeg het zijn beide modellen beschikbaar. Je gebruikt OmniHuman 2.0 wanneer je expressieve spraak, handgebaren, geschreven regieaanwijzingen voor hoe de persoon handelt, of een script tot 30 seconden wilt. Het is ook de goedkoopste van de twee opties. Je schakelt over naar LTX 2.5 wanneer je script korter is dan 25 woorden en je een filmisch kader, belichting en camerabeweging rond de spreker wilt.
Voor zangkaarten zoals Feesttijd is OmniHuman 2.0 de motor die het werk doet. LTX 2.5 wordt niet gebruikt voor zangkaarten. Met OmniHuman zingt je foto een standaard jingle van 10 seconden of een liedje op maat van 10 seconden dat je in de app genereert.
De kaart Drie emoties, waarbij dezelfde foto een zin op drie manieren uitspreekt, draait op een derde motor: HeyGen Avatar 4. In de Video Studio komt LTX 2.5 in beeld telkens wanneer een spreekshot een volledige scène rond het personage nodig heeft. Wanneer de belichting, de camerabeweging en het kamergeluid net zo belangrijk zijn als de gesproken zin, neemt LTX het shot voor zijn rekening.
Veelgestelde vragen
Moet ik OmniHuman 2.0 of LTX 2.5 kiezen voor een pratende video?
Kies OmniHuman 2.0 voor expressieve spraak met handgebaren, voor scripts tussen de 10 en 30 seconden, of om te zingen. Kies LTX 2.5 wanneer je script maximaal 9 seconden duurt (ongeveer 25 woorden) en je een filmisch kader wilt met camerabeweging, belichting en kamergeluid rond de persoon.
Waarom kost LTX 2.5 meer dan OmniHuman 2.0?
LTX 2.5 rendert een complete scène rond de persoon, inclusief belichting en camerabeweging, in plaats van alleen de spreker te animeren. OmniHuman 2.0 is de voordeligere optie voor pratende video's en de juiste keuze voor langere scripts. In de app zie je de prijs voordat je start.
Kan ik mijn eigen stem gebruiken bij beide modellen?
Ja. Bij beide modellen kun je kiezen uit ongeveer 30 stemmen uit de bibliotheek of eenmalig een korte toestemmingsclip opnemen in de app om je eigen stem te klonen. Je gekloonde stem werkt daarna op elke pratende kaart.
Wat voor soort selfie geeft de beste lipsynchronisatie?
Een duidelijke foto recht van voren van een volwassene waarbij de mond zichtbaar is, geeft bij beide modellen de meest stabiele gelijkenis en de meest nauwkeurige lipbeweging. Korte zinnen ogen ook natuurlijker dan lange zinnen.
