本文へスキップ

ByteDance の OmniHuman 1.5 は写真アニメーションシリーズの 1.5 モデルです。発話や歌に、任意の身振りやカメラの演出を組み合わせ、720p または 1080p で生成します。

最低価格 $0.144/秒

プレイグラウンド

入力

トーキングアバター
240/2000
talking-avatar の動作、表情、シーン、カメラを指示する任意のテキストで、上限は 2,000 文字です。既定の文章は指定されていません。セリフは録音に含め、プロンプトは価格に影響しません。 1 文字以上 · 2000 文字以内
1/1

ファイルやメディアのリンクをドロップ、貼り付け、または選択 · 1 ファイル・1 件 10 MB まで・JPG · PNG · WEBP

  • 1
1 / 1 ファイル
talking-avatar に必須です。正面の顔が鮮明な、30 MB までの JPEG、PNG、WebP を使います。身振りには上半身と手も入れてください。既定値はなく、画像の選択は音声秒単価を変えません。 1 文字以上
料金に影響1/1
1 / 1 ファイル
talking-avatar に必須の MP3 または WAV で、15 MB まで、1〜60 秒の発話や歌を渡します。既定値はありません。尺を切り上げて課金します。ByteDance は品質のため 15 秒以下を推奨しています。 1 文字以上
talking-avatar では 720p または 1080p を選びます。省略すると 1080p です。単価は共通で、生成された構図に応じて出力の実際のサイズが変わります。
シード値
talking-avatar の任意の整数で、0〜2147483647 を指定できます。既定値の指定はありません。一つの設定を変える際に固定すると比較の助けになります。同一出力の保証はなく、料金への影響もありません。 0 以上 · 2147483647 以下
セーフティチェックオフ

SpicyAPI はこのモデルにセーフティチェックをかけません。プロンプトと素材はそのままモデルに渡り、出力はモデル自身が決めます。

送信と料金見積もりを有効にする前にアカウントを確認しています。

出力

実行待ち
サンプル出力

お探しのモデルが見つかりませんか?

ByteDance · 写真の演技

OmniHuman 1.5 API のポイント

録音で話し方を決め、文章でうなずき、身振り、カメラを演出します。

対応する音声尺
1–60 s
ByteDance は品質のため 15 秒以内を推奨しています。録音の長さが予定する動画尺を決めます。
既定の出力グレード
1080p
720p も選択でき、秒単価は変わりません。
プロンプトの文字数上限
2,000
文章で表情、動き、シーン、カメラを指示できます。
写真の容量上限
30 MB
正面の顔が明瞭な JPEG、PNG、WebP を送ってください。
動画の受け取り
MP4
非同期タスクが完了してから、完成ファイルを取得します。
サンプルの課金対象尺
7 秒
寝台列車の例では 6.35 秒の音声を送信し、切り上げで課金しています。

作例

OmniHuman 1.5 で作れるもの

  • 動きのある招待

    手のひらを上に向けてセリフを添えます

    寝台列車のテストでは、静止した写真が話す演技へ変わり、片手を上向きに差し出して、うなずき、ほほえみました。1080p のリクエストに、6.35 秒の録音と動きの文章指示を組み合わせました。

    1080p の実測です。静止画と 6.35 秒の録音から、1248×1664、25 fps、6.44 秒の動画が返り、手のひらを上げる動き、うなずき、ほほえみが見られます。

  • 構図の確認

    ポートレートが 3:4 の動画になりました

    1024×1536 の列車内の写真から、話者を腰上で捉えた 1248×1664、25 fps の動画ができました。カメラ固定を求めても構図が変わったため、編集に配置する前に結果を点検してください。

    1080p の実測です。静止画と 6.35 秒の録音から、1248×1664、25 fps、6.44 秒の動画が返り、手のひらを上げる動き、うなずき、ほほえみが見られます。

  • 録音と演出

    話す内容と見せ方を分けて用意します

    実際の声とセリフは音声ファイルから来ます。ByteDance は、録音で演技を動かしながら、プロンプトで身振り、雰囲気、カメラを誘導できると説明しています。このエンドポイントは話者の声をクローンしません。

  • 2 グレード、同一単価

    解像度は映像の選択です

    既定の解像度は 1080p で、720p も使えます。どちらも同じ秒単価です。完成動画の実測尺ではなく、入力録音を切り上げて料金を求めます。

コンテンツテスト

OmniHuman 1.5 は規制なし? 実際に試した結果

OmniHuman 1.5 でテストしたコンテンツレベル(モード別)
レベルトーキングアバター
軽め
未テスト
中程度
生成2026年11月15日 にテスト
強め
未テスト
かなり強め
未テスト
最大
未テスト
テストの方法

