KI-Avatar-Modell
Mit OmniHuman 1.5 können Sie ein einzelnes Porträt zum Leben erwecken – laden Sie ein Foto und einen Audioclip hoch (oder geben Sie Text ein und wählen Sie eine Stimme aus), um einen realistischen sprechenden Avatar mit synchronisierten Lippenbewegungen, Gesichtsausdrücken und Gesten zu generieren.
Vergleichen Sie OmniHuman 1.5 mit anderen Videomodellen – gleicher Arbeitsbereich, Wechsel mit einem Klick.
Ein Einblick in das, was Menschen mit KI-Videomodellen auf CreateVision AI erschaffen.
ByteDance OmniHuman 1.5 erstellt anhand von Audioaufnahmen ein individuelles Porträt: synchronisierte Lippenbewegungen, natürliche Mimik und Ganzkörpergesten reagieren auf Rhythmus und Bedeutung der Stimme – nicht nur auf die Mundbewegungen. Laden Sie ein Foto und einen Clip hoch oder geben Sie Text ein und wählen Sie eine Stimme.
Mit einem einzigen Porträt und einer Audioaufnahme animiert OmniHuman 1.5 das Gesicht zu einer glaubwürdigen Sprechperformance mit präziser Lippensynchronisation, wobei die Identität, die Gesichtszüge und die Beleuchtung der Person erhalten bleiben. Ganz ohne Rigging, Greenscreen oder Studio.
Anders als bei herkömmlichen Sprecher-Tools liest OmniHuman 1.5 Rhythmus, Prosodie und Bedeutung des Audiomaterials, um Kopfbewegungen, Haltungsänderungen und Handgesten zu steuern – so dass der Avatar wie ein echter Präsentator betont, pausiert und reagiert und nicht wie ein statisches Porträt mit einem sich bewegenden Mund.
Kein Audio zur Hand? Wechseln Sie in den Textmodus: Geben Sie ein, was Ihr Avatar sagen soll, wählen Sie eine Stimme aus der integrierten Sprachausgabebibliothek, und OmniHuman 1.5 generiert die Sprachausgabe für Sie. Ideal für Präsentationen, Erklärvideos und Social-Media-Clips.
Das Modell passt sich verschiedenen Audiostilen an – von ruhiger Erzählung über ausdrucksstarke Dialoge bis hin zu Gesang – und kann optionalen Textanweisungen für Kamera- und Gestensteuerung folgen, wodurch professionelle Ergebnisse erzielt werden, die sich für Marketing-, Schulungs- und Social-Media-Inhalte eignen.
Ein Konto, der vollständige Bild- und Video-Generierungs-Workflow.
Starte kostenlos mit täglichen Credits. Upgrade für Premium-Modelle, schnellere Generierung und 4K-Ausgabe.
Perfekt für den Einstieg
Jährliche Abrechnung · 240 $/Jahr
Jährliche Abrechnung · 300 $/Jahr
OmniHuman 1.5 ist ByteDances audiogesteuertes Avatar-Modell: Es verwandelt ein einzelnes Porträt plus eine Sprachspur in ein realistisches sprechendes Video mit synchronisierten Lippenbewegungen, Mimik und Gestik.
Ein klares Porträtfoto einer einzelnen Person, dazu entweder ein Audioclip (mp3/wav) oder – im Textmodus – der Text, der vorgelesen werden soll, und eine Stimme aus der integrierten Bibliothek, die in den Fahrton umgewandelt wird.
Bis zu 35 Sekunden Audio pro Aufnahme. Längere Texte sollten in mehrere Clips aufgeteilt werden. Die Abrechnung erfolgt sekundengenau, aufgerundet.
Ja. OmniHuman 1.5 generiert Kopfbewegungen, Körperhaltung und Handgesten, die auf Rhythmus und Bedeutung des Audios reagieren, sodass der Avatar agiert und nicht nur die Lippen synchronisiert.
Eine einzelne, gut sichtbare Person mit Frontalansicht, guter Beleuchtung und freiem Gesicht. Gruppenfotos, kleine Gesichter oder stark verdeckte Gesichter mindern die Qualität oder können misslingen.
Pro Sekunde generiertem Audio. Die genauen Kosten werden vor der Generierung angezeigt, und fehlgeschlagene Versuche werden automatisch erstattet.
