AI-генератор видео D-ID

D-ID (d-id.com) — студия говорящих аватаров. Официальный FAQ: Creative Reality™ Studio превращает фото ведущего, библиотечного аватара или сгенерированное лицо в MP4, которое произносит набранный скрипт или загруженный трек. Выход ограничен 5 минутами. Стандартные презентеры: до 1280×1280; HQ: 1080p на Trial, Pro, Advanced и Enterprise. ImgToVid не запускает D-ID. Генератор на этой странице открывает Talking Avatar — OmniHuman 1.5: один still плюс голосовой трек, минимум 3 секунды.

01 — Возможности

Говорящее фото, не 8-секундная текстовая модель

Публичные страницы D-ID продают анимацию лица. Цифры длины и картинки — правила студии. Живая кнопка здесь — другая работа говорящего still.

01
Фото, библиотечный аватар или сгенерированное лицо
FAQ: выбрать презентера, загрузить JPEG/PNG (10 МБ, лицо не меньше 200×200) или сгенерировать лицо. Холст: широкий, квадратный или вертикальный. Рот ведёт скрипт, загрузка или клон — не пустой промпт text-to-video.
02
Пять минут — и студия останавливается
FAQ: Creative Reality Studio и API ограничивают выход 5 минутами. Загрузки аудио: 10 МБ и тот же потолок 5 минут, в MP3, FLAC, M4A, MP4 или WAV. Один кредит указан как до 15 секунд видео.
03
1280×1280, или 1080p на HQ
Стандартный AI Presenter: до 1280×1280 на всех планах. Premium HQ: 1080p на Trial, Pro, Advanced и Enterprise — не на Lite. Выход MP4. Водяной знак остаётся; Enterprise может кастомизировать его, не снять.
04
Эта страница запускает Talking Avatar
OmniHuman 1.5 берёт фото первого кадра и голосовой трек. Длина следует аудио, минимум 3 секунды. Кредиты — 20 за секунду аудио. Он не открывает студию D-ID и не принимает набранный скрипт D-ID.

02 — От промпта к результату

Промпты к клипам выше

Каждый промпт описывает картинку на карточке. «Использовать этот промпт» всё равно идёт в Create. Talking Avatar нужен still и аудио; этот промпт он не читает как вход OmniHuman.

01 · Портрет
ПромптКрупный план молодого человека с кудрями в сером вязаном свитере, мягкий оконный свет. Смотрит в сторону, затем улыбается. Медленный наезд, малая глубина резкости.
02 · Продукт
ПромптБелый кожаный кроссовок на бледно-сером студийном фоне, мягкий рассеянный свет. Камера медленно обходит. Строчка чёткая, вид минималистичный.
03 · Улица
ПромптМедленный проезд по булыжной улочке старой европейской деревни. Розы по каменным стенам, столики кафе на утреннем солнце, люди вдали.
04 · Персонаж
ПромптМолодая женщина с каштановыми волосами до плеч в оливковой футболке, золотой вечерний свет. Поворачивает голову и смотрит за кадр. Ветер в волосах, ощущение ручной камеры.

03 — Где применять

Работы, которые продаёт студия говорящего фото

Публичный копирайт D-ID указывает на лицо, которое должно говорить. Живой путь этой страницы — тоже still, который должен говорить, но на другом движке.

Хедшот, который должен прочитать скрипт
Это работа Creative Reality: презентер плюс набранные реплики или загрузка, до 5 минут, на 119 языках. ImgToVid не запускает ту студию.
Портрет, который должен говорить здесь
Используйте Talking Avatar на этой странице. Загрузите фото и реплику минимум 3 секунды. Рот следует треку.
Живой агент или переведённый клип
D-ID также продаёт Agents (чат по загруженным документам) и Video Translate (от 10 секунд до 5 минут, макс. 2 ГБ). Эти продукты остаются на d-id.com.
Шот только из промпта
D-ID и Talking Avatar нуждаются в лице. Пишите шот на Seedance, если есть только предложение.

