BytePlus OmniHuman 2.0 adalah model generasi video AI berbasis audio yang mengubah gambar dan audio menjadi video avatar berbicara yang tampak nyata. Model ini mendukung sinkronisasi bibir alami, gerakan wajah ekspresif, gestur tubuh, dan generasi video berdurasi hingga 5 menit.

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 untuk Video Avatar Berbicara AI

Original image
FeatureOmniHuman 1.5 APIOmniHuman 2.0 API
InputGambar + Audio + Prompt OpsionalGambar + Audio + Prompt Opsional
Animasi Berbasis AudioSupportedSupported
Sinkronisasi BibirSupportedSupported
Ekspresi WajahSupportedSupported
Gestur TubuhSupportedSupported
Animasi Beberapa OrangSupportedSupported
Kontrol Prompt TeksSupportedSupported
Durasi Video MaksimumDi Bawah 60 DetikHingga 300 Detik*
Resolusi Output720p / 1080p720p*
Cocok UntukVideo Avatar Beresolusi Tinggi & Berdurasi PendekVideo Avatar Berbicara Berdurasi Lebih Panjang
Price27 credits/s ($0.135)14 credits/s ($0.07)
Spesifikasi OmniHuman 2.0 dapat bervariasi menurut penyedia dan endpoint API.

OmniHuman 2.0 API adalah API generasi video AI berbasis audio yang dikembangkan dari model OmniHuman 2.0 milik ByteDance. API ini mengubah gambar karakter dan audio menjadi video avatar berbicara dengan gerakan bibir, ekspresi wajah, dan gestur tubuh yang sinkron. Pengembang dapat mengintegrasikan OmniHuman 2.0 API melalui Kie AI untuk membangun aplikasi pembuatan avatar dan video AI.

Buat API key di halaman API Keys Kie AI (kie.ai/api-key) lalu kirimkan sebagai header Authorization: Bearer YOUR_API_KEY. Setelah itu, panggil POST https://api.kie.ai/api/v1/jobs/createTask dengan model diatur ke omnihuman-2-0 serta input yang berisi image_urls (array satu elemen) dan audio_url, ditambah prompt opsional. Permintaan ini mengembalikan taskId: sertakan callBackUrl untuk mendapatkan notifikasi saat video berhasil atau gagal, atau lakukan polling ke GET /api/v1/jobs/recordInfo?taskId=…; jika berhasil, resultJson.resultUrls akan memuat tautan MP4. Setiap parameter tersedia di dokumentasi OmniHuman 2.0 API.

ByteDance OmniHuman 2.0 menggunakan gambar referensi dan file audio untuk menghasilkan video karakter animasi. Model ini menganalisis ucapan, ritme, dan isyarat audio guna menciptakan gerakan bibir, ekspresi wajah, serta gestur tubuh yang serasi. Pengembang juga dapat menggunakan prompt teks opsional untuk mengarahkan aksi dan penampilan karakter.

OmniHuman 2.0 API menerima satu gambar per permintaan dalam format JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC, atau HEIF, berukuran di bawah 30 MB, 300 hingga 6.000 piksel per sisi, serta rasio lebar terhadap tinggi antara 0,4 dan 2,5. Audio harus berformat MP3 atau WAV, di bawah 15 MB, dan berdurasi 4 hingga 300 detik. Untuk persyaratan input selengkapnya, periksa dokumentasi API Kie AI.

OmniHuman 2.0 API mendukung video berdurasi 4 hingga 300 detik (5 menit), dengan durasi video hasil generasi menyesuaikan durasi audio input. Model ini menghasilkan output video pada resolusi 720p, sehingga cocok untuk video avatar berbicara berdurasi panjang, presentasi, dan penampilan bernyanyi. Untuk batas khusus endpoint, lihat dokumentasi API Kie AI.

OmniHuman 2.0 memerlukan 14 kredit ($0,07) per detik output video pada resolusi 720p, dan durasi video mengikuti audio Anda. Klip 30 detik memerlukan 420 kredit ($2,10) dan video penuh 5 menit (300 detik) memerlukan 4.200 kredit ($21). OmniHuman 1.5 dikenakan biaya 27 kredit ($0,135) per detik. Harga dapat diperbarui; kartu harga di bagian atas halaman ini selalu menampilkan tarif terbaru.

Ya, OmniHuman 2 API mendukung animasi multi-orang, sehingga pengembang dapat membuat video yang menampilkan beberapa karakter dalam satu adegan. Fitur ini berguna untuk wawancara virtual, podcast AI, dan penampilan grup. Hasilnya dapat bergantung pada gambar referensi, input audio, dan kompleksitas adegan.

OmniHuman 2.0 API mendukung video berdurasi lebih panjang hingga 300 detik pada 720p, menjadikannya ideal untuk video avatar berbicara dan penampilan karakter berdurasi panjang. OmniHuman 1.5 API berfokus pada video berdurasi lebih pendek hingga 60 detik, dengan dukungan resolusi 1080p. Kedua model menawarkan animasi berbasis audio, sinkronisasi bibir, ekspresi wajah, dan gestur tubuh. Kie AI menyediakan akses ke OmniHuman 1.5 API dan OmniHuman 2.0 API, sehingga pengembang dapat memilih model yang tepat untuk proyek mereka.

Ya. OmniHuman AI API mendukung prompt teks opsional hingga 300 karakter, yang ditulis dalam bahasa Mandarin, Inggris, Jepang, Korea, Spanyol (Meksiko), atau Indonesia, untuk membantu mengarahkan aksi karakter, gestur, pergerakan kamera, dan gaya penampilan. Pengembang dapat memadukan prompt dengan gambar serta audio untuk memengaruhi animasi yang dihasilkan. Gerakan akhir juga bergantung pada audio dan interpretasi model.

Ya, secara default. Parameter enable_watermark secara default bernilai true; atur ke false pada input permintaan untuk mendapatkan video tanpa watermark.

Kie AI menawarkan kredit gratis bagi pengguna baru untuk mulai menggunakan OmniHuman 2.0 API. Cukup tidaknya kredit tersebut untuk membuat video bergantung pada pengaturan input dan perkiraan biaya dalam kredit. Anda dapat memeriksa jumlah kredit yang diperlukan sebelum mengirimkan permintaan generasi.