Drop files here, paste files, or add a URL. Required. Exactly one character image. JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC or HEIF, up to 30 MB; 300–6,000 px per side and an aspect ratio between 0.4 and 2.5.
Drop files here, paste files, or add a URL. Required. One WAV or MP3 voice, song or dialogue track, 4–300 seconds and up to 15 MB. The video length follows the audio.
Eksempel på output
Det her er eksempeldata. Generér et nyt resultat for at se det rigtige output.
Betal efter forbrug. Intet abonnement og ingen skjulte gebyrer.
| Niveau | PoYo-pris |
|---|---|
| 720p | $0.105/sek. 21 kreditter/sek. Video på 5 sekunder: $0.525 · Video på 10 sekunder: $1.05 |
Prisen beregnes ud fra det endelige output.
Fra ét billede og ét lydspor til en talende, syngende video
Brug omnihuman-2.0 med præcis ét billede i image_urls og én WAV- eller MP3-fil i audio_url. Lyden skal vare 4–300 sekunder og må højst fylde 15 MB. Tilføj en valgfri prompt for at styre handlinger, scenelementer og kamerabevægelser. Outputtet er 720p og varer lige så længe som lyden.
De officielle OmniHuman 2.0-eksempler viser følelsesladet levering, læbesynkronisering, dialog mellem flere personer, sang og ikke-menneskelige figurer. Slå lyden til for at høre den oprindelige lyd.
01
OmniHuman 2.0 følger lydens rytme, intonation og følelse i stedet for kun at bevæge læberne. Ansigtsudtryk, hovedbevægelser og kropssprog stiger og falder med fremførelsen, så både dramatiske monologer og rolige forklaringer ser naturlige ud.
02
Mundformerne følger hver eneste stavelse, selv hos figurer, der ikke er menneskelige. Dyr, tegneseriemaskotter, 3D-figurer og stiliserede illustrationer kan alle tale eller synge og samtidig beholde deres oprindelige design.
03
Start med et billede af flere personer, og OmniHuman 2.0 kan iscenesætte en naturlig samtale, hvor den, der taler, snakker, mens de andre lytter og reagerer. Brug det til interviews, sketches og dialogscener uden at skulle sammensætte separate klip.
04
OmniHuman 2.0 accepterer lyd på op til 300 sekunder, nok til en hel sang, lektion eller produktgennemgang i én generering. Sangoptrædener følger melodien med tilsvarende vejrtrækning, udtryk og kropsrytme.
05
Giv maskotter, kæledyr og animerede figurer en stemme. OmniHuman 2.0 tilpasser ansigtsbevægelserne til hver figurs anatomi, så en vaskebjørn eller en tegneseriehelt kan tale med troværdige udtryk.
Forvandl indspillede lektioner og oplæsning til videoer med en vært. Understøttelsen af lang lyd dækker hele forklaringer i én optagelse, og en ensartet underviser skaber genkendelighed gennem et helt kursus.
Lav videoer med talsperson, produktforklaringer og lokaliserede annoncer ud fra ét foto. Skift lyden ud for at lave versioner på forskellige sprog med samme vært.
Producér sangoptrædener, lyrikvideoer og figursketches. OmniHuman 2.0 følger melodi og rytme, så den egner sig til covers, virtuelle kunstnere og kort underholdning.
Animér en virtuel studievært, en kundeserviceavatar eller en brandambassadør med naturlig tale og gestik til websites, apps og sociale kanaler.
Giv liv til kæledyr, maskotter og illustrerede figurer i kampagner, børneindhold og historiefortælling uden traditionel animation.
Tilføj lyddrevet avatar-generering til dit produkt via PoYos asynkrone API med opgavepolling, callbacks og afregning pr. sekund.
OmniHuman 2.0 beholder OmniHuman 1.5's arbejdsgang med ét billede og ét lydspor og udvider en enkelt optagelse fra under et minut til 5 minutter. Til gengæld er opløsningen lavere: OmniHuman 2.0 leverer 720p, mens OmniHuman 1.5 også tilbyder 1080p.
| Funktion | OmniHuman 2.0 på PoYo | OmniHuman 1.5 |
|---|---|---|
| Input | 1 billede + 1 lydspor + valgfri prompt | 1 billede + 1 lydspor + valgfri prompt |
| Maksimal længde på lyd og video | 4–300 sekunder (op til 5 minutter) | Under 60 sekunder i 720p; under 30 sekunder i 1080p |
| Outputopløsning | 720p | 720p eller 1080p |
| Promptstyring | Valgfri; styrer handlinger, scenelementer og kamerabevægelser | Valgfri; styrer handlinger, objekter og kamerabevægelser |
| Scener med flere personer | Understøttet | Understøttet |
| Sang | Understøttet | Understøttet |
| Ikke-menneskelige figurer | Kæledyr, tegneseriefigurer og animefigurer | Dyr, menneskelignende figurer og tegneseriefigurer |
Kolonnen for OmniHuman 2.0 viser de parametre, PoYo accepterer. Kolonnen for OmniHuman 1.5 bygger på ByteDances projektside for OmniHuman 1.5, BytePlus' produktside og fals API-dokumentation. For begge modeller varer videoen lige så længe som den indsendte lyd.
Trin 1: Tilmeld dig og opret en API-nøgle.
Log ind på PoYo, og opret en adgangsnøgle til dit program.
Hent API-nøgle →
Trin 2: Fyld kreditter op.
Tilføj kreditter til din konto. Playground estimerer kreditter ud fra længden på din lyd, før du genererer.
Tilføj kreditter →
Trin 3: Integrér API'et.
Send model: "omnihuman-2.0" med image_urls, audio_url og en valgfri prompt til /api/generate/submit, og forespørg derefter opgave-id'et eller angiv en callback-URL.
Se API-reference →
Intet abonnement og intet minimum. Du betaler for de sekunder video, der bliver produceret, og Playground viser et estimat, før du sender.
Upload et billede og en lydfil i Playground, tilføj en prompt, og se den præcise JSON-anmodning, før du integrerer.
Brug den samme godkendelse og opgavearbejdsgang til OmniHuman 2.0, Kling Avatar 2.0 og andre video-, billed- og lydmodeller på PoYo.
Forespørg opgave-id'et eller angiv en callback-URL, og hent derefter den færdige video via den samme asynkrone arbejdsgang.
