01
OmniHuman 2.0 이미지 + 오디오 투 비디오
omnihuman-2.0을 사용하고 image_urls에 이미지 정확히 한 장, audio_url에 WAV 또는 MP3 파일 하나를 지정하세요. 오디오는 4–300초, 15MB 이하여야 합니다. 선택 사항인 prompt를 추가해 동작, 장면 요소, 카메라 움직임을 지시할 수 있습니다. 출력은 720p이며 길이는 오디오와 같습니다.
omnihuman-2.0
모델:
PoYo의 OmniHuman 2.0 API를 사용하면 이미지 한 장과 오디오 트랙 하나로 피사체가 말하고, 노래하고, 연기하는 720p 영상을 만들 수 있습니다. ByteDance의 오디오 기반 모델이 립싱크, 표정과 감정, 제스처, 신체 움직임을 처리하며, 최대 5분의 단일 테이크를 지원하고 사람, 동물, 스타일화된 캐릭터 모두에 사용할 수 있습니다.
Input
Added 1/1
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.
——
Added 1/1
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.
Audio Url 1
1 · 11.0s
Output
예시 출력
이는 샘플 데이터입니다. 새 결과를 생성하면 실제 출력을 확인할 수 있습니다.
작업 ID:G60QLE8QQ1VJG4W9생성 시간:2026-10-17T17:23:10
상태:finished진행률:100%
가격 세부정보
숨겨진 비용 없이 투명한 가격입니다. 사용한 만큼만 지불하세요.
omnihuman-2.0720p
PoYo 가격
$0.105/초
21 크레딧
공식 가격
-
절약률
-
| 모델 | 사양 | PoYo 가격 | 공식 가격 | 절약률 |
|---|---|---|---|---|
| omnihuman-2.0 | 720p | $0.105/초 21 크레딧 /초 | - | - |
* 실제 비용은 최종 출력을 기준으로 합니다.
OMNIHUMAN 2.0
이미지 한 장과 오디오 트랙 하나로 말하고 노래하는 영상을
오디오 기반 아바타 영상을 위한 OmniHuman 2.0 API
ByteDance의 OmniHuman 2.0은 사진 한 장을 여러분의 목소리, 대사 또는 노래로 움직입니다. 오디오의 타이밍, 톤, 감정을 재현하고 자연스러운 제스처를 더하며, 긴 테이크에서도 캐릭터를 안정적으로 유지합니다. PoYo에서는 생성된 영상의 초 단위로만 비용을 지불합니다.
PoYo의 OmniHuman 2.0 모델
OmniHuman 2.0 API의 주요 기능
OmniHuman 2.0 공식 샘플은 감정 표현, 립싱크, 다인 대화, 노래, 비인간 캐릭터를 보여줍니다. 소리를 켜고 원본 오디오를 들어보세요.
01
목소리, 톤, 감정을 충실하게 재현
OmniHuman 2.0은 입술만 움직이는 데 그치지 않고 오디오의 리듬, 억양, 감정을 따라갑니다. 표정, 머리 움직임, 몸짓이 전달 방식에 맞춰 변하므로 극적인 독백도, 차분한 설명도 모두 자연스럽게 보입니다.
- 오디오가 이끄는 표정과 제스처
- 자연스러운 멈춤, 호흡, 강세
- 동작과 카메라를 지시하는 선택적 프롬프트
02
어떤 캐릭터든 정밀한 립싱크
사람이 아닌 캐릭터라도 입 모양이 모든 음절에 맞춰 정렬됩니다. 동물, 만화 마스코트, 3D 피규어, 스타일화된 일러스트도 원래 디자인을 유지한 채 말하거나 노래할 수 있습니다.
- 음절 단위의 정확한 입 움직임
- 사진, 일러스트, 3D 캐릭터 모두 지원
- 입력 이미지의 원래 모습 유지
03
여러 사람의 대화
여러 사람이 있는 이미지에서 시작하면 OmniHuman 2.0이 자연스러운 대화를 연출합니다. 말하는 사람이 이야기하는 동안 다른 사람들은 듣고 반응합니다. 별도의 클립을 합성하지 않고도 인터뷰, 콩트, 대화 장면에 활용할 수 있습니다.
