El Talking Avatar de OmniHuman 2.0 convierte un retrato y un archivo de audio en un clip de 720p de esa persona hablando o cantando el audio. El clip dura lo mismo que tu audio, de 4 a 300 segundos.
Playground
Estos ejemplos se escribieron para este endpoint. Cambia el prompt y las URL de ejemplo por archivos tuyos accesibles y, antes de enviar, revisa la estimación al día y la disponibilidad del modelo.
- Salida6 s
supper-club-singer 720p: `image_url` es una mujer con rizos oscuros estilo pin curl y lápiz labial rojo, con vestido de terciopelo negro, ante un micrófono vintage en un club nocturno iluminado en azul; `audio_url` es una línea lenta cantada y hablada de 5,2 segundos. Los labios siguen el audio, una leve inclinación de cabeza y una sonrisa llegan al final como pide el prompt, y su mano se queda en el micrófono. El clip devuelto dura 6,0 segundos.
- Salida6 s
bar-counter-line 720p: `image_url` es un hombre de cuarenta y tantos años, con barba entrecana y camisa de lino oscura, detrás de una barra tenue; `audio_url` es una línea hablada de 5,0 segundos. Sus ojos se cierran y vuelven a abrirse, y la media sonrisa y la ceja levantada acompañan la línea mientras las botellas detrás de él se mantienen estables. El clip devuelto dura 6,0 segundos.
- Salida5 s
seaside-terrace 720p: `image_url` es una mujer de pelo largo y oscuro, con gabardina de satén color crema, en una terraza de piedra sobre el mar; `audio_url` es una línea hablada de 4,55 segundos. En el último segundo su cabeza gira hacia el mar como pide el prompt, y su cabello se mueve ligeramente. El clip devuelto dura 5,0 segundos.
- Salida5 s
late-night-show-open 720p: `image_url` es una mujer con rizos naturales y blusa color crema en un estudio de podcast con micrófono de brazo y lámparas; `audio_url` es una introducción hablada y animada de 4,8 segundos. Las expresiones amplias con la boca abierta, las cejas y una risa en la última palabra siguen el prompt, pero ella no se inclina visiblemente hacia el micrófono. El clip devuelto dura 5,0 segundos.
Este ejemplo parte de $0.108 por segundo de salida. El Playground actualiza la estimación cada vez que cambias los ajustes.