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.
Eksempelresultat
Dette er eksempeldata. Generer et nytt resultat for å se ekte utdata.
Betal etter bruk. Ingen abonnement, ingen skjulte gebyrer.
| Nivå | PoYo-pris |
|---|---|
| 720p | $0.105/sek. 21 kreditter/sek. Video på 5 sekunder: $0.525 · Video på 10 sekunder: $1.05 |
Belastningen er basert på det endelige resultatet.
Ett bilde og ett lydspor blir til en video som snakker og synger
Bruk omnihuman-2.0 med nøyaktig ett bilde i image_urls og én WAV- eller MP3-fil i audio_url. Lyden må være 4–300 sekunder og ikke større enn 15 MB. Legg til en valgfri prompt for å styre handlinger, elementer i scenen og kamerabevegelser. Utdataene er i 720p og varer like lenge som lyden.
Offisielle eksempler fra OmniHuman 2.0 viser følelsesladet framføring, leppesynk, dialog med flere personer, sang og karakterer som ikke er mennesker. Slå på lyden for å høre kildelyden.
01
OmniHuman 2.0 følger rytmen, intonasjonen og følelsen i lyden i stedet for bare å bevege leppene. Ansiktsuttrykk, hodebevegelser og kroppsspråk stiger og synker med framføringen, slik at både dramatiske monologer og rolige forklaringer ser naturlige ut.
02
Munnformene holder seg i takt med hver stavelse, selv for karakterer som ikke er mennesker. Dyr, tegneseriemaskoter, 3D-figurer og stiliserte illustrasjoner kan alle snakke eller synge og samtidig beholde sitt opprinnelige design.
03
Start fra et bilde med flere personer, så kan OmniHuman 2.0 iscenesette en naturlig samtale der den som har ordet snakker mens de andre lytter og reagerer. Bruk det til intervjuer, sketsjer og dialogscener uten å sette sammen separate klipp.
04
OmniHuman 2.0 tar imot lyd på opptil 300 sekunder, nok til en hel sang, en leksjon eller en produktgjennomgang i én generering. Sangframføringer følger melodien med tilpasset pust, uttrykk og kroppsrytme.
05
Gi stemme til maskoter, kjæledyr og animerte karakterer. OmniHuman 2.0 tilpasser ansiktsbevegelsene til hver karakters anatomi, slik at en vaskebjørn eller en tegneseriehelt kan snakke med troverdige uttrykk.
Gjør innspilte leksjoner og fortellerstemme om til videoer med presentatør. Støtten for lang lyd dekker hele forklaringer i ett opptak, og en konsekvent instruktør skaper gjenkjennelse gjennom et helt kurs.
Lag videoer med talsperson, produktforklaringer og lokaliserte annonser fra ett bilde. Bytt ut lyden for å lage versjoner på ulike språk med den samme presentatøren.
Produser sangframføringer, lyrikkvideoer og karaktersketsjer. OmniHuman 2.0 følger melodi og rytme, noe som gjør den egnet for coverlåter, virtuelle artister og underholdning i kortformat.
Animer en virtuell nyhetsoppleser, en kundeserviceavatar eller en merkevareambassadør med naturlig tale og gester for nettsteder, apper og sosiale kanaler.
Gi liv til kjæledyr, maskoter og illustrerte karakterer i kampanjer, barneinnhold og historiefortelling uten tradisjonell animasjon.
Legg til lyddrevet avatargenerering i produktet ditt via PoYos asynkrone API, med statusspørring for oppgaver, callbacks og fakturering per sekund.
OmniHuman 2.0 beholder arbeidsflyten med ett bilde og én lydfil fra OmniHuman 1.5, og utvider et sammenhengende opptak fra under ett minutt til 5 minutter. Avveiningen er oppløsningen: OmniHuman 2.0 gir utdata i 720p, mens OmniHuman 1.5 også tilbyr 1080p.
| Funksjon | OmniHuman 2.0 hos PoYo | OmniHuman 1.5 |
|---|---|---|
| Inndata | 1 bilde + 1 lydspor + valgfri prompt | 1 bilde + 1 lydspor + valgfri prompt |
| Maks lengde på lyd og video | 4–300 sekunder (opptil 5 minutter) | Under 60 sekunder i 720p; under 30 sekunder i 1080p |
| Utdataoppløsning | 720p | 720p eller 1080p |
| Promptkontroll | Valgfri; styrer handlinger, elementer i scenen og kamerabevegelser | Valgfri; styrer handlinger, objekter og kamerabevegelser |
| Scener med flere personer | Støttes | Støttes |
| Sang | Støttes | Støttes |
| Karakterer som ikke er mennesker | Kjæledyr, tegneserie- og animekarakterer | Dyr, menneskeliknende karakterer og tegneserier |
Kolonnen for OmniHuman 2.0 viser parameterne PoYo tar imot. Kolonnen for OmniHuman 1.5 er basert på ByteDances prosjektside for OmniHuman 1.5, produktsiden hos BytePlus og API-dokumentasjonen fra fal. For begge modellene varer videoen like lenge som inndatalyden.
Trinn 1: Registrer deg og opprett en API-nøkkel.
Logg inn hos PoYo og opprett en tilgangsnøkkel for applikasjonen din.
Hent API-nøkkel →
Trinn 2: Fyll på kreditter.
Legg til kreditter på kontoen din. Playground estimerer kreditter ut fra lengden på lyden før du genererer.
Legg til kreditter →
Trinn 3: Integrer API-et.
Send model: "omnihuman-2.0" med image_urls, audio_url og en valgfri prompt til /api/generate/submit, og spør deretter etter oppgave-ID-en eller oppgi en callback-URL.
Se API-referansen →
Ingen abonnement eller minimumsbeløp. Du belastes for sekundene med video som produseres, og Playground viser et estimat før du sender inn.
Last opp et bilde og en lydfil i Playground, legg til en prompt og undersøk den nøyaktige JSON-forespørselen før du integrerer.
Bruk den samme autentiseringen og oppgaveflyten for OmniHuman 2.0, Kling Avatar 2.0 og andre video-, bilde- og lydmodeller hos PoYo.
Spør etter oppgave-ID-en eller oppgi en callback-URL, og hent deretter den ferdige videoen via den samme asynkrone arbeidsflyten.
