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.
Resultado de exemplo
Estes são dados de exemplo. Gera um novo resultado para veres o resultado real.
Paga conforme utilizas. Sem subscrição, sem custos escondidos.
| Nível | Preço PoYo |
|---|---|
| 720p | $0.105/s 21 créditos/s Vídeo de 5 segundos: $0.525 ·Vídeo de 10 segundos: $1.05 |
Os custos baseiam-se no resultado final.
De uma imagem e uma faixa de áudio para um vídeo com fala e canto
Utiliza omnihuman-2.0 com exatamente uma imagem em image_urls e um ficheiro WAV ou MP3 em audio_url. O áudio tem de durar entre 4 e 300 segundos e não pode ultrapassar 15 MB. Acrescenta um prompt opcional para dirigir ações, elementos da cena e movimentos de câmara. O resultado é em 720p e dura tanto quanto o áudio.
Os exemplos oficiais do OmniHuman 2.0 mostram interpretação emocional, sincronização labial, diálogo entre várias pessoas, canto e personagens não humanas. Ativa o som para ouvires o áudio de origem.
01
O OmniHuman 2.0 acompanha o ritmo, a entoação e a emoção do áudio, em vez de se limitar a mexer os lábios. As expressões faciais, o movimento da cabeça e a linguagem corporal sobem e descem com a interpretação, pelo que tanto os monólogos dramáticos como as explicações calmas parecem naturais.
02
A forma da boca acompanha cada sílaba, mesmo em personagens que não são humanas. Animais, mascotes de desenhos animados, figuras 3D e ilustrações estilizadas podem falar ou cantar sem perder o desenho original.
03
Parte de uma imagem com várias pessoas e o OmniHuman 2.0 consegue encenar uma conversa natural, com quem fala a falar enquanto os outros ouvem e reagem. Utiliza-o em entrevistas, sketches e cenas de diálogo sem teres de compor clipes separados.
04
O OmniHuman 2.0 aceita áudio até 300 segundos, o suficiente para uma canção inteira, uma aula ou uma demonstração de produto numa única geração. As atuações de canto seguem a melodia, com respiração, expressão e ritmo corporal a condizer.
05
Dá voz a mascotes, animais de estimação e personagens animadas. O OmniHuman 2.0 adapta o movimento facial à anatomia de cada personagem, para que um guaxinim ou um herói de desenho animado falem com expressões credíveis.
Transforma aulas gravadas e narrações em vídeos com apresentador. O suporte para áudio longo cobre explicações completas num único plano, e um formador constante cria familiaridade ao longo de um curso.
Cria vídeos com porta-voz, explicações de produtos e anúncios localizados a partir de uma só fotografia. Troca o áudio para obteres versões em diferentes idiomas com o mesmo apresentador.
Produz atuações de canto, vídeos com letra e sketches com personagens. O OmniHuman 2.0 segue a melodia e o ritmo, o que o torna adequado para covers, artistas virtuais e entretenimento de formato curto.
Anima um pivô virtual, um avatar de apoio ao cliente ou um embaixador de marca com fala e gestos naturais, para sites, aplicações e redes sociais.
Dá vida a animais de estimação, mascotes e personagens ilustradas em campanhas, conteúdos infantis e narrativas, sem recorrer à animação tradicional.
Acrescenta geração de avatares orientada por áudio ao teu produto através da API assíncrona do PoYo, com consulta de tarefas, callbacks e faturação por segundo.
O OmniHuman 2.0 mantém o fluxo de uma imagem e um áudio do OmniHuman 1.5 e alarga um plano único de menos de um minuto para 5 minutos. A contrapartida é a resolução: o OmniHuman 2.0 produz 720p, enquanto o OmniHuman 1.5 também oferece 1080p.
| Funcionalidade | 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 do áudio e do 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 |
| Controlo por prompt | Opcional; dirige ações, elementos da cena e movimentos de câmara | Opcional; dirige ações, objetos e movimentos de câmara |
| Cenas com várias pessoas | Suportado | Suportado |
| Canto | Suportado | Suportado |
| Personagens não humanas | Animais de estimação, personagens de desenhos animados e de anime | Animais, personagens antropomórficas e desenhos animados |
A coluna do OmniHuman 2.0 indica os parâmetros que o PoYo aceita. A coluna do OmniHuman 1.5 baseia-se na página do projeto OmniHuman 1.5 da ByteDance, na página do produto da BytePlus e na documentação da API da fal. Em ambos os modelos, o vídeo dura tanto quanto o áudio de entrada.
Passo 1: regista-te e cria uma chave de API.
Inicia sessão no PoYo e cria uma chave de acesso para a tua aplicação.
Obter chave de API →
Passo 2: recarrega créditos.
Adiciona créditos à tua conta. O Playground estima os créditos com base na duração do teu áudio antes de gerares.
Adicionar créditos →
Passo 3: integra a API.
Envia model: "omnihuman-2.0" com image_urls, audio_url e um prompt opcional para /api/generate/submit e, depois, consulta o ID da tarefa ou indica um URL de callback.
Ver referência da API →
Sem subscrição nem mínimos. Pagas os segundos de vídeo produzidos, e o Playground mostra uma estimativa antes de enviares.
Carrega uma imagem e um ficheiro de áudio no Playground, acrescenta um prompt e consulta o pedido JSON exato antes de integrares.
Utiliza a mesma autenticação e o mesmo fluxo de tarefas para o OmniHuman 2.0, o Kling Avatar 2.0 e outros modelos de vídeo, imagem e áudio no PoYo.
Consulta o ID da tarefa ou indica um URL de callback e obtém o vídeo final através do mesmo fluxo assíncrono.
