Dateien hier ablegen, einfügen oder eine URL hinzufügen. 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.
Dateien hier ablegen, einfügen oder eine URL hinzufügen. Required. One WAV or MP3 voice, song or dialogue track, 4–300 seconds and up to 15 MB. The video length follows the audio.
Beispielausgabe
Dies sind Beispieldaten. Generieren Sie ein neues Ergebnis, um die echte Ausgabe zu sehen.
Transparente Preise ohne versteckte Kosten. Bezahle nur, was du nutzt.
omnihuman-2.0| Model | Spezifikation | PoYo-Preis | Offizieller Preis | Du sparst |
|---|---|---|---|---|
| omnihuman-2.0 | 720p | $0.105/sec 21 Credits /sec | - | - |
* Tatsächliche Gebühren basieren auf dem endgültigen Ergebnis.
Aus einem Bild und einer Audiospur wird ein sprechendes, singendes Video
Verwenden Sie omnihuman-2.0 mit genau einem Bild in image_urls und einer WAV- oder MP3-Datei in audio_url. Das Audio muss 4–300 Sekunden lang und höchstens 15MB groß sein. Mit einem optionalen prompt steuern Sie Aktionen, Szenenelemente und Kamerabewegung. Die Ausgabe erfolgt in 720p und ist so lang wie das Audio.
Offizielle OmniHuman 2.0 Beispiele zeigen emotionalen Ausdruck, Lippensynchronität, Dialoge mit mehreren Personen, Gesang und nicht-menschliche Figuren. Schalten Sie den Ton ein, um das Originalaudio zu hören.
01
OmniHuman 2.0 folgt Rhythmus, Intonation und Gefühl des Audios, statt nur die Lippen zu bewegen. Mimik, Kopfbewegung und Körpersprache steigen und fallen mit dem Vortrag, sodass dramatische Monologe ebenso natürlich wirken wie ruhige Erklärungen.
02
Die Mundformen bleiben auf jede Silbe abgestimmt, selbst bei nicht-menschlichen Figuren. Tiere, Cartoon-Maskottchen, 3D-Figuren und stilisierte Illustrationen können sprechen oder singen und behalten dabei ihr ursprüngliches Design.
03
Ausgehend von einem Bild mit mehreren Personen inszeniert OmniHuman 2.0 ein natürliches Gespräch: Die sprechende Person redet, während die anderen zuhören und reagieren. Ideal für Interviews, Sketche und Dialogszenen, ohne separate Clips zusammensetzen zu müssen.
04
OmniHuman 2.0 akzeptiert Audio von bis zu 300 Sekunden – genug für einen ganzen Song, eine Lektion oder eine Produktvorstellung in einer einzigen Generierung. Gesangsauftritte folgen der Melodie mit passender Atmung, Mimik und Körperrhythmik.
05
Geben Sie Maskottchen, Haustieren und Animationsfiguren eine Stimme. OmniHuman 2.0 passt die Gesichtsbewegung an die Anatomie jeder Figur an, sodass ein Waschbär oder ein Cartoon-Held mit glaubwürdiger Mimik sprechen kann.
Verwandeln Sie aufgezeichnete Lektionen und Sprechertexte in Präsentationsvideos. Dank Unterstützung für lange Audios passen vollständige Erklärungen in eine Aufnahme, und ein gleichbleibender Dozent schafft Vertrautheit über den gesamten Kurs.
Erstellen Sie Sprechervideos, Produkterklärungen und lokalisierte Anzeigen aus einem einzigen Foto. Tauschen Sie das Audio aus, um Versionen in verschiedenen Sprachen mit demselben Präsentator zu produzieren.
Produzieren Sie Gesangsauftritte, Lyric-Videos und Figuren-Sketche. OmniHuman 2.0 folgt Melodie und Rhythmus und eignet sich damit für Covers, virtuelle Künstler und Kurzvideo-Unterhaltung.
Animieren Sie virtuelle Moderatoren, Kundenservice-Avatare oder Markenbotschafter mit natürlicher Sprache und Gestik für Websites, Apps und soziale Kanäle.
Erwecken Sie Haustiere, Maskottchen und illustrierte Figuren für Kampagnen, Kinderinhalte und Storytelling zum Leben – ganz ohne klassische Animation.
Integrieren Sie audiogesteuerte Avatar-Generierung über die asynchrone API von PoYo in Ihr Produkt – mit Task-Abfrage, Callbacks und sekundengenauer Abrechnung.
OmniHuman 2.0 behält den Ablauf von OmniHuman 1.5 mit einem Bild und einer Audiospur bei und verlängert eine einzelne Aufnahme von unter einer Minute auf 5 Minuten. Der Kompromiss ist die Auflösung: OmniHuman 2.0 gibt 720p aus, OmniHuman 1.5 bietet zusätzlich 1080p.
| Funktion | OmniHuman 2.0 auf PoYo | OmniHuman 1.5 |
|---|---|---|
| Eingaben | 1 Bild + 1 Audiospur + optionaler Prompt | 1 Bild + 1 Audiospur + optionaler Prompt |
| Maximale Audio- und Videolänge | 4–300 Sekunden (bis zu 5 Minuten) | Unter 60 Sekunden bei 720p; unter 30 Sekunden bei 1080p |
| Ausgabeauflösung | 720p | 720p oder 1080p |
| Prompt-Steuerung | Optional; steuert Aktionen, Szenenelemente und Kamerabewegung | Optional; steuert Aktionen, Objekte und Kamerabewegung |
| Szenen mit mehreren Personen | Unterstützt | Unterstützt |
| Gesang | Unterstützt | Unterstützt |
| Nicht-menschliche Figuren | Haustiere, Cartoon- und Anime-Figuren | Tiere, anthropomorphe Figuren und Cartoons |
Die Spalte OmniHuman 2.0 zeigt die Parameter, die PoYo akzeptiert. Die Spalte OmniHuman 1.5 basiert auf der OmniHuman-1.5-Projektseite von ByteDance, der BytePlus-Produktseite und der API-Dokumentation von fal. Bei beiden Modellen ist das Video so lang wie das eingegebene Audio.
Schritt 1: Registrieren und API-Schlüssel erstellen.
Melden Sie sich bei PoYo an und erstellen Sie einen Zugriffsschlüssel für Ihre Anwendung.
API-Schlüssel erhalten →
Schritt 2: Credits aufladen.
Laden Sie Credits auf Ihr Konto. Der Playground schätzt die Credits vor der Generierung anhand der Audiolänge.
Credits aufladen →
Schritt 3: API integrieren.
Senden Sie model: "omnihuman-2.0" mit image_urls, audio_url und einem optionalen Prompt an /api/generate/submit und fragen Sie anschließend die Task-ID ab oder geben Sie eine Callback-URL an.
API-Referenz ansehen →
Kein Abonnement, kein Mindestumsatz. Berechnet werden die produzierten Videosekunden, und der Playground zeigt vor dem Absenden eine Schätzung an.
Laden Sie im Playground ein Bild und eine Audiodatei hoch, fügen Sie einen Prompt hinzu und prüfen Sie die exakte JSON-Anfrage vor der Integration.
Nutzen Sie dieselbe Authentifizierung und denselben Task-Ablauf für OmniHuman 2.0, Kling Avatar 2.0 und weitere Video-, Bild- und Audiomodelle auf PoYo.
Fragen Sie die Task-ID ab oder geben Sie eine Callback-URL an und rufen Sie das fertige Video über denselben asynchronen Ablauf ab.
