OmniHuman 2.0 API
フィルターあり — このモデルは、モデル自身の許容範囲を超える指示を明確に拒否します。実測済みの結果です。未計測のモデルには表示が付きません。このフィルタリング水準のモデルを一覧で見るbytedance/omnihuman-2.0/talking-avatarOmniHuman 2.0 のトーキングアバターは、ポートレート 1 枚と音声ファイルから、その人物がそれを話す、または歌う 720p のクリップを作ります。クリップは音声と同じ長さで、4〜300 秒です。
プレイグラウンド
この実行例は、このエンドポイント向けに書き下ろしたものです。プロンプトとサンプル素材の URL は、ご自身がアクセスできるものに差し替えてください。送信前に、最新の見積もりとモデルの提供状況もあわせてご確認ください。
- 出力6 秒
supper-club-singer 720p：`image_url` は、青い照明のサパークラブで、黒いベルベットのドレスを着て、ヴィンテージマイクの前に立つ、暗い色のピンカールと赤い口紅の女性です。`audio_url` は 5.2 秒のゆっくりした歌と話しの中間の音声です。唇は音声に合わせて動き、プロンプトどおり最後に小さく頭を傾けて微笑み、手はマイクに添えたままです。返ってきたクリップは 6.0 秒です。
- 出力6 秒
bar-counter-line 720p：`image_url` は、薄暗いバーの後ろに立つ、40 代でごま塩のような無精ひげと濃い色のリネンシャツの男性です。`audio_url` は 5.0 秒の話し声です。目は閉じてから開き、わずかな笑みと眉の動きがセリフに従い、背後のボトルは安定したままです。返ってきたクリップは 6.0 秒です。
- 出力5 秒
seaside-terrace 720p：`image_url` は、海を見下ろす石のテラスに立つ、長い黒髪でクリーム色のサテンのトレンチコートを着た女性です。`audio_url` は 4.55 秒の話し声です。最後の 1 秒で、プロンプトどおり頭が海の方へ向き、髪が少し揺れます。返ってきたクリップは 5.0 秒です。
- 出力5 秒
late-night-show-open 720p：`image_url` は、ブームマイクとランプのあるポッドキャストのスタジオで、自然なカールの髪をしてクリーム色のブラウスを着た女性です。`audio_url` は 4.8 秒の明るい話し声の冒頭です。大きな表情、眉、最後の語での笑いがプロンプトに従いましたが、マイクの方へ体を傾ける動きは目に見えては現れませんでした。返ってきたクリップは 5.0 秒です。
この例は 出力秒 あたり $0.108 からです。設定を変更すると、プレイグラウンドの概算料金がその場で更新されます。