- 한 프레임 안의 여러 캐릭터
- 화자가 말하는 동안 반응하는 청자
- 원본 이미지의 장면과 조명 유지
04
노래 및 최대 5분의 롱테이크
OmniHuman 2.0은 최대 300초의 오디오를 받아 노래 한 곡, 강의 하나, 제품 소개 전체를 한 번의 생성으로 만들 수 있습니다. 노래 퍼포먼스는 멜로디를 따라 호흡, 표정, 몸의 리듬이 함께 맞춰집니다.
- 4초부터 5분까지의 오디오
- 멜로디와 리듬에 동기화된 노래
- 이어 붙이기 없는 하나의 연속 테이크
05
동물과 스타일화된 캐릭터
마스코트, 반려동물, 애니메이션 캐릭터에 목소리를 입혀 보세요. OmniHuman 2.0은 각 캐릭터의 구조에 맞게 얼굴 움직임을 조정하므로 너구리나 만화 주인공도 그럴듯한 표정으로 말할 수 있습니다.
- 동물 및 크리처 얼굴
- 만화, 애니메이션, 3D 스타일
- 브랜드 마스코트와 스토리텔링에 적합
OmniHuman 2.0 API는 누구에게 유용할까요?
01
교육 및 훈련
녹음된 강의와 내레이션을 진행자 영상으로 바꾸세요. 긴 오디오 지원으로 전체 설명을 한 테이크에 담을 수 있고, 일관된 강사가 과정 전체에서 친숙함을 쌓아 줍니다.
02
마케팅 및 이커머스
사진 한 장으로 대변인 영상, 제품 설명 영상, 현지화 광고를 만드세요. 오디오만 바꾸면 같은 진행자로 다양한 언어 버전을 제작할 수 있습니다.
03
음악 및 엔터테인먼트
노래 퍼포먼스, 가사 영상, 캐릭터 콩트를 제작하세요. OmniHuman 2.0은 멜로디와 리듬을 따라가므로 커버곡, 버추얼 아티스트, 숏폼 엔터테인먼트에 적합합니다.
04
버추얼 호스트 및 디지털 휴먼
웹사이트, 앱, 소셜 채널을 위해 버추얼 앵커, 고객 서비스 아바타, 브랜드 앰배서더를 자연스러운 말과 제스처로 움직이세요.
05
마스코트 및 애니메이션 캐릭터
전통적인 애니메이션 작업 없이 반려동물, 마스코트, 일러스트 캐릭터에 생명을 불어넣어 캠페인, 어린이 콘텐츠, 스토리텔링에 활용하세요.
06
개발자 및 크리에이티브 플랫폼
작업 폴링, 콜백, 초 단위 과금을 지원하는 PoYo의 비동기 API로 제품에 오디오 기반 아바타 생성 기능을 추가하세요.
OmniHuman 2.0 vs OmniHuman 1.5
OmniHuman 2.0은 OmniHuman 1.5의 이미지 1장 + 오디오 1개 워크플로를 유지하면서 한 번에 생성할 수 있는 길이를 1분 미만에서 5분으로 늘렸습니다. 대신 해상도는 OmniHuman 2.0이 720p이고, OmniHuman 1.5는 1080p도 지원합니다.
| 기능 | OmniHuman 2.0 (PoYo) | OmniHuman 1.5 |
|---|---|---|
| 입력 | 이미지 1장 + 오디오 1개 + 선택적 프롬프트 | 이미지 1장 + 오디오 1개 + 선택적 프롬프트 |
| 최대 오디오·비디오 길이 | 4–300초 (최대 5분) | 720p에서 60초 미만, 1080p에서 30초 미만 |
| 출력 해상도 | 720p | 720p 또는 1080p |
| 프롬프트 제어 | 선택 사항; 동작, 장면 요소, 카메라 움직임 지정 | 선택 사항; 동작, 사물, 카메라 움직임 지정 |
| 다인원 장면 | 지원 | 지원 |
| 노래 | 지원 | 지원 |
| 비인간 캐릭터 | 반려동물, 카툰·애니메이션 캐릭터 | 동물, 의인화 캐릭터, 카툰 |
OmniHuman 2.0 열은 PoYo에서 받는 파라미터입니다. OmniHuman 1.5 열은 ByteDance의 OmniHuman 1.5 프로젝트 페이지, BytePlus 제품 페이지, fal API 문서를 기준으로 합니다. 두 모델 모두 비디오 길이는 입력 오디오와 같습니다.
PoYo에서 OmniHuman 2.0 API 사용 방법
1단계: 가입하고 API 키를 생성하세요.
