Dê vida a um único retrato com o OmniHuman 1.5 — carregue uma foto e um clipe de áudio (ou digite um texto e escolha uma voz) para gerar um avatar falante realista com lábios, expressões e gestos sincronizados.
Compare o OmniHuman 1.5 com outros modelos de vídeo — mesmo espaço de trabalho, um clique para alternar.
O OmniHuman 1.5 da ByteDance cria um retrato único a partir do áudio: lábios sincronizados, expressões naturais e gestos corporais completos que respondem ao ritmo e ao significado da voz — e não apenas ao movimento da boca. Carregue uma foto e um clipe de vídeo ou digite um texto e escolha uma voz.
Forneça ao OmniHuman 1.5 um único retrato e um clipe de áudio e ele animará o rosto, transformando-o em uma performance de fala convincente com sincronização labial precisa, preservando a identidade, a estrutura facial e a iluminação da pessoa. Sem necessidade de manipulação, tela verde ou estúdio.
Diferentemente das ferramentas básicas de simulação de pessoas falando diretamente para a câmera, o OmniHuman 1.5 lê o ritmo, a prosódia e o significado do áudio para controlar os movimentos da cabeça, as mudanças de postura e os gestos com as mãos — de modo que o avatar enfatiza, pausa e reage como um apresentador real, em vez de um retrato estático com a boca em movimento.
Sem áudio disponível? Mude para o modo de texto: digite o que o avatar deve dizer, escolha uma voz da biblioteca de conversão de texto em fala integrada e o OmniHuman 1.5 gera a performance falada para você. Ideal para apresentadores com roteiro, vídeos explicativos e vídeos para redes sociais.
O modelo se adapta a diferentes estilos de áudio — narração calma, diálogo expressivo e até mesmo canto — e pode seguir orientações de texto opcionais para direção da câmera e gestos, produzindo resultados refinados adequados para marketing, treinamento e conteúdo para redes sociais.
Três passos, de uma caixa de prompt vazia a um clipe acabado.
Abra o seletor de modelos e escolha OmniHuman 1.5. O painel mostra o custo em créditos, as opções de resolução e os limites de duração antes de você gastar qualquer coisa.
Escreva o sujeito, a ação e como a câmera se comporta. Anexe um primeiro quadro se quiser que o clipe comece de uma imagem específica.
Baixe o clipe, estenda a duração ou mande para mais edição. Prompt, modelo e configurações continuam salvos junto com ele no seu histórico.
Uma conta, todo o fluxo de geração de imagem e vídeo.
Rode o OmniHuman 1.5 com os créditos diários do plano gratuito, ou faça upgrade para modelos premium, geração mais rápida e saída em 4K.
Perfeito para começar
Cobrado anualmente · US$ 240/ano
Cobrado anualmente · US$ 300/ano
O OmniHuman 1.5 é o modelo de avatar da ByteDance baseado em áudio: ele transforma um único retrato mais uma faixa de voz em um vídeo falante realista com lábios, expressões e gestos sincronizados.
Uma foto de retrato nítida de uma única pessoa, além de um clipe de áudio (mp3/wav) ou — no modo de texto — o texto que você deseja que seja falado e uma voz selecionada da biblioteca integrada, que é sintetizada no áudio de condução.
Até 35 segundos de áudio por geração. Roteiros mais longos devem ser divididos em vários clipes. A cobrança é feita por segundo de áudio, arredondado para cima.
Sim. O OmniHuman 1.5 gera movimentos de cabeça, postura e gestos com as mãos que respondem ao ritmo e significado do áudio, de modo que o avatar atua em vez de apenas sincronizar os lábios.
Uma única pessoa, claramente visível, de frente, com boa iluminação e rosto desobstruído. Fotos de grupo, rostos muito pequenos ou com muitos olhos cobertos reduzem a qualidade ou podem não ser capturadas adequadamente.
Por segundo de áudio gerado. O custo exato em créditos é exibido antes da geração, e as execuções com falha são reembolsadas automaticamente.
OmniHuman 1.5 avatar model integrated with a 60-voice TTS library (6 voice archetypes × 10 languages) and ready-made avatar gallery.
