BytePlus OmniHuman 2.0 ist ein audiogesteuertes Modell zur KI-Videogenerierung, das Bilder und Audiodateien in lebensechte Videos mit sprechenden Avataren verwandelt. Es unterstützt natürliche Lippensynchronisation, ausdrucksstarke Gesichtsbewegungen, Körpergestik und die Generierung von Videos mit einer Länge von bis zu 5 Minuten.

Pricing: 14 credits per second ($0.07/s), billed on the output video duration. 720P output, length follows the input audio (4–300 s). High-tier top-ups include +10% bonus credits. Effective pricing is approximately 10% lower than the above rates.
Input

Text prompt (Character Tendency). used for precise control of the scene,movements.camera movements,etc. Supported Languages: Only Chinese, English, Japanese, Korean, Spanish (Mexican), Indonesian.

0/300

Click to upload or drag and drop

Supported formats: MPEG, WAV, X-WAV Maximum file size: 15MB

Audio url. The duration [4,300] s

Click to upload or drag and drop

Supported formats: JPEG, PNG, WEBP, BMP, TIFF, GIF Maximum file size: 30MB; Maximum files: 1

Image URL. Only one image is supported. Aspect Ratio (Width/Height): [0.4,2.5]. Dimension (px): [300,6000]

Whether to enable the watermark. Default: true.

Output
output typevideo

README

Complete guide to using omnihuman-2-0

OmniHuman 2.0 API für KI-Videos mit sprechenden Avataren

Original image
FeatureOmniHuman 1.5 APIOmniHuman 2.0 API
InputBild + Audio + optionaler PromptBild + Audio + optionaler Prompt
Audiogesteuerte AnimationSupportedSupported
LippensynchronisationSupportedSupported
GesichtsausdrückeSupportedSupported
KörperspracheSupportedSupported
Mehrpersonen-AnimationSupportedSupported
Steuerung per Text-PromptSupportedSupported
Maximale VideodauerUnter 60 SekundenBis zu 300 Sekunden*
Ausgabeauflösung720p / 1080p720p*
Am besten geeignet fürKurze Avatar-Videos in hoher AuflösungLängere Videos mit sprechenden Avataren
Price27 credits/s ($0.135)14 credits/s ($0.07)
Die Spezifikationen von OmniHuman 2.0 können je nach API-Anbieter und Endpunkt variieren.

Die OmniHuman 2.0 API ist eine audiogesteuerte KI-Videogenerierungs-API, die auf dem Modell OmniHuman 2.0 von ByteDance basiert. Sie verwandelt Charakterbilder und Audiodateien in sprechende Avatar-Videos mit synchronen Lippenbewegungen, Mimik und Körpergestik. Entwickler können die OmniHuman 2.0 API über Kie AI integrieren, um Anwendungen für KI-Avatare und zur Videoerstellung zu entwickeln.

Erstellen Sie einen Schlüssel auf der Seite für Kie AI API-Keys (kie.ai/api-key) und übergeben Sie ihn im Header als Authorization: Bearer YOUR_API_KEY. Rufen Sie anschließend POST https://api.kie.ai/api/v1/jobs/createTask auf, wobei model auf omnihuman-2-0 gesetzt ist und das input-Objekt image_urls (ein Array mit einem Element), audio_url sowie einen optionalen Prompt enthält. Die Anfrage gibt eine taskId zurück: Übergeben Sie eine callBackUrl, um benachrichtigt zu werden, sobald die Videoerstellung erfolgreich war oder fehlgeschlagen ist, oder fragen Sie den Status über GET /api/v1/jobs/recordInfo?taskId=… ab. Bei Erfolg enthält resultJson.resultUrls den Link zur MP4-Datei. Alle Parameter finden Sie in der Dokumentation der OmniHuman 2.0 API.

ByteDance OmniHuman 2.0 nutzt ein Referenzbild und eine Audiodatei, um animierte Charaktervideos zu generieren. Das Modell analysiert Sprache, Rhythmus und akustische Signale, um passende Lippenbewegungen, Gesichtsausdrücke und Körpergesten zu erzeugen. Entwickler können zudem optionale Text-Prompts verwenden, um die Aktionen und Darbietungen der Charaktere zu steuern.

