Donnez vie à un simple portrait avec OmniHuman 1.5 — téléchargez une photo et un clip audio (ou saisissez du texte et choisissez une voix) pour générer un avatar parlant réaliste avec des lèvres, des expressions et des gestes synchronisés.
Comparez OmniHuman 1.5 avec d'autres modèles vidéo : même espace de travail, un clic pour changer.
Des récits multi-plans avec un contrôle au niveau des références.
Vidéo de qualité cinématographique supérieure avec audio synchronisé natif.
Conversion de texte et d'images en vidéo, jusqu'à 4K avec son optionnel.
Vidéo rapide et abordable avec un véritable contrôle de la caméra.
OmniHuman 1.5 de ByteDance crée un portrait unique à partir de l'audio : des lèvres synchronisées, des expressions naturelles et une gestuelle corporelle complète qui réagissent au rythme et au sens de la voix, et non pas seulement aux mouvements des lèvres. Importez une photo et une vidéo, ou saisissez du texte et choisissez une voix.
Fournissez à OmniHuman 1.5 un simple portrait et un extrait audio, et il anime le visage pour créer une performance vocale crédible avec une synchronisation labiale précise, tout en préservant l'identité, la structure faciale et l'éclairage de la personne. Sans armature, sans fond vert, sans studio.
Contrairement aux outils de base de tête parlante, OmniHuman 1.5 lit le rythme, la prosodie et la signification de l'audio pour piloter les mouvements de la tête, les changements de posture et les gestes des mains — de sorte que l'avatar souligne, fait des pauses et réagit comme un vrai présentateur plutôt que comme un portrait statique avec une bouche qui bouge.
Pas d'audio sous la main ? Passez en mode texte : saisissez le texte que l'avatar doit dire, choisissez une voix dans la bibliothèque de synthèse vocale intégrée, et OmniHuman 1.5 génère l'interprétation vocale pour vous. Idéal pour les présentations scriptées, les vidéos explicatives et les clips pour les réseaux sociaux.
Le modèle s'adapte à différents styles audio (narration calme, dialogue expressif, voire chant) et peut suivre des instructions textuelles optionnelles pour la direction de la caméra et des gestes, produisant des résultats soignés adaptés au marketing, à la formation et aux contenus pour les réseaux sociaux.
Trois étapes, d'un champ de prompt vide à un clip fini.
Ouvrez le sélecteur de modèles et choisissez OmniHuman 1.5. Le panneau affiche son coût en crédits, ses options de résolution et ses limites de durée avant la moindre dépense.
Décrivez le sujet, l'action et le comportement de la caméra. Joignez une première image si vous voulez que le clip démarre d'une image précise.
Téléchargez le clip, prolongez-le ou envoyez-le vers une édition plus poussée. Le prompt, le modèle et les réglages restent attachés dans votre historique.
Un seul compte, l'ensemble du flux de génération d'images et de vidéos.
Donnez mouvement, voix et son à n'importe quelle image fixe en quelques secondes.
Générez de courts clips cinématographiques avec audio natif à partir de votre prompt.
Décrivez votre idée : Ava choisit le modèle classé en arène, rédige le prompt et génère.
Utilisez OmniHuman 1.5 avec les crédits quotidiens de l'offre gratuite, ou passez à un forfait supérieur pour les modèles premium, une génération plus rapide et une sortie 4K.
Parfait pour débuter
Facturé annuellement · 240 $/an
Facturé annuellement · 300 $/an
OmniHuman 1.5 est le modèle d'avatar audio de ByteDance : il transforme un simple portrait et une piste vocale en une vidéo parlante réaliste avec des lèvres, des expressions et des gestes synchronisés.
Une photo de portrait nette d'une seule personne, plus soit un clip audio (mp3/wav), soit — en mode texte — le texte que vous souhaitez faire prononcer et une voix choisie dans la bibliothèque intégrée, qui est synthétisée dans l'audio de conduite.
Jusqu'à 35 secondes d'audio par génération. Pour les scripts plus longs, il est préférable de les diviser en plusieurs clips. La facturation se fait à la seconde d'audio, arrondie à la seconde supérieure.
Oui. OmniHuman 1.5 génère des mouvements de tête, une posture et des gestes des mains qui répondent au rythme et à la signification de l'audio, de sorte que l'avatar joue un rôle plutôt que de simplement synchroniser ses lèvres.
Une seule personne, bien visible de face, avec un bon éclairage et le visage dégagé. Les photos de groupe, les visages très petits ou fortement masqués réduisent la qualité ou peuvent être ratées.
Par seconde d'audio généré. Le coût exact en crédits est affiché avant la génération, et les exécutions infructueuses sont remboursées automatiquement.
OmniHuman 1.5 avatar model integrated with a 60-voice TTS library (6 voice archetypes × 10 languages) and ready-made avatar gallery.