04 — Итог

Чем D-ID является на самом деле

Сильные стороны

Официально: фото + скрипт или аудио, MP4 до 5 мин
Стандарт до 1280×1280; HQ 1080p
119 языков; холст широкий, квадратный или вертикальный
Эта страница может генерировать: Talking Avatar, OmniHuman 1.5

Компромиссы

Сам D-ID не подключён на ImgToVid
Студийный водяной знак нельзя полностью снять
Talking Avatar нужен голосовой файл, не поле скрипта D-ID
Кредиты живого пути растут с длиной аудио

05 — Сравнение

D-ID, Veo 3.1 и Kling 4.0

D-ID — студия говорящих аватаров. Цифры Veo 3.1 и Kling 4.0 — из публичной документации этих вендоров: one-shot генераторы, не 5-минутный экспорт ведущего.

	D-ID	Veo 3.1	Kling 4.0
Разработчик	D-ID	Google DeepMind	Kuaishou
Один клип	До 5 мин (FAQ)	4, 6 или 8 секунд	3–30 секунд
Картинка	1280×1280 стандарт; HQ 1080p	720p, 1080p, 4K при 24 fps	Указаны 720p, 1080p и 4K
Звук	Скрипт, загрузка или клон; 119 языков	Нативный, вместе с картинкой	Стерео, с lip-sync
Стартует с	Фото ведущего или библиотека + скрипт/аудио	Промпт, still, первый и последний кадр	Ключевые кадры или 15 референсов
На ImgToVid	Talking Avatar сейчас	Скоро	Скоро

06 — Как это работает

Начать говорящий still на ImgToVid

Шаг 1
Принять Talking Avatar
D-ID не будет моделью, которая выполняется. Генератор стартует на OmniHuman 1.5.
Шаг 2
Добавить still и голосовой трек
Сначала фото, аудио минимум 3 секунды. Один промпт эту серию не запустит.
Шаг 3
Генерируйте в Create
Членство и кредиты проверяются там. Возврат сюда не переключает прогон на студию D-ID.

07 — Версии

Серия, которую эта страница реально открывает

Одна серия Create. Имя в каталоге — D-ID; прогон — Talking Avatar.

Talking Avatar
Talking Avatar: OmniHuman 1.5. Один still плюс аудио, длительность с трека, минимум 3 секунды.
Открыть в Create

08 — Частые вопросы

D-ID простыми словами

Что такое D-ID?

D-ID — компания говорящих аватаров. Creative Reality™ Studio на d-id.com анимирует фото ведущего под набранный скрипт или загруженный трек, в MP4, до 5 минут. Тот же сайт продаёт Agents, Video Translate и API. ImgToVid не хостит D-ID.

Можно ли генерировать D-ID на ImgToVid?

Нет. Генератор на этой странице запускает Talking Avatar (OmniHuman 1.5), чтобы анимировать still под аудио. Нужны фото и голосовой трек минимум 3 секунды.

Какова длительность клипа D-ID?

FAQ D-ID ограничивает Creative Reality Studio и API 5 минутами. Загрузки аудио делят этот потолок. На этой странице длина Talking Avatar следует вашему аудио и начинается с 3 секунд.

Генерирует ли звук?

На D-ID: набрать скрипт (синтез речи), загрузить запись или клонировать голос на указанных планах. FAQ студии указывает 119 языков. Talking Avatar на этой странице не выдумывает аудио — вы загружаете трек.

Какой размер картинки можно экспортировать?

FAQ D-ID: стандартные презентеры до 1280×1280; HQ 1080p кроме Lite. Холст: широкий, квадратный или вертикальный. Talking Avatar на этой странице не публикует лестницу пикселей D-ID.

Можно ли использовать результаты коммерчески?

Коммерческое использование того, что вы генерируете на ImgToVid, зависит от тарифа. Перед публикацией проверьте Pricing и Terms и следите, чтобы промпты и загрузки не нарушали чужие права.