Die OmniHuman 2.0 API verarbeitet pro Anfrage ein Bild im Format JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC oder HEIF mit einer Dateigröße unter 30 MB, einer Seitenlänge von 300 bis 6.000 Pixeln und einem Seitenverhältnis (Breite zu Höhe) zwischen 0,4 und 2,5. Die Audiodatei muss im Format MP3 oder WAV vorliegen, unter 15 MB groß und 4 bis 300 Sekunden lang sein. Die vollständigen Eingabeanforderungen finden Sie in der Kie AI API-Dokumentation.

Die OmniHuman 2.0 API unterstützt Videos mit einer Länge von 4 bis 300 Sekunden (5 Minuten), wobei die Dauer des generierten Videos der Länge der Eingabe-Audiodatei entspricht. Das Modell gibt Videos in einer Auflösung von 720p aus und eignet sich damit für längere sprechende Avatar-Videos, Präsentationen und Gesangsdarbietungen. Endpunktspezifische Limits finden Sie in der Kie AI API-Dokumentation.

OmniHuman 2.0 kostet 14 Credits (0,07 $) pro Sekunde Ausgabevideo in 720p, wobei sich die Videolänge nach Ihrer Audiodatei richtet. Ein 30-Sekunden-Clip kostet 420 Credits (2,10 $) und ein vollständiges 5-Minuten-Video (300 Sekunden) kostet 4.200 Credits (21 $). OmniHuman 1.5 wird mit 27 Credits (0,135 $) pro Sekunde abgerechnet. Die Preise können sich ändern; die Preiskarte oben auf dieser Seite zeigt stets den aktuellen Tarif.

Ja, die OmniHuman 2 API unterstützt die Animation mehrerer Personen, sodass Entwickler Videos mit mehreren Charakteren in einer einzigen Szene erstellen können. Das macht sie nützlich für virtuelle Interviews, KI-Podcasts und Gruppendarbietungen. Die Ergebnisse können vom Referenzbild, der Audioeingabe und der Komplexität der Szene abhängen.

Die OmniHuman 2.0 API unterstützt längere Videos von bis zu 300 Sekunden in 720p und ist damit ideal für ausgedehnte sprechende Avatar-Videos und Charakterdarbietungen. Die OmniHuman 1.5 API ist auf kürzere Videos von bis zu 60 Sekunden ausgelegt und unterstützt eine Auflösung von 1080p. Beide Modelle bieten audiogesteuerte Animation, Lippensynchronisation, Mimik und Körpergestik. Kie AI bietet Zugriff sowohl auf die OmniHuman 1.5 API als auch auf die OmniHuman 2.0 API, sodass Entwickler das passende Modell für ihre Projekte wählen können.

Ja. Die OmniHuman KI-API unterstützt einen optionalen Text-Prompt mit bis zu 300 Zeichen auf Chinesisch, Englisch, Japanisch, Koreanisch, Spanisch (Mexiko) oder Indonesisch, mit dem sich Charakteraktionen, Gesten, Kamerabewegungen und Darstellungsstile steuern lassen. Entwickler können Prompts mit Bildern und Audio kombinieren, um die generierte Animation zu beeinflussen. Die endgültigen Bewegungen hängen zudem vom Audio und der Interpretation durch das Modell ab.

Ja, standardmäßig schon. Der Parameter enable_watermark ist standardmäßig auf true gesetzt; setzen Sie ihn im input-Objekt der Anfrage auf false, um das Video ohne Wasserzeichen zu erhalten.

Kie AI stellt neuen Nutzern kostenlose Credits zur Verfügung, um den Einstieg in die OmniHuman 2.0 API zu ermöglichen. Ob diese Credits Ihre Videogenerierung abdecken, hängt von Ihren Eingabeeinstellungen und den geschätzten Credit-Kosten ab. Sie können die erforderlichen Credits vor dem Absenden einer Generierungsanfrage prüfen.