- 홈
- AI 비디오 생성기
- OmniHuman 2.0
OmniHuman 2.0: 사진 한 장과 오디오로 5분 퍼포먼스 완성
OmniHuman 2.0은 ByteDance의 오디오 기반 아바타 영상 모델입니다. 이미지 한 장과 음성 또는 노래 트랙 하나만 입력하면 립, 표정, 제스처, 신체 움직임이 오디오의 톤과 의미를 따라 최대 5분 길이의 한 번의 테이크로 전체 퍼포먼스를 생성합니다. 공식 예시를 확인한 후 Nereo에서 초당 5 크레딧으로 OmniHuman 2.0을 사용해 보세요.
말하는 사진
OmniHuman 2.0 기능 및 공식 예시
텍스트 프롬프트로 장면 연출
오디오 외에도 짧은 프롬프트로 사진에 없는 특정 동작, 카메라 무브, 소품을 요청할 수 있습니다. 말하는 머리와 연출된 장면의 차이를 만듭니다.
프롬프트 제어의 공식 BytePlus 예시: 캐릭터의 동작과 카메라 움직임이 텍스트 프롬프트를 따르고 음성이 퍼포먼스를 이끕니다.
한 장의 이미지로 가수가 되다
OmniHuman 2.0에 노래 트랙을 주면 얼굴이 가사, 길게 끄는 음, 숨소리를 표현하고 움직임이 리듬을 따릅니다. 믹스에서 보컬을 선명하고 크게 유지하세요.
한 장의 이미지와 노래로 생성된 리드미컬한 노래 퍼포먼스의 공식 BytePlus 예시.
대사가 이끄는 영화적 감정
모델은 소리뿐 아니라 오디오의 맥락을 읽어, 긴장, 분노, 안도감이 배우처럼 제스처와 표정에 나타납니다.
대화가 이끄는 감정적이고 영화적인 퍼포먼스의 공식 BytePlus 예시.
동물과 스타일화된 캐릭터
OmniHuman 2.0은 실제 사람에 국한되지 않습니다. 마스코트, 3D 캐릭터, 동물도 눈과 입이 선명하게 그려져 있으면 말하거나 노래할 수 있습니다.
오디오로 생명을 불어넣은 동물 캐릭터의 공식 BytePlus 예시.
오디오 이해
표현이 전달 방식에 따라 변합니다. 같은 얼굴도 부드럽게 노래할 때, 힘차게 부를 때, 미소 지으며 말할 때 다르게 보입니다.
오디오의 느낌을 따라가는 퍼포먼스를 보여주는 공식 BytePlus 예시.
장면과 상호작용하는 캐릭터
프롬프트로 캐릭터가 환경 안에서 어떻게 움직이는지 설명할 수 있어, 입만 움직이는 초상화가 아닌 장면처럼 느껴집니다.
프롬프트에 설명된 환경 상호작용의 공식 BytePlus 예시.
OmniHuman 2.0 사용 방법
사진과 오디오가 결과의 대부분을 좌우합니다. 짧은 프롬프트는 선택 사항입니다.
선명한 이미지 한 장 선택
최대 20MB의 JPG, PNG 또는 WebP 이미지를 사용하세요. 얼굴 하나가 카메라를 향하고, 배경은 단순하거나 부드럽게 흐려져 있으며, 입은 편안한 상태여야 합니다. 원하는 영상 구도로 프레임을 잡고, 재생될 위치에 맞춰 세로 또는 가로를 선택하세요.
오디오 준비
최대 15MB, 4초에서 299초 사이의 MP3 또는 WAV 음성, 노래 또는 대화 트랙을 업로드하세요. 음성을 깨끗하게 유지하고 무음을 잘라내세요. 오디오 1초가 영상 1초가 됩니다.
짧은 연출 추가 후 생성
선택적으로 분위기, 제스처, 카메라 움직임을 한두 문장으로 설명하세요. 먼저 짧은 발췌로 테스트한 후 전체 트랙을 실행하세요.
크리에이터들이 OmniHuman 2.0을 사용하는 방법
모든 사용 사례는 이미지 한 장과 녹음 하나에서 시작됩니다.
강의 및 수업
전체 수업을 한 번에 진행하여 4분에도 1분과 같은 강사 모습을 유지하고 편집할 필요가 없습니다.
스포크스퍼슨 및 UGC 광고
발표자 사진을 제품 설명 및 후기 스타일 광고로 바꾸고, 보이스오버를 교체해 새 버전을 만드세요.
음악 공연
노래 트랙을 인물 사진이나 캐릭터에 적용해 길게 끄는 음, 숨소리, 리듬을 따르는 퍼포먼스를 얻으세요.
마스코트 및 캐릭터
브랜드 마스코트, 3D 캐릭터, 동물이 광고, 키즈 콘텐츠, 채널 인트로의 대사를 전달하게 하세요.
인터뷰 및 대화
하나의 대화 트랙으로 두 사람의 대화와 스케치를 연출하고, 각 대사가 올바른 얼굴에 전달되는지 확인하세요.
현지화 메시지
동일한 스포크스퍼슨 이미지에 번역된 음성 트랙을 결합해 하나의 메시지를 여러 언어로 전달하세요.
