OmniHuman 2.0: trasforma una foto e un audio in un'esibizione di 5 minuti

OmniHuman 2.0 è il modello di video avatar audio-driven di ByteDance. Basta un'immagine e una traccia vocale o musicale: genera l'intera performance, con labbra, espressioni, gesti e movimento del corpo che seguono tono e significato dell'audio, in un'unica ripresa fino a 5 minuti. Guarda gli esempi ufficiali e poi usa OmniHuman 2.0 su Nereo a 5 crediti al secondo.

Foto parlante

Descrivi la performance
OmniHuman 2.0OmniHuman 2.0
0/5000

Funzionalità ed esempi ufficiali di OmniHuman 2.0

Dirigi la scena con un prompt testuale

Oltre all'audio, un breve prompt può richiedere un'azione specifica, un movimento di camera o un oggetto non presente nella foto. È la differenza tra una testa parlante e una scena allestita.

Esempio ufficiale

Esempio ufficiale BytePlus di controllo tramite prompt: le azioni del personaggio e il movimento della camera seguono il prompt testuale mentre la voce guida la performance.

OmniHuman 2.0

Un cantante da una singola immagine

Fornisci a OmniHuman 2.0 una traccia cantata e il volto interpreta il testo, le note tenute e i respiri, con movimenti che seguono il ritmo. Mantieni la voce chiara e forte nel mix.

Esempio ufficiale

Esempio ufficiale BytePlus di una performance canora ritmica generata da un'immagine e una canzone.

OmniHuman 2.0

Emozione cinematografica, guidata dalle parole

Il modello legge il contesto dell'audio, non solo i suoi suoni, quindi tensione, rabbia o sollievo si manifestano in gesti ed espressioni come farebbe un attore.

Esempio ufficiale

Esempio ufficiale BytePlus di una performance emozionante e cinematografica guidata dal dialogo.

OmniHuman 2.0

Animali e personaggi stilizzati

OmniHuman 2.0 non si limita a persone reali. Mascotte, personaggi 3D e animali possono parlare o cantare quando occhi e bocca sono disegnati chiaramente.

Esempio ufficiale

Esempio ufficiale BytePlus di un personaggio animale animato con l'audio.

OmniHuman 2.0

Comprensione dell'audio

L'espressione cambia con l'interpretazione: lo stesso volto appare diverso quando la battuta è cantata dolcemente, a piena voce o pronunciata con un sorriso.

Esempio ufficiale

Esempio ufficiale BytePlus che mostra la performance seguire il sentimento dell'audio.

OmniHuman 2.0

Personaggi che interagiscono con la scena

I prompt possono descrivere come un personaggio si muove nell'ambiente, così l'inquadratura sembra una scena anziché un ritratto con la bocca che si muove.

Esempio ufficiale

Esempio ufficiale BytePlus di interazione ambientale descritta nel prompt.

OmniHuman 2.0

Come usare OmniHuman 2.0

La foto e l'audio determinano la maggior parte del risultato. Un breve prompt è opzionale.

1

Scegli un'immagine chiara

Usa un'immagine JPG, PNG o WebP fino a 20 MB con un solo volto rivolto verso la fotocamera, sfondo neutro o leggermente sfocato e bocca rilassata. Inquadra come vuoi che sia il video e scegli verticale o orizzontale in base a dove verrà pubblicato.

2

Prepara l'audio

Carica una traccia vocale, canzone o dialogo in MP3 o WAV fino a 15 MB e con durata tra 4 e 299 secondi. Mantieni la voce pulita ed elimina i silenzi: ogni secondo di audio diventa un secondo di video.

3

Aggiungi una breve direzione e genera

Facoltativamente descrivi umore, gesti o movimenti di camera in una o due frasi. Prova prima un breve estratto, poi esegui la traccia completa.

Per cosa usano OmniHuman 2.0 i creator

Ogni caso d'uso parte da un'immagine e una registrazione.

