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.
Saída de exemplo
Estes são dados de exemplo. Gere um novo resultado para ver a saída real.
Preços transparentes, sem taxas ocultas. Pague conforme o uso.
omnihuman-2.0| Modelo | Especificação | Preço PoYo | Preço oficial | Economia |
|---|---|---|---|---|
| omnihuman-2.0 | 720p | $0.105/s 21 créditos /s | - | - |
* As taxas reais são baseadas na saída final.
Uma imagem e uma faixa de áudio viram um vídeo que fala e canta
Use omnihuman-2.0 com exatamente uma imagem em image_urls e um arquivo WAV ou MP3 em audio_url. O áudio deve ter de 4 a 300 segundos e no máximo 15MB. Adicione um prompt opcional para direcionar ações, elementos da cena e movimentos de câmera. A saída é em 720p e tem a mesma duração do áudio.
As amostras oficiais da OmniHuman 2.0 mostram expressão emocional, lip-sync, diálogos com várias pessoas, canto e personagens não humanos. Ative o som para ouvir o áudio original.
01
A OmniHuman 2.0 acompanha o ritmo, a entonação e o sentimento do áudio, em vez de apenas mover os lábios. Expressões faciais, movimentos de cabeça e linguagem corporal variam conforme a interpretação, para que monólogos dramáticos e explicações calmas pareçam naturais.
02
Os formatos da boca ficam alinhados a cada sílaba, mesmo em personagens não humanos. Animais, mascotes de desenho, figuras 3D e ilustrações estilizadas podem falar ou cantar mantendo o design original.
03
Parta de uma imagem com várias pessoas e a OmniHuman 2.0 encena uma conversa natural: quem fala se expressa enquanto os demais escutam e reagem. Use em entrevistas, esquetes e cenas de diálogo sem precisar compor clipes separados.
04
A OmniHuman 2.0 aceita áudios de até 300 segundos, o suficiente para uma música inteira, uma aula ou uma demonstração de produto em uma única geração. As performances de canto acompanham a melodia com respiração, expressão e ritmo corporal correspondentes.
05
Dê voz a mascotes, pets e personagens animados. A OmniHuman 2.0 adapta o movimento facial à anatomia de cada personagem, para que um guaxinim ou um herói de desenho fale com expressões convincentes.
Transforme aulas gravadas e narrações em vídeos com apresentador. O suporte a áudios longos cobre explicações completas em uma única tomada, e um instrutor consistente gera familiaridade ao longo do curso.
Crie vídeos com porta-voz, explicações de produtos e anúncios localizados a partir de uma única foto. Troque o áudio para produzir versões em outros idiomas mantendo o mesmo apresentador.
Produza performances musicais, lyric videos e esquetes com personagens. A OmniHuman 2.0 acompanha melodia e ritmo, sendo ideal para covers, artistas virtuais e entretenimento em vídeo curto.
Anime um apresentador virtual, avatar de atendimento ao cliente ou embaixador de marca com fala e gestos naturais para sites, apps e redes sociais.
Dê vida a pets, mascotes e personagens ilustrados para campanhas, conteúdo infantil e storytelling, sem animação tradicional.
Adicione geração de avatares guiada por áudio ao seu produto com a API assíncrona da PoYo, com consulta de tarefas, callbacks e cobrança por segundo.
O OmniHuman 2.0 mantém o fluxo de uma imagem e um áudio do OmniHuman 1.5 e amplia cada tomada de menos de um minuto para 5 minutos. A contrapartida é a resolução: o OmniHuman 2.0 gera 720p, enquanto o OmniHuman 1.5 também oferece 1080p.
| Recurso | OmniHuman 2.0 no PoYo | OmniHuman 1.5 |
|---|---|---|
| Entradas | 1 imagem + 1 faixa de áudio + prompt opcional | 1 imagem + 1 faixa de áudio + prompt opcional |
| Duração máxima de áudio e vídeo | 4–300 segundos (até 5 minutos) | Menos de 60 segundos em 720p; menos de 30 segundos em 1080p |
| Resolução de saída | 720p | 720p ou 1080p |
| Controle por prompt | Opcional; orienta ações, elementos da cena e movimento de câmera | Opcional; orienta ações, objetos e movimento de câmera |
| Cenas com várias pessoas | Compatível | Compatível |
| Canto | Compatível | Compatível |
| Personagens não humanos | Pets, personagens de desenho animado e anime | Animais, personagens antropomórficos e desenhos animados |
A coluna do OmniHuman 2.0 mostra os parâmetros aceitos pelo PoYo. A coluna do OmniHuman 1.5 se baseia na página do projeto OmniHuman 1.5 da ByteDance, na página de produto da BytePlus e na documentação da API da fal. Nos dois modelos, o vídeo tem a mesma duração do áudio de entrada.
Passo 1: Cadastre-se e crie uma chave de API.
Entre na PoYo e crie uma chave de acesso para sua aplicação.
Obter chave de API →
Passo 2: Adicione créditos.
Adicione créditos à sua conta. O Playground estima os créditos com base na duração do áudio antes de gerar.
Adicionar créditos →
Passo 3: Integre a API.
Envie model: "omnihuman-2.0" com image_urls, audio_url e um prompt opcional para /api/generate/submit, depois consulte o ID da tarefa ou informe uma URL de callback.
Ver referência da API →
Sem assinatura nem valor mínimo. Você paga pelos segundos de vídeo produzidos, e o Playground mostra uma estimativa antes do envio.
Envie uma imagem e um arquivo de áudio no Playground, adicione um prompt e confira a requisição JSON exata antes de integrar.
Use a mesma autenticação e o mesmo fluxo de tarefas para OmniHuman 2.0, Kling Avatar 2.0 e outros modelos de vídeo, imagem e áudio na PoYo.
Consulte o ID da tarefa ou informe uma URL de callback e receba o vídeo pronto pelo mesmo fluxo assíncrono.