OmniHuman 2.0 vs OmniHuman 1.5
| Feature | OmniHuman 2.0 | OmniHuman 1.5 |
|---|---|---|
| 입력 | 이미지 1장 + 오디오 + 선택적 프롬프트 | 이미지 1장 + 오디오 + 선택적 프롬프트 |
| 최대 오디오/비디오 길이 | 4–300초 | 60초 미만 |
| 출력 해상도 | 네이티브 720p | 720p 또는 1080p |
| 오디오 형식 | WAV, MP3 (15MB 미만) | Nereo에서 MP3, WAV, M4A |
| 다인 장면 | 핵심 기능 | 추가 API 단계 필요 |
| BytePlus API 가격 | 초당 $0.07 | 초당 $0.12 |
| Nereo에서 | 사용 가능, 초당 5 크레딧 | 사용 가능, 초당 8.5 크레딧 |
Nereo에서 OmniHuman 작업 계획하기
Nereo에서 OmniHuman 2.0은 영상 1초당 5 크레딧입니다. 도구의 모델 선택기와 크레딧 예상치는 생성 전에 정확한 비용을 보여줍니다.
출력 초 단위 과금
OmniHuman 2.0은 영상 1초당 5 크레딧, OmniHuman 1.5는 8.5 크레딧이므로 오디오 길이가 비용을 결정합니다.
먼저 짧은 발췌 테스트
긴 테이크 전에 10~15초를 실행해 입술 타이밍, 손, 배경 안정성을 확인하세요.
무음 제거
트랙 시작과 끝의 조용한 부분을 잘라내세요. 그 부분도 과금되는 비디오가 됩니다.
올바른 모델 선택
긴 테이크와 표현력이 풍부한 퍼포먼스에는 OmniHuman 2.0을 사용하고, 선명한 1080p 짧은 클립에는 OmniHuman 1.5로 전환하세요.
사진 단순화
얼굴 하나와 단순한 배경이 흔들림과 다른 얼굴이 저절로 움직이는 현상을 줄입니다.
권리 및 동의 확인
소유하거나 사용 허가를 받은 이미지와 음성만 애니메이션화하고, 플랫폼의 AI 공개 규칙을 따르세요.
OmniHuman 2.0: 장점과 실용적 고려사항
장점
- 긴 단일 테이크 — 이음새 없이 최대 5분까지 가능해 수업, 전체 노래, 긴 설명에 적합합니다.
- 표현력 풍부한 오디오 인식 퍼포먼스 — 제스처와 표정이 소리뿐 아니라 녹음의 톤과 의미를 따릅니다.
- 초당 가격 인하 — BytePlus는 2.0을 초당 $0.07로 책정해 1.5보다 약 40% 저렴합니다.
단점
- 720p 출력 — 2.0은 네이티브 720p로 문서화되어 있어 대형 화면 사용에는 업스케일링이 필요할 수 있습니다.
- 아직 공개된 벤치마크 없음 — BytePlus는 쇼케이스와 사양을 공유하지만 정량적 비교는 없으며, 복잡한 배경은 여전히 흔들릴 수 있습니다.
OmniHuman 2.0 FAQ
Find answers to common questions about our AI video generation service.
OmniHuman 2.0은 ByteDance가 2026년 10월 15일 BytePlus를 통해 출시한 오디오 기반 아바타 비디오 모델입니다. 이미지 한 장과 오디오 트랙 하나, 선택적 텍스트 프롬프트를 입력하면 해당 캐릭터가 오디오를 연기하는 비디오를 생성합니다.
가장 큰 변화는 길이와 비용입니다. 오디오가 60초 미만에서 최대 300초로 늘어나고, BytePlus에서 초당 $0.12에서 $0.07로 인하되었습니다. 2.0은 다인 장면과 대화도 핵심 기능으로 포함합니다. 1.5는 1080p 출력이 가능하지만, 2.0은 네이티브 720p를 출력합니다.
오디오는 4초에서 300초까지 가능하며, 비디오는 오디오 길이에 맞춰지므로 한 번에 최대 5분까지 생성할 수 있습니다.
오디오는 15MB 미만의 WAV 또는 MP3. 이미지는 30MB 미만의 JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC, HEIF이며, 각 변이 300~6,000픽셀, 종횡비 0.4~2.5 사이여야 합니다.
네. 음성뿐 아니라 음악도 받아 가사, 길게 끄는 음, 리듬을 따릅니다. 최상의 입 모양을 위해 믹스에서 보컬을 선명하고 앞에 배치하세요.
네. BytePlus는 예시 중에 동물 캐릭터와 3D 스타일 캐릭터를 보여줍니다. 결과는 눈과 입이 얼마나 선명하게 그려졌는지에 따라 달라지므로, 먼저 짧은 클립을 테스트하세요.
선택적 텍스트 프롬프트는 중국어, 영어, 일본어, 한국어, 멕시코 스페인어, 인도네시아어를 지원합니다. 실제 퍼포먼스는 음성 오디오가 이끕니다.
네. OmniHuman 2.0은 이 페이지의 버튼으로 열리는 Nereo의 AI 토킹 포토 생성기에서 사용 가능하며, 출력 1초당 5 크레딧으로 기본 선택되어 있습니다. 비교를 원하시면 OmniHuman 1.5, Kling AI Avatar, MiniMax H3 Max Lip Sync도 같은 모델 메뉴에 있습니다.
