在

出去

聊天

禁用

OmniHuman v1.5

该模型擅长将嘴唇动作、面部表情和微妙的行为线索与音频的情感基调和节奏同步，从而生成栩栩如生的虚拟化身，非常适合交互式和多媒体应用。

新会员可获赠价值 1 美元的免费Tokens

Text to Speech

Javascript

Python

                                        const main = async () => {
  const response = await fetch('https://api.ai.cc/v2/video/generations', {
    method: 'POST',
    headers: {
      Authorization: 'Bearer ',
      'Content-Type': 'application/json',
    },
    body: JSON.stringify({
      model: 'bytedance/omnihuman/v1.5',
      image_url: 'https://s2-111386.kwimgs.com/bs2/mmu-aiplatform-temp/kling/20240620/1.jpeg',
      audio_url: 'https://storage.googleapis.com/falserverless/example_inputs/omnihuman_audio.mp3',
    }),
  }).then((res) => res.json());

  console.log('Generation:', response);
};

main()

                                        import requests


def main():
    url = "https://api.ai.cc/v2/video/generations"
    payload = {
      "model": "bytedance/omnihuman/v1.5",
      "image_url": "https://s2-111386.kwimgs.com/bs2/mmu-aiplatform-temp/kling/20240620/1.jpeg",
      "audio_url": "https://storage.googleapis.com/falserverless/example_inputs/omnihuman_audio.mp3",
    }
    headers = {"Authorization": "Bearer ", "Content-Type": "application/json"}

    response = requests.post(url, json=payload, headers=headers)
    print("Generation:", response.json())


if __name__ == "__main__":
    main()

Docs

一个 API 包含 300 多个 AI 模型

节省20%费用并获赠价值1美元的Tokens

获取 API 密钥探索模型

OmniHuman v1.5

产品详情

✨ OmniHuman v1.5 API：将静态图像转换为动态语音视频

迈入数字内容创作的未来 OmniHuman v1.5OmniHuman 是一款先进的人工智能模型，旨在彻底革新您与视听媒体的互动方式。这款强大的 API 可将静态人像和音频轨道无缝转换为栩栩如生的语音视频。OmniHuman v1.5 融合了视觉、语音和动作合成领域的前沿多模态深度学习技术，带来无与伦比的逼真效果，包括自然流畅的唇形同步、富有表现力的面部表情以及与输入语音精准匹配的情感感知手势。

“想象一下，你那些静态图片活了过来，带着真挚的情感和真实的情感与你对话。”

⚙️ 技术规格和增强性能

核心规格：

✅ 型号：多模态生成式人工智能
✅ 输入方式：图像、音频
✅ 输出：超逼真的人体视频
✅ 语言支持：全面支持 50 多种语言，包括各种方言变体。

🚀 性能基准测试：

✨ 提升流畅度和表现力：体验显著增强的面部表情和整体动作流畅度，让虚拟化身以前所未有的方式栩栩如生。
✨ 更好地理解上下文：生成时长超过一分钟的动态、上下文相关的视频。该模型能够智能地融入自然的语音停顿和丰富的音乐表现手法，从而获得更真实的输出效果。
✨ 减少不自然感：新集成的推理模块专门针对并大幅减少了不自然运动的情况，这是以往人工智能视频生成中常见的挑战。

💡 OmniHuman v1.5 的主要功能

无缝视频生成： 仅需一张静态照片和语音/音频输入，即可生成人物的自然、高质量视频。
精准的情感模仿： 精确复制面部表情和情绪状态，显著提升真实感。
支持多种语言和口音： 支持多种语言和语音口音，且不影响视频质量。
针对多种应用场景进行了优化： 非常适合交互式虚拟形象、虚拟助手和以角色驱动的多媒体项目。
轻量级架构： 专为在消费级和专业级硬件上高效运行而设计，确保易用性。
可调参数： 可对脸部动作强度和情绪表达进行精细控制，以微调您想要的输出效果。

💰 OmniHuman v1.5 API 定价

以极具竞争力的价格开始使用 OmniHuman v1.5 每秒 0.168 美元 生成的视频。

🎯 OmniHuman v1.5 的实际应用案例

💬 互动式虚拟形象： 利用逼真、引人入胜的虚拟角色，提升客户服务、游戏和虚拟现实环境。
🌍 配音和本地化： 非常适合电影和动画，可为本地化内容提供同步面部表情。
🎓 教育多媒体： 创造能引起情感共鸣的角色形象，以获得更具影响力的学习体验。
📱 社交媒体与个性化： 生成动态社交媒体内容和个性化视频信息。
📈 营销中的数字人： 为市场营销、广告和故事讲述活动培养引人注目的数字品牌大使。

🆚 OmniHuman v1.5：遥遥领先

了解 OmniHuman v1.5 的独特之处对于选择合适的 AI 解决方案至关重要。以下是简要对比：

OmniHuman v1.5 与 Synthesia 的比较

OmniHuman v1.5 OmniHuman 以其卓越的面部表情真实感和与音频的情感同步性而著称，使其成为高保真虚拟化身互动的理想之选。Synthesia 侧重于快速视频生成和更简单的唇形同步，而 OmniHuman 则支持更广泛的情感和更细微的动作，从而实现更真实的输出效果。

OmniHuman v1.5 对比第一小时

OmniHuman v1.5 Hour One 在精细的情感和面部同步方面表现出色，能够提供更自然的过渡效果和更丰富的跨语言音频多样性。相比之下，Hour One 则专注于快速创建虚拟形象，主要面向商业应用场景。

OmniHuman v1.5 与 DeepBrain AI

虽然 DeepBrain AI 擅长新闻主播风格的视频合成，但其情感表达范围有限； OmniHuman v1.5 它超越了传统方式，实现了动态的情感表达和与各种音频内容紧密同步的交互式虚拟形象动作。

💻 代码示例参考

对于有兴趣集成 OmniHuman v1.5 的开发人员，这里提供了一个特定的代码示例。 OmniHuman v1.5 API 概述 - 图像转视频生成通常会在官方文档中提供。这段代码片段通常以如下形式出现：

本文档可作为启动图像转视频流程的快速参考。有关详细的实现说明和更多示例，请参阅官方 API 文档。

❓ 常见问题解答 (FAQ)

Q1：OmniHuman v1.5 API是什么？

一个： OmniHuman v1.5 是一款先进的 AI 模型，可将静态的人像和音频轨道转换为超逼真的对话视频，具有栩栩如生的面部表情、自然的唇形同步和情感感知的手势。

Q2：OmniHuman v1.5 支持哪些语言？

一个： 该 API 支持 50 多种语言，包括各种方言变体，确保您的视频内容具有广泛的全球适用性。

Q3：与之前的版本相比，OmniHuman v1.5 在真实性方面有哪些改进？

一个： 它具有更流畅的画面和更丰富的表情，对较长视频的上下文理解能力更强，并且新增了一个推理模块，可以显著减少不自然的动作，从而产生更真实的输出效果。

Q4：OmniHuman v1.5 的主要应用场景有哪些？

一个： 主要应用包括用于客户服务/游戏的交互式虚拟形象、媒体的配音和本地化、教育多媒体、社交媒体内容以及用于营销和广告的数字人。

Q5：OmniHuman v1.5 API 的定价结构是怎样的？

一个： OmniHuman v1.5 API 的定价为每秒生成视频内容 0.168 美元。

API 操练场（Playground）

集成前，请在沙盒环境中测试所有 API 模型。我们提供 300 多个模型供您集成到应用中。

免费试用

一个 API
300多个人工智能模型

节省20%的费用