PoYo에 로그인하고 애플리케이션용 액세스 키를 생성합니다.
API 키 받기 →
2단계: 크레딧을 충전하세요.
계정에 크레딧을 추가합니다. Playground는 생성 전에 오디오 길이를 기준으로 필요한 크레딧을 추정합니다.
크레딧 추가 →
3단계: API를 연동하세요.model: "omnihuman-2.0"과 image_urls, audio_url, 선택적 프롬프트를 /api/generate/submit으로 전송한 뒤 작업 ID를 조회하거나 콜백 URL을 지정하세요.
API 레퍼런스 보기 →
OmniHuman 2.0 API 자주 묻는 질문
OmniHuman 2.0 API란 무엇인가요?
OmniHuman 2.0은 ByteDance의 오디오 기반 영상 생성 모델입니다. 이미지 한 장과 오디오 파일 하나를 입력하면 립싱크, 감정, 제스처가 맞춰진 채로 피사체가 말하고, 노래하고, 연기하는 영상을 생성합니다. PoYo에서는 모델 ID omnihuman-2.0을 사용합니다.
OmniHuman 2.0의 가격은 어떻게 되나요?
OmniHuman 2.0은 생성된 영상 1초당 21 크레딧($0.105)입니다. Playground는 제출 전에 오디오 길이를 기준으로 비용을 추정하며, 최종 요금은 실제 출력 길이를 기준으로 부과됩니다. 예를 들어 10초 영상은 약 210 크레딧입니다.
어떤 오디오 파일을 지원하나요?
audio_url은 길이 4–300초, 크기 15MB 이하의 WAV 또는 MP3 파일을 받습니다. 출력 영상은 오디오 길이와 같으므로 2분짜리 트랙은 2분짜리 영상이 됩니다.
어떤 이미지가 가장 좋나요?
image_urls에 이미지를 정확히 한 장 보내세요. 얼굴이 잘 보이고 조명이 밝은 선명한 사진이 가장 안정적인 결과를 냅니다. ByteDance는 JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC, HEIF를 지원하며, 최대 30MB, 변의 길이 300–6000픽셀, 가로세로 비율 0.4–2.5를 명시하고 있습니다.
프롬프트는 무엇을 제어하나요?
프롬프트는 선택 사항입니다. "그녀가 미소 지으며 제품을 가리키고, 카메라가 천천히 다가간다"처럼 동작, 장면 요소, 카메라 움직임을 묘사하는 데 사용하세요. 입 움직임과 감정은 여전히 오디오를 따릅니다.
동물, 만화 캐릭터, 여러 사람도 움직일 수 있나요?
네. OmniHuman 2.0은 사람, 동물, 스타일화된 캐릭터와 3D 캐릭터, 여러 사람이 포함된 이미지를 지원합니다. 다인 이미지에서는 모델이 대화를 연출해 화자와 청자가 자연스럽게 반응하도록 합니다.
OmniHuman 2.0의 출력 해상도는 얼마인가요?
OmniHuman 2.0은 720p 영상을 출력합니다. 프레이밍은 입력 이미지를 따르므로, 제출 전에 원하는 구도로 이미지를 잘라 두세요.
생성된 영상을 상업적으로 사용할 수 있나요?
상업적으로 사용하기 전에 해당 모델 및 플랫폼 약관을 확인하세요. 이미지 속 인물의 초상과 오디오 속 목소리나 음악에 대한 사용 권한을 확보하고, 필요한 경우 AI 생성 콘텐츠임을 표시하세요.
OmniHuman 2.0 API에 PoYo를 선택해야 하는 이유
01
생성된 초 단위로 결제
구독이나 최소 금액이 없습니다. 생성된 영상의 초 단위로 요금이 부과되며, 제출 전에 Playground에서 예상 비용을 확인할 수 있습니다.
02
내 미디어로 테스트
Playground에서 이미지와 오디오 파일을 업로드하고 프롬프트를 추가한 뒤, 연동 전에 정확한 JSON 요청을 확인하세요.
03
여러 모델을 하나의 API로
OmniHuman 2.0, Kling Avatar 2.0 및 PoYo의 다른 영상, 이미지, 오디오 모델에 동일한 인증과 작업 워크플로를 사용하세요.
04
작업 추적 또는 콜백 수신
작업 ID를 폴링하거나 콜백 URL을 지정한 뒤, 동일한 비동기 워크플로로 완성된 영상을 받아 보세요.