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.
Salida de ejemplo
Estos son datos de muestra. Genere un nuevo resultado para ver el resultado real.
Precios transparentes sin tarifas ocultas. Pague solo por lo que use.
omnihuman-2.0| Modelo | Especificación | Precio de PoYo | Precio oficial | Ahorras |
|---|---|---|---|---|
| omnihuman-2.0 | 720p | $0.105/sec 21 créditos /sec | - | - |
* Las tarifas reales se basan en el resultado final.
Una imagen y una pista de audio convertidas en un vídeo que habla y canta
Usa omnihuman-2.0 con exactamente una imagen en image_urls y un archivo WAV o MP3 en audio_url. El audio debe durar entre 4 y 300 segundos y no superar los 15MB. Añade un prompt opcional para dirigir acciones, elementos de la escena y movimientos de cámara. La salida es en 720p y dura lo mismo que el audio.
Las muestras oficiales de OmniHuman 2.0 muestran interpretación emocional, sincronización labial, diálogos entre varias personas, canto y personajes no humanos. Activa el sonido para escuchar el audio original.
01
OmniHuman 2.0 sigue el ritmo, la entonación y el sentimiento del audio en lugar de limitarse a mover los labios. Las expresiones faciales, el movimiento de la cabeza y el lenguaje corporal acompañan la interpretación, de modo que tanto los monólogos dramáticos como las explicaciones tranquilas resultan naturales.
02
La forma de la boca se mantiene alineada con cada sílaba, incluso en personajes no humanos. Animales, mascotas de dibujos animados, figuras 3D e ilustraciones estilizadas pueden hablar o cantar conservando su diseño original.
03
A partir de una imagen con varias personas, OmniHuman 2.0 puede escenificar una conversación natural: quien habla lo hace mientras los demás escuchan y reaccionan. Úsalo para entrevistas, sketches y escenas de diálogo sin componer clips por separado.
04
OmniHuman 2.0 acepta audio de hasta 300 segundos, suficiente para una canción completa, una lección o una presentación de producto en una sola generación. Las interpretaciones cantadas siguen la melodía con respiración, expresión y ritmo corporal acordes.
05
Da voz a mascotas de marca, animales de compañía y personajes animados. OmniHuman 2.0 adapta el movimiento facial a la anatomía de cada personaje, para que un mapache o un héroe de dibujos animados hable con expresiones creíbles.
Convierte lecciones grabadas y narraciones en vídeos con presentador. La compatibilidad con audios largos permite explicaciones completas en una sola toma, y un instructor constante genera familiaridad a lo largo de todo el curso.
Crea vídeos de portavoz, explicaciones de producto y anuncios localizados a partir de una sola foto. Cambia el audio para producir versiones en distintos idiomas manteniendo el mismo presentador.
Produce actuaciones cantadas, vídeos con letra y sketches de personajes. OmniHuman 2.0 sigue la melodía y el ritmo, lo que lo hace ideal para versiones, artistas virtuales y entretenimiento en formato corto.
Anima a un presentador virtual, un avatar de atención al cliente o un embajador de marca con habla y gestos naturales para sitios web, aplicaciones y redes sociales.
Da vida a animales de compañía, mascotas de marca y personajes ilustrados para campañas, contenido infantil y narrativa sin animación tradicional.
Añade a tu producto la generación de avatares impulsados por audio mediante la API asíncrona de PoYo, con consulta de tareas, callbacks y facturación por segundo.
OmniHuman 2.0 mantiene el flujo de una imagen y un audio de OmniHuman 1.5 y amplía cada toma de menos de un minuto a 5 minutos. A cambio, la resolución es menor: OmniHuman 2.0 genera 720p, mientras que OmniHuman 1.5 también ofrece 1080p.
| Función | OmniHuman 2.0 en PoYo | OmniHuman 1.5 |
|---|---|---|
| Entradas | 1 imagen + 1 pista de audio + prompt opcional | 1 imagen + 1 pista de audio + prompt opcional |
| Duración máxima de audio y video | 4–300 segundos (hasta 5 minutos) | Menos de 60 segundos en 720p; menos de 30 segundos en 1080p |
| Resolución de salida | 720p | 720p o 1080p |
| Control por prompt | Opcional; dirige acciones, elementos de la escena y movimiento de cámara | Opcional; dirige acciones, objetos y movimiento de cámara |
| Escenas con varias personas | Compatible | Compatible |
| Canto | Compatible | Compatible |
| Personajes no humanos | Mascotas y personajes de dibujos animados y anime | Animales, personajes antropomórficos y dibujos animados |
La columna de OmniHuman 2.0 muestra los parámetros que acepta PoYo. La columna de OmniHuman 1.5 se basa en la página del proyecto OmniHuman 1.5 de ByteDance, la página de producto de BytePlus y la documentación de la API de fal. En ambos modelos, el video dura lo mismo que el audio de entrada.
Paso 1: Regístrate y crea una clave API.
Inicia sesión en PoYo y crea una clave de acceso para tu aplicación.
Obtener clave API →
Paso 2: Recarga créditos.
Añade créditos a tu cuenta. El Playground estima los créditos según la duración del audio antes de generar.
Añadir créditos →
Paso 3: Integra la API.
Envía model: "omnihuman-2.0" con image_urls, audio_url y un prompt opcional a /api/generate/submit; después consulta el ID de la tarea o proporciona una URL de callback.
Ver referencia de la API →
Sin suscripción ni mínimos. Se te cobran los segundos de vídeo producidos, y el Playground muestra una estimación antes del envío.
Sube una imagen y un archivo de audio en el Playground, añade un prompt e inspecciona la solicitud JSON exacta antes de integrar.
Usa la misma autenticación y el mismo flujo de tareas para OmniHuman 2.0, Kling Avatar 2.0 y otros modelos de vídeo, imagen y audio en PoYo.
Consulta el ID de la tarea o proporciona una URL de callback y recupera el vídeo terminado mediante el mismo flujo asíncrono.