Corsi e lezioni

Registra una lezione completa in un'unica ripresa, così l'istruttore appare uguale al minuto quattro come al minuto uno e non serve montare nulla.

Spot con portavoce e UGC

Trasforma la foto di un presentatore in spiegazioni di prodotto e annunci in stile testimonianza, poi crea nuove versioni cambiando il voiceover.

Esibizioni musicali

Abbina una traccia cantata a un ritratto o a un personaggio e ottieni una performance che segue note tenute, respiri e ritmo.

Mascotte e personaggi

Fai recitare battute a una mascotte di marca, un personaggio 3D o un animale per annunci, contenuti per bambini e intro di canali.

Interviste e dialoghi

Metti in scena conversazioni e sketch a due persone guidati da un'unica traccia di dialogo, poi verifica che ogni battuta arrivi al volto giusto.

Messaggi localizzati

Abbina la stessa immagine di un portavoce a tracce vocali tradotte per veicolare un messaggio in più lingue.

OmniHuman 2.0 vs OmniHuman 1.5

FeatureOmniHuman 2.0OmniHuman 1.5
Input1 immagine + audio + prompt opzionale1 immagine + audio + prompt opzionale
Durata massima audio/video4–300 secondiMeno di 60 secondi
Risoluzione di output720p nativo720p o 1080p
Formati audioWAV, MP3 (sotto i 15 MB)MP3, WAV, M4A su Nereo
Scene multi-personaFunzionalità principaleTramite passaggi API aggiuntivi
Prezzo API BytePlus$0,07 al secondo$0,12 al secondo
Su NereoDisponibile, 5 crediti al secondoDisponibile, 8,5 crediti al secondo

Pianificare un lavoro OmniHuman su Nereo

OmniHuman 2.0 costa 5 crediti per secondo di video su Nereo. Il selettore del modello e la stima dei crediti nello strumento mostrano il costo esatto prima di generare.

Fatturato in secondi di output

OmniHuman 2.0 costa 5 crediti per secondo di video e OmniHuman 1.5 ne costa 8,5, quindi la durata del tuo audio determina il costo.

Prova prima un breve estratto

Esegui 10-15 secondi prima di una ripresa lunga per verificare sincronizzazione labiale, mani e stabilità dello sfondo.

Taglia i silenzi

Elimina i secondi di silenzio all'inizio e alla fine della traccia; anche quelli diventano video fatturato.

Scegli il modello giusto

Usa OmniHuman 2.0 per riprese lunghe e performance espressive, e passa a OmniHuman 1.5 per clip brevi in 1080p nitide.

Semplifica la foto

Un solo volto e uno sfondo semplice riducono le derive e i movimenti indesiderati di altri volti.

Controlla diritti e consenso

Anima solo immagini e voci di cui possiedi i diritti o per cui hai il permesso, e segui le regole di divulgazione AI delle piattaforme.

OmniHuman 2.0: punti di forza e considerazioni pratiche

Pro

  • Riprese lunghe in un'unica soluzione — Fino a 5 minuti senza giunzioni, ideale per lezioni, canzoni complete e spiegazioni lunghe.
  • Performance espressiva e consapevole dell'audio — Gesti ed espressioni seguono il tono e il significato della registrazione, non solo i suoi suoni.
  • Prezzo al secondo più basso — BytePlus indica la 2.0 a $0,07 al secondo, circa il 40% in meno rispetto alla 1.5.

Contro

  • Output a 720p — La 2.0 è documentata come nativa 720p, quindi per l'uso su grandi schermi potrebbe servire un upscaling.
  • Nessun benchmark pubblicato — BytePlus condivide showcase e specifiche ma nessun confronto quantitativo, e gli sfondi affollati possono ancora presentare derive.

Domande frequenti su OmniHuman 2.0

Find answers to common questions about our AI video generation service.








Dai una voce alla tua foto