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.
Esempio di output
Questi sono dati di esempio. Genera un nuovo risultato per vedere l'output reale.
Prezzi trasparenti senza costi nascosti. Paga mentre procedi.
omnihuman-2.0| Model | Spec | Prezzo PoYo | Prezzo ufficiale | Risparmi |
|---|---|---|---|---|
| omnihuman-2.0 | 720p | $0.105/sec 21 crediti /sec | - | - |
*Le tariffe effettive si basano sul risultato finale.
Un'immagine e una traccia audio diventano un video che parla e canta
Usa omnihuman-2.0 con esattamente un'immagine in image_urls e un file WAV o MP3 in audio_url. L'audio deve durare da 4 a 300 secondi e non superare i 15MB. Aggiungi un prompt facoltativo per dirigere azioni, elementi della scena e movimenti di camera. L'output è in 720p e dura quanto l'audio.
Gli esempi ufficiali di OmniHuman 2.0 mostrano interpretazione emotiva, sincronizzazione labiale, dialoghi tra più persone, canto e personaggi non umani. Attiva l'audio per ascoltare la traccia originale.
01
OmniHuman 2.0 segue ritmo, intonazione e sentimento dell'audio invece di limitarsi a muovere le labbra. Espressioni del volto, movimenti della testa e linguaggio del corpo seguono l'interpretazione, così sia i monologhi drammatici sia le spiegazioni pacate risultano naturali.
02
La forma della bocca resta allineata a ogni sillaba, anche per i personaggi non umani. Animali, mascotte dei cartoni, figure 3D e illustrazioni stilizzate possono parlare o cantare mantenendo il loro design originale.
03
Partendo da un'immagine con più persone, OmniHuman 2.0 può mettere in scena una conversazione naturale: chi parla si esprime mentre gli altri ascoltano e reagiscono. Usalo per interviste, sketch e scene di dialogo senza dover comporre clip separate.
04
OmniHuman 2.0 accetta audio fino a 300 secondi, abbastanza per un'intera canzone, una lezione o una presentazione di prodotto in un'unica generazione. Le esibizioni canore seguono la melodia con respiro, espressione e ritmo del corpo coerenti.
05
Dai voce a mascotte, animali domestici e personaggi animati. OmniHuman 2.0 adatta i movimenti del volto all'anatomia di ciascun personaggio, così un procione o un eroe dei cartoni può parlare con espressioni credibili.
Trasforma lezioni registrate e narrazioni in video con presentatore. Il supporto per audio lunghi consente spiegazioni complete in un'unica ripresa, e un docente sempre uguale crea familiarità lungo tutto il corso.
Crea video con portavoce, presentazioni di prodotto e annunci localizzati partendo da una sola foto. Sostituisci l'audio per produrre versioni in lingue diverse mantenendo lo stesso presentatore.
Produci esibizioni canore, lyric video e sketch con personaggi. OmniHuman 2.0 segue melodia e ritmo, risultando adatto a cover, artisti virtuali e intrattenimento in formato breve.
Anima un conduttore virtuale, un avatar per l'assistenza clienti o un ambasciatore del brand con parlato e gesti naturali per siti web, app e canali social.
Dai vita ad animali domestici, mascotte e personaggi illustrati per campagne, contenuti per bambini e storytelling senza animazione tradizionale.
Aggiungi al tuo prodotto la generazione di avatar guidati dall'audio tramite l'API asincrona di PoYo, con polling dei task, callback e fatturazione al secondo.
OmniHuman 2.0 mantiene il flusso di OmniHuman 1.5 con un'immagine e una traccia audio ed estende una singola ripresa da meno di un minuto a 5 minuti. Il compromesso è la risoluzione: OmniHuman 2.0 genera video a 720p, mentre OmniHuman 1.5 offre anche 1080p.
| Funzionalità | OmniHuman 2.0 su PoYo | OmniHuman 1.5 |
|---|---|---|
| Input | 1 immagine + 1 traccia audio + prompt facoltativo | 1 immagine + 1 traccia audio + prompt facoltativo |
| Durata massima di audio e video | 4–300 secondi (fino a 5 minuti) | Meno di 60 secondi a 720p; meno di 30 secondi a 1080p |
| Risoluzione di output | 720p | 720p o 1080p |
| Controllo tramite prompt | Facoltativo; guida azioni, elementi della scena e movimenti di camera | Facoltativo; guida azioni, oggetti e movimenti di camera |
| Scene con più persone | Supportate | Supportate |
| Canto | Supportato | Supportato |
| Personaggi non umani | Animali domestici, personaggi cartoon e anime | Animali, personaggi antropomorfi e cartoni animati |
La colonna OmniHuman 2.0 riporta i parametri accettati da PoYo. La colonna OmniHuman 1.5 si basa sulla pagina del progetto OmniHuman 1.5 di ByteDance, sulla pagina prodotto di BytePlus e sulla documentazione API di fal. Per entrambi i modelli, il video dura quanto l'audio in ingresso.
Passo 1: Registrati e crea una chiave API.
Accedi a PoYo e crea una chiave di accesso per la tua applicazione.
Ottieni la chiave API →
Passo 2: Ricarica i crediti.
Aggiungi crediti al tuo account. Il Playground stima i crediti in base alla durata dell'audio prima della generazione.
Aggiungi crediti →
Passo 3: Integra l'API.
Invia model: "omnihuman-2.0" con image_urls, audio_url e un prompt facoltativo a /api/generate/submit, quindi interroga l'ID del task o fornisci un URL di callback.
Consulta la documentazione API →
Nessun abbonamento né minimo. Ti vengono addebitati i secondi di video prodotti e il Playground mostra una stima prima dell'invio.
Carica un'immagine e un file audio nel Playground, aggiungi un prompt ed esamina la richiesta JSON esatta prima dell'integrazione.
Usa la stessa autenticazione e lo stesso flusso dei task per OmniHuman 2.0, Kling Avatar 2.0 e altri modelli video, immagine e audio su PoYo.
Interroga l'ID del task o fornisci un URL di callback, quindi recupera il video finito tramite lo stesso flusso asincrono.