モードごとの挙動

トーキングアバター
音声は MP3 または WAV、1〜60 秒、15 MB 以内です。ByteDance は品質のため 15 秒以下を勧めています。
トーキングアバター
JPEG、PNG、WebP の写真は 30 MB 以下、プロンプトは 2,000 文字以内にしてください。
トーキングアバター
解像度の指定で切り取り範囲は固定されません。列車の例は 2:3 の写真から 3:4 の動画へ変わりました。
トーキングアバター
身振りとカメラの指示は目視で確認が必要です。列車の例では手を上げる動きとうなずきを確認しましたが、すべての指示動作を検証したわけではありません。
すべてのモード
OmniHuman 1.5 の出力ファイルは保存期間が 14 日間で、その期間が終わると削除されます。手元に残す動画はその前にダウンロードしてください。
すべてのモード
顔と声は利用権のあるものを使います。映る人物は全員成人でなければならず、なりすましは認められません。

活用例

OmniHuman 1.5 API で作れるもの

  • 短い招待の演技を作る

    手を動かす余白のある写真と、招待の録音を用意します。寝台列車の例では、指定した音声に合わせて手のひらを上げ、うなずき、ほほえむ様子を確認できます。

  • プレゼンターの説明を映像化

    利用許可のあるプレゼンター写真に完成した説明音声を組み合わせ、小さなうなずきや手を開く身振りを指示します。顔を見やすくし、大切な言葉と動きの関係を確認してください。

  • 写真の人物に歌ってもらう

    同じ写真入力のタスクに、発話の代わりに歌の録音を渡せます。ByteDance は歌唱を対応用途に挙げていますが、ここで記録した試行はセリフの音声を使っています。

  • 演技の指示を変えて比較

    写真と録音をそろえたまま、表情や動作の指示を一つ変えます。比較の参考に seed を再利用できますが、同じフレームを期待せず、各動画を評価してください。

  • 縦型の編集用に写真を準備

    実測した 2 本は縦構図を保ちつつ、元画像とは異なるサイズになりました。レイアウトに組み込む前に、返された切り取り範囲と身振りの見える領域を確かめます。

プロンプト

コピーして使える OmniHuman 1.5 のプロンプト例

  • トーキングアバター

    試行で使った列車内の招待

    このプロンプトの結果

    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.

    うまくいく理由. 列車の例に使用した指示そのものです。片手のひらを上げる動き、うなずき、ほほえみを確認しました。構図固定の指示があっても、出力は 3:4 になりました。

    このプロンプトを試す
  • トーキングアバター

    工房での説明

    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.

    うまくいく理由. 手の見える写真向けの演出案です。身振りを一つにし、カメラを固定すると、指示した動作を確認しやすくなります。

    このプロンプトを試す
  • トーキングアバター

    落ち着いたギャラリーでの返答

    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.

    うまくいく理由. 表情とカメラの指示の提案です。プロンプトの制御を使いますが、セリフは指定せず、カメラの結果を検証済みともしていません。

    このプロンプトを試す
  • トーキングアバター

    窓辺でくつろいだ返答

    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.

    うまくいく理由. その場所の写真に向けた演出案で、一つの表情変化と、セリフの最後の小さな動きを組み合わせています。

    このプロンプトを試す
  • トーキングアバター

    歌手が雰囲気を保つ演技

    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.

    うまくいく理由. 歌唱の演出案です。旋律と声は音声ファイルに委ねます。ByteDance は歌唱を対応用途に挙げていますが、掲載例で示すのは発話です。

    このプロンプトを試す
  • トーキングアバター

    観客を迎える劇場の司会者

    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.

    うまくいく理由. 手の周りに余白のある写真向けの指示案です。完成動画で招く身振りと切り取り範囲を確かめてください。

    このプロンプトを試す

料金

OmniHuman 1.5 API の料金

5 秒のクリップは $0.72 からです。

はじめ方

3 ステップで OmniHuman 1.5 API を使う

  1. ステップ 1

    顔と身振りの範囲を構図に入れます

    顔がはっきり見える正面の写真を選びます。身振りを求めるなら上半身と手も入れ、30 MB 以内の JPEG、PNG、WebP を使ってください。肖像の利用権も確かめます。

  2. ステップ 2

    音声の演技を完成させます

    利用許可のある声で、15 MB 以内、1〜60 秒の MP3 または WAV を用意します。ByteDance の品質上の推奨は 15 秒以内です。

  3. ステップ 3

    演出を加えて解像度を選びます

    見える動きやカメラの挙動を、プロンプトの 2,000 文字以内で伝えます。セリフは録音に入れてください。720p と既定の 1080p は同じ単価で、比較用の seed も任意で指定できます。

パラメーターの詳細とコード例は、このページ上部の API タブと Readme タブにあります。

FAQ

OmniHuman 1.5 API のよくある質問

OmniHuman 1.5 について

残したい録音を中心にショットを組み立て、指示する動きの余白がある写真を選んでください。列車のサンプルでは、短い招待により静止した場面に手のひらを上げる動作、うなずき、ほほえみが加わりましたが、構図は 3:4 に変化しました。リップシンクとともに、この切り取り範囲も確認します。720p と 1080p は同じ音声秒単価です。送信前に録音の不要箇所を除き、返された MP4 を点検して、14 日以内に保存してください。プロジェクトに別の入力や制限が合う場合は、関連モデルのページを参照できます。

関連モデルと次のステップ