Przejdź do treści głównej

OmniHuman 2.0 API

Filtrowany — Ten model wprost odrzuca żądania wykraczające poza jego własne granice. To wynik zmierzony, a nie przypuszczenie – modele, których nie zmierzyliśmy, nie mają żadnej etykiety.Zobacz wszystkie modele na tym poziomie filtrowania
bytedance/omnihuman-2.0/talking-avatar

Talking avatar OmniHuman 2.0 zamienia jeden portret i plik audio w klip 720p, na którym ta osoba mówi lub śpiewa to nagranie. Klip ma długość Twojego audio, od 4 do 300 sekund.

Od $0.108/s
Uruchom model

Obszar roboczy

Te przykłady napisano specjalnie dla tego endpointu. Podmień prompt i przykładowe adresy mediów na własne, dostępne materiały, a przed wysłaniem sprawdź aktualną wycenę i dostępność modelu.

  • Wyjście6 s
    supper-club-singer

    720p: `image_url` to kobieta z ciemnymi lokami typu pin curl i czerwoną szminką, w czarnej aksamitnej sukni przy zabytkowym mikrofonie w nastrojowym klubie supper club, oświetlonym na niebiesko; `audio_url` to powolna linia śpiewana/mówiona trwająca 5,2 sekundy. Usta podążają za linią, a lