Ir al contenido principal

OmniHuman 1.5 de ByteDance es el modelo 1.5 de su serie de animación de retratos y combina voz o canto con indicaciones opcionales de gestos y cámara en 720p o 1080p.

Desde $0.144/s

Playground

Entrada

Avatar parlante
240/2000
Dirección opcional de talking-avatar para acción, expresión, escena y cámara, con un límite de 2.000 caracteres. No se especifica texto predeterminado; el diálogo permanece en la grabación y la instrucción no afecta el precio. mínimo 1 caracteres · máximo 2000 caracteres
1/1

Arrastra archivos o enlaces multimedia, pega o selecciona · 1 archivo · Máx. 10 MB · JPG · PNG · WEBP

  • 1
1 / 1 archivos
Obligatorio para talking-avatar: JPEG, PNG o WebP de hasta 30 MB, con rostro frontal claro. Incluye torso y manos para gestos. Sin valor predeterminado; la elección de imagen no afecta la tarifa por audio. mínimo 1 caracteres
afecta al precio1/1
1 / 1 archivos
Obligatorio para talking-avatar: MP3 o WAV de hasta 15 MB y 1–60 segundos, con habla o canto. Sin valor predeterminado; su duración se redondea hacia arriba para el cobro. ByteDance recomienda 15 segundos o menos para cuidar la calidad. mínimo 1 caracteres
En talking-avatar, elige 720p o 1080p; al omitir el campo se usa 1080p. Los dos niveles tienen igual tarifa y las dimensiones medidas varían con la composición generada.
Seed
Entero opcional de talking-avatar de 0 a 2147483647; no se especifica valor predeterminado. Déjalo fijo al cambiar un ajuste para comparar, sin promesa de salida idéntica ni efecto en el precio. no menor que 0 · no mayor que 2147483647
Filtro de seguridadDesactivado

SpicyAPI no ejecuta ningún filtro de seguridad en este modelo. Tu prompt y tus medios llegan al modelo tal como los escribes, y el propio modelo decide el resultado.

Comprobando tu cuenta antes de habilitar el envío y el cálculo de precios.

Salida

Listo para una nueva ejecución
Resultado de ejemplo

¿No está el modelo que buscas?

BYTEDANCE · INTERPRETACIÓN DESDE UN RETRATO

La API de OmniHuman 1.5 de un vistazo

Deja que la grabación marque la interpretación y dirige con texto un gesto, un asentimiento o la cámara.

Audio admitido
1–60 s
ByteDance recomienda no superar los 15 segundos para cuidar la calidad; la grabación fija la duración prevista del clip.
Resolución por defecto
1080p
También puedes elegir 720p, sin cambiar la tarifa por segundo.
Máx. caracteres: prompt
2.000
El texto puede dirigir expresiones, movimientos, escena y cámara.
Peso máximo del retrato
30 MB
Envía JPEG, PNG o WebP con un rostro frontal claramente visible.
Entrega del video
MP4
Recupera el archivo completo al terminar la tarea asíncrona.
Tiempo cobrado: ejemplo
7 s
La solicitud del tren nocturno incluyó 6,35 segundos de audio, redondeados hacia arriba para el cobro.

Resultados

Lo que puedes crear con OmniHuman 1.5

  • INVITACIÓN EN MOVIMIENTO

    Una palma hacia arriba acompaña la frase

    En la prueba del tren nocturno, el retrato fijo se convirtió en una interpretación hablada: ella levantó una mano con la palma hacia arriba, asintió y sonrió. La solicitud en 1080p combinó una grabación de 6,35 segundos con indicaciones escritas de movimiento.

    Prueba medida en 1080p: un retrato fijo y una grabación de 6,35 segundos devolvieron 1248×1664 a 25 fps, con palma levantada, asentimiento y sonrisa durante 6,44 segundos.

  • REVISA LA COMPOSICIÓN

    El retrato regresó con encuadre 3:4

    El retrato del tren de 1024×1536 produjo un video de 1248×1664 a 25 fps que mostraba a la hablante de la cintura hacia arriba. Aunque la instrucción pedía cámara fija, el encuadre cambió; revisa el resultado antes de colocarlo en un montaje.

