Lumiere 对比 Synthesia

Lumiere是谷歌研究团队开发的文本到视频扩散模型，旨在合成具有逼真、多样且连贯运动的视频。项目页面展示了文本到视频、图像到视频、风格化生成、视频风格化、动态图像以及视频修复的示例输出。

该模型采用空间-时间U-Net架构，可以在一次模型运行中生成完整的视频片段，而不是通过远距离关键帧和时间超分辨率填补空白。它利用空间和时间的下采样与上采样，基于预训练的文本到图像扩散主干网络，跨多个时空尺度产生全帧率视频。

该网站是一个科研演示和论文配套，而非面向消费者的应用程序。它面向研究人员、工程师和创作者，帮助他们研究最先进的视频扩散技术，并探索模型在生成和编辑任务中的能力。

Synthesia 使用 240 多个库存头像、克隆声音和覆盖 160 多种语言的唇同步配音，将脚本转换为由主持人引导的视频。您只需编写文本，选择头像，即可导出 MP4 或 SCORM，无需摄像机、工作室或配音演员。基础计划每月包含 10 分钟生成视频和 9 个库存头像。

大多数头像视频工具仅支持导出，而 Synthesia 在一个工作区内实现创建、本地化、协作和发布。嵌入视频在编辑源内容时自动更新，SCORM 包含翻译版本，企业团队可获得品牌套件及 SAML/SSO。角色扮演会话提供新视角：通过互动头像练习销售或支持对话，并对您的回应进行评分。

学习与发展团队用于大规模合规和入职培训。销售赋能团队可在几分钟内完成推介更新，无需预约拍摄。市场和内部沟通团队通过一键翻译将一个主视频本地化为数十种语言。超过 50,000 家企业使用，包括大量财富 100 强企业。