O BytePlus OmniHuman 2.0 é um modelo de geração de vídeo por IA guiado por áudio que transforma imagens e áudio em vídeos realistas de avatares falantes. Ele oferece suporte a sincronia labial natural, movimentos faciais expressivos, gestos corporais e geração de vídeos de até 5 minutos de duração.

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 para vídeos de avatares falantes com IA

Original image
FeatureOmniHuman 1.5 APIOmniHuman 2.0 API
InputImagem + Áudio + Prompt opcionalImagem + Áudio + Prompt opcional
Animação guiada por áudioSupportedSupported
Sincronia labialSupportedSupported
Expressões faciaisSupportedSupported
Gestos corporaisSupportedSupported
Animação com múltiplas pessoasSupportedSupported
Controle por prompt de textoSupportedSupported
Duração máxima do vídeoMenos de 60 segundosAté 300 segundos*
Resolução de saída720p / 1080p720p*
Ideal paraVídeos curtos de avatares em alta resoluçãoVídeos mais longos de avatares falantes
Price27 credits/s ($0.135)14 credits/s ($0.07)
As especificações do OmniHuman 2.0 podem variar de acordo com o provedor de API e o endpoint.

A OmniHuman 2.0 API é uma API de geração de vídeo por IA guiada por áudio, desenvolvida a partir do modelo OmniHuman 2.0 da ByteDance. Ela transforma imagens de personagens e áudio em vídeos de avatares falantes com movimentos labiais sincronizados, expressões faciais e gestos corporais. Desenvolvedores podem integrar a OmniHuman 2.0 API por meio do Kie AI para criar aplicativos de avatares com IA e criação de vídeos.

Crie uma chave na página de chaves de API do Kie AI (kie.ai/api-key) e envie-a no cabeçalho Authorization: Bearer YOUR_API_KEY. Em seguida, chame POST https://api.kie.ai/api/v1/jobs/createTask com model definido como omnihuman-2-0 e um objeto input contendo image_urls (um array de um elemento) e audio_url, além de um prompt opcional. A requisição retorna um taskId: passe uma callBackUrl para ser notificado quando o vídeo for concluído ou falhar, ou faça consultas periódicas a GET /api/v1/jobs/recordInfo?taskId=…; em caso de sucesso, resultJson.resultUrls contém o link do MP4. Todos os parâmetros estão na documentação da OmniHuman 2.0 API.

O ByteDance OmniHuman 2.0 usa uma imagem de referência e um arquivo de áudio para gerar vídeos de personagens animados. O modelo analisa a fala, o ritmo e as pistas de áudio para criar movimentos labiais, expressões faciais e gestos corporais correspondentes. Os desenvolvedores também podem usar prompts de texto opcionais para guiar as ações e atuações dos personagens.

A OmniHuman 2.0 API aceita uma imagem por requisição nos formatos JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC ou HEIF, com menos de 30 MB, de 300 a 6.000 pixels por lado e proporção entre largura e altura de 0,4 a 2,5. O áudio deve estar em MP3 ou WAV, ter menos de 15 MB e duração de 4 a 300 segundos. Para conferir os requisitos completos de entrada, consulte a documentação da API do Kie AI.

A OmniHuman 2.0 API suporta vídeos de 4 a 300 segundos (5 minutos), sendo que o vídeo gerado acompanha a duração do áudio de entrada. O modelo gera vídeos em resolução 720p, o que o torna adequado para vídeos longos de avatares falantes, apresentações e apresentações de canto. Para limites específicos do endpoint, consulte a documentação da API do Kie AI.

O OmniHuman 2.0 custa 14 créditos (US$ 0,07) por segundo de vídeo gerado em 720p, e a duração do vídeo segue a do seu áudio. Um clipe de 30 segundos custa 420 créditos (US$ 2,10) e um vídeo completo de 5 minutos (300 segundos) custa 4.200 créditos (US$ 21). O OmniHuman 1.5 é cobrado a 27 créditos (US$ 0,135) por segundo. Os preços podem ser atualizados; o cartão de preços no topo desta página sempre mostra a tarifa atual.

Sim, a API do OmniHuman 2 suporta animação de múltiplas pessoas, permitindo que os desenvolvedores criem vídeos com vários personagens em uma única cena. Isso a torna útil para entrevistas virtuais, podcasts com IA e performances em grupo. Os resultados podem depender da imagem de referência, do áudio de entrada e da complexidade da cena.

A OmniHuman 2.0 API suporta vídeos mais longos, de até 300 segundos em 720p, tornando-a ideal para vídeos estendidos de avatares falantes e performances de personagens. A OmniHuman 1.5 API foca em vídeos mais curtos, de até 60 segundos, com suporte à resolução 1080p. Ambos os modelos oferecem animação guiada por áudio, sincronia labial, expressões faciais e gestos corporais. O Kie AI oferece acesso tanto à OmniHuman 1.5 API quanto à OmniHuman 2.0 API, permitindo que os desenvolvedores escolham o modelo certo para seus projetos.

Sim. A API de IA do OmniHuman suporta um prompt de texto opcional de até 300 caracteres, escrito em chinês, inglês, japonês, coreano, espanhol (mexicano) ou indonésio, que ajuda a guiar ações dos personagens, gestos, movimentos de câmera e estilos de atuação. Os desenvolvedores podem combinar prompts com imagens e áudio para influenciar a animação gerada. Os movimentos finais também dependem do áudio e da interpretação do modelo.

Sim, por padrão. O parâmetro enable_watermark tem o valor padrão true; defina-o como false no input da requisição para obter o vídeo sem marca d'água.

O Kie AI oferece créditos gratuitos para novos usuários começarem a usar a OmniHuman 2.0 API. Se esses créditos cobrem ou não a sua geração de vídeo depende das configurações de entrada e do custo estimado em créditos. Você pode verificar os créditos necessários antes de enviar uma requisição de geração.