    Prueba medida en 1080p: un retrato fijo y una grabación de 6,35 segundos devolvieron 1248×1664 a 25 fps, con palma levantada, asentimiento y sonrisa durante 6,44 segundos.

  • GRABACIÓN E INDICACIONES

    Separa las palabras de su expresión visual

    El archivo de audio aporta la voz y el diálogo reales. ByteDance afirma que una instrucción puede orientar gestos, ánimo y movimiento de cámara mientras la grabación guía la interpretación; este endpoint no clona la voz del hablante.

  • DOS NIVELES, UNA TARIFA

    La resolución es una decisión de imagen

    El endpoint usa 1080p por defecto y también acepta 720p. Ambos tienen el mismo precio por segundo, calculado a partir de la grabación de entrada y redondeado hacia arriba, sin tomar la duración final del video.

Prueba de contenido

¿OmniHuman 1.5 funciona sin censura? Lo que probamos

Niveles de contenido probados en OmniHuman 1.5, por modo
NivelAvatar parlante
Suave
Aún sin probar
Moderado
Se generaProbado el 15 nov 2026
Fuerte
Aún sin probar
Muy fuerte
Aún sin probar
Máximo
Aún sin probar
Cómo hacemos las pruebas

Cómo se comporta cada modo

Avatar parlante
El audio debe durar 1–60 segundos y ocupar como máximo 15 MB en MP3 o WAV; ByteDance recomienda 15 segundos o menos para cuidar la calidad.
Avatar parlante
El retrato JPEG, PNG o WebP no debe superar 30 MB; el texto de la instrucción tiene un límite de 2.000 caracteres.
Avatar parlante
La etiqueta de resolución no fija el recorte: la muestra del tren pasó de un retrato 2:3 a un video 3:4.
Avatar parlante
Las indicaciones de gestos y cámara requieren revisión visual; la muestra del tren confirma una mano levantada y un asentimiento, sin verificar cada movimiento solicitado.
Todos los modos
Los archivos generados se guardan 14 días y después se eliminan; descarga los clips que quieras conservar.
Todos los modos
Usa rostros y voces que tengas derecho a utilizar; toda persona mostrada debe ser adulta y no se permite suplantar identidades.

Casos de uso

Qué construir con la API de OmniHuman 1.5

  • Escenifica una invitación breve de un personaje

    Usa un retrato con espacio para las manos y una invitación grabada. El ejemplo del tren nocturno muestra una palma levantada, un asentimiento y una sonrisa que acompañan la voz enviada.

  • Graba una explicación de un presentador

    Combina un retrato autorizado de presentador con una explicación terminada y pide un pequeño asentimiento o gesto de mano abierta. Mantén el rostro claro y revisa el movimiento en las palabras importantes.

  • Anima un retrato que canta

    Envía una grabación cantada en vez de voz hablada para la misma tarea con foto. ByteDance incluye el canto entre los usos admitidos; las ejecuciones documentadas aquí utilizaron frases habladas.

  • Prueba distintas indicaciones de actuación

    Mantén el retrato y la grabación mientras cambias una señal de expresión o movimiento. Reutiliza una semilla para facilitar la comparación y evalúa cada video sin esperar cuadros idénticos.

  • Prepara un retrato para un montaje vertical

    Los dos resultados medidos conservaron composiciones verticales, con dimensiones distintas a las imágenes de origen. Revisa el recorte y el espacio visible para gestos antes de ajustar el clip a tu diseño.

Prompts

Ejemplos de prompts de OmniHuman 1.5 para copiar

  • Avatar parlante

    La invitación del tren que probamos

    Resultado de este prompt

    Begin with a gentle smile, lift one hand from the table in a small inviting gesture, then softly open both palms and give a playful nod. Keep the face frontal and clear, warm light steady, and camera locked in the original waist-up framing.

