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.
Przykładowy wynik
To przykładowe dane. Wygeneruj nowy wynik, aby zobaczyć prawdziwy rezultat.
Płatność za użycie. Bez subskrypcji i ukrytych opłat.
| Poziom | Cena PoYo |
|---|---|
| 720p | $0.105/s Kredyty: 21/s Wideo o długości 5 s: $0.525 ·Wideo o długości 10 s: $1.05 |
Opłaty zależą od końcowego wyniku.
Jeden obraz i jedna ścieżka audio zamienione w wideo z mówiącą lub śpiewającą postacią
Użyj omnihuman-2.0 z dokładnie jednym obrazem w image_urls i jednym plikiem WAV lub MP3 w audio_url. Nagranie musi trwać od 4 do 300 sekund i nie może przekraczać 15 MB. Dodaj opcjonalny prompt, żeby wyreżyserować działania, elementy sceny i ruch kamery. Wynik ma 720p i trwa tyle, ile nagranie.
Oficjalne próbki OmniHuman 2.0 pokazują emocjonalną ekspresję, synchronizację ust, dialogi wielu osób, śpiew i postacie nieludzkie. Włącz dźwięk, żeby usłyszeć źródłowe nagranie.
01
OmniHuman 2.0 podąża za rytmem, intonacją i uczuciem w nagraniu, a nie tylko porusza ustami. Mimika, ruch głowy i mowa ciała zmieniają się razem z wypowiedzią, dzięki czemu zarówno dramatyczny monolog, jak i spokojne wyjaśnienie wyglądają naturalnie.
02
Układ ust pozostaje zgrany z każdą sylabą, nawet w przypadku postaci, które nie są ludźmi. Zwierzęta, kreskówkowe maskotki, figury 3D i stylizowane ilustracje mogą mówić lub śpiewać, zachowując swój pierwotny wygląd.
03
Zacznij od obrazu z kilkoma osobami, a OmniHuman 2.0 wyreżyseruje naturalną rozmowę: mówi aktualny rozmówca, a pozostali słuchają i reagują. Sprawdza się w wywiadach, skeczach i scenach dialogowych, bez montowania osobnych klipów.
04
OmniHuman 2.0 przyjmuje nagrania do 300 sekund, czyli wystarczająco na całą piosenkę, lekcję lub prezentację produktu w jednym generowaniu. Występy wokalne podążają za melodią, z odpowiednim oddechem, ekspresją i rytmem ciała.
05
Daj głos maskotkom, zwierzakom i postaciom z animacji. OmniHuman 2.0 dopasowuje ruch twarzy do anatomii każdej postaci, więc szop pracz czy kreskówkowy bohater mogą mówić z wiarygodną mimiką.
Zamień nagrane lekcje i lektorskie narracje w wideo z prowadzącym. Obsługa długich nagrań pozwala objąć całe wyjaśnienie w jednym ujęciu, a ten sam instruktor w całym kursie buduje poczucie znajomości.
Twórz wideo z rzecznikiem, filmy objaśniające produkty i zlokalizowane reklamy z jednego zdjęcia. Podmień nagranie, aby przygotować wersje w różnych językach z tą samą osobą na ekranie.
Przygotowuj występy wokalne, teledyski z tekstem i skecze z postaciami. OmniHuman 2.0 podąża za melodią i rytmem, więc nadaje się do coverów, wirtualnych artystów i krótkich form rozrywkowych.
Ożyw wirtualnego prezentera, awatara obsługi klienta lub ambasadora marki, który mówi i gestykuluje naturalnie, na stronach internetowych, w aplikacjach i w social mediach.
Ożyw zwierzaki, maskotki i ilustrowane postacie w kampaniach, treściach dla dzieci i opowieściach, bez tradycyjnej animacji.
Dodaj do swojego produktu generowanie awatarów sterowane dźwiękiem przez asynchroniczne API PoYo, ze sprawdzaniem statusu zadań, callbackami i rozliczeniem za sekundę.
OmniHuman 2.0 zachowuje proces OmniHuman 1.5 oparty na jednym obrazie i jednym nagraniu, a długość pojedynczego ujęcia wydłuża z poniżej minuty do 5 minut. Kompromis dotyczy rozdzielczości: OmniHuman 2.0 generuje 720p, a OmniHuman 1.5 oferuje też 1080p.
| Funkcja | OmniHuman 2.0 w PoYo | OmniHuman 1.5 |
|---|---|---|
| Dane wejściowe | 1 obraz + 1 ścieżka audio + opcjonalny prompt | 1 obraz + 1 ścieżka audio + opcjonalny prompt |
| Maksymalna długość audio i wideo | 4–300 sekund (do 5 minut) | Poniżej 60 sekund w 720p; poniżej 30 sekund w 1080p |
| Rozdzielczość wyniku | 720p | 720p lub 1080p |
| Sterowanie promptem | Opcjonalne; reżyseruje działania, elementy sceny i ruch kamery | Opcjonalne; reżyseruje działania, obiekty i ruch kamery |
| Sceny z wieloma osobami | Obsługiwane | Obsługiwane |
| Śpiew | Obsługiwany | Obsługiwany |
| Postacie nieludzkie | Zwierzaki oraz postacie z kreskówek i anime | Zwierzęta, postacie antropomorficzne i kreskówki |
Kolumna OmniHuman 2.0 zawiera parametry akceptowane przez PoYo. Kolumna OmniHuman 1.5 opiera się na stronie projektu OmniHuman 1.5 od ByteDance, stronie produktu BytePlus i dokumentacji API fal. W obu modelach wideo trwa tyle, ile nagranie wejściowe.
Krok 1: zarejestruj się i utwórz klucz API.
Zaloguj się i utwórz klucz dostępu dla swojej aplikacji.
Pobierz klucz API →
Krok 2: doładuj kredyty.
Dodaj kredyty do swojego konta. Zanim zaczniesz generować, Playground oszacuje liczbę kredytów na podstawie długości nagrania.
Doładuj kredyty →
Krok 3: zintegruj API.
Wyślij model: "omnihuman-2.0" z polami image_urls, audio_url i opcjonalnym promptem na adres /api/generate/submit, a potem odpytaj o ID zadania albo podaj adres URL callbacku.
Zobacz dokumentację API →
Bez subskrypcji i minimalnych opłat. Płacisz za sekundy wyprodukowanego wideo, a Playground pokazuje szacunek, zanim wyślesz zadanie.
Prześlij w Playground obraz i plik audio, dodaj prompt i sprawdź dokładne żądanie JSON, zanim zaczniesz integrację.
Korzystaj z tego samego uwierzytelniania i procesu zadań w OmniHuman 2.0, Kling Avatar 2.0 oraz innych modelach wideo, obrazów i audio w PoYo.
Odpytuj o ID zadania albo podaj adres URL callbacku, a gotowe wideo odbierzesz w tym samym asynchronicznym procesie.