    Por qué funciona. Estas indicaciones exactas acompañaron el ejemplo del tren. Se vieron una palma levantada, el asentimiento y la sonrisa; el resultado pasó a composición 3:4 pese a la instrucción de mantener el encuadre fijo.

    Probar este prompt
  • Avatar parlante

    Una explicación en el taller

    A furniture maker in his fifties wearing a cotton work shirt explains his process with a focused expression. He raises one open hand briefly during a pause, then lowers it. Hold a steady medium shot with his face visible.

    Por qué funciona. Dirección sugerida para un retrato con manos visibles: un gesto y una cámara estable facilitan comprobar la acción solicitada.

    Probar este prompt
  • Avatar parlante

    Una respuesta pausada en la galería

    A curator in her forties wearing a dark tailored jacket listens for a beat, then speaks with a thoughtful expression and one small nod. Let the camera move slowly closer while keeping her face in view.

    Por qué funciona. Las señales sugeridas de expresión y cámara utilizan los controles de instrucción sin aportar diálogo ni afirmar un resultado de cámara probado.

    Probar este prompt
  • Avatar parlante

    Una respuesta relajada junto a la ventana

    A woman in her late thirties wearing a silk robe sits beside a window and speaks with an amused smile. She tilts her head slightly as the line ends. Keep the camera still and the window light steady.

    Por qué funciona. La dirección sugerida combina un cambio de expresión con un pequeño gesto final para un retrato ubicado en ese entorno.

    Probar este prompt
  • Avatar parlante

    Un cantante sostiene el ánimo

    A singer in his forties wearing an open shirt performs the supplied song with a reflective expression. His head rises slightly through the phrase and settles during the pause. Maintain the existing medium framing.

    Por qué funciona. La dirección de canto sugerida deja melodía y voz en el audio. ByteDance incluye el canto, mientras que los ejemplos proporcionados muestran habla.

    Probar este prompt
  • Avatar parlante

    Una presentadora de teatro da la bienvenida

    A theater presenter in her fifties wearing a low-cut evening dress speaks with a welcoming smile. She opens one palm toward the viewer and gives a short nod. Keep the camera level and her face clear throughout.

    Por qué funciona. Instrucción sugerida para un retrato con espacio alrededor de las manos; comprueba el gesto de invitación y el recorte del video terminado.

    Probar este prompt

Precios

Precios de la API de OmniHuman 1.5

Un clip de 5 segundos cuesta desde $0.72.

Primeros pasos

Cómo usar la API de OmniHuman 1.5 en tres pasos

  1. Paso 1

    Encuadra el rostro y el espacio para gestos

    Elige un retrato frontal con rostro claro e incluye torso y manos si quieres gestos. Usa JPEG, PNG o WebP de hasta 30 MB y confirma los derechos de imagen.

  2. Paso 2

    Completa la interpretación de audio

    Prepara MP3 o WAV de hasta 15 MB y 1–60 segundos, con una voz autorizada. ByteDance aconseja mantener las grabaciones en 15 segundos o menos para cuidar la calidad.

  3. Paso 3

    Añade indicaciones y elige resolución

    Describe movimientos visibles o comportamiento de cámara en hasta 2.000 caracteres; el diálogo va en la grabación. Selecciona 720p o el 1080p predeterminado con la misma tarifa, y una semilla opcional para comparar.

La referencia de parámetros y los ejemplos de código están en las pestañas API y Readme, arriba en esta página.

FAQ

Preguntas frecuentes de la API de OmniHuman 1.5

Acerca de OmniHuman 1.5

Diseña la toma alrededor de la grabación que quieras conservar y elige un retrato con espacio para los movimientos solicitados. En la muestra del tren, una invitación breve incorporó una palma levantada, un asentimiento y una sonrisa a la escena fija, pero la composición cambió a 3:4. Revisa ese recorte junto con la sincronización labial. Tanto 720p como 1080p usan la misma tarifa por segundo de audio; recorta la grabación antes del envío, examina el MP4 recibido y guárdalo dentro de los 14 días. Consulta los modelos relacionados si otro conjunto de entradas o límites se ajusta al proyecto.

Modelos relacionados y tareas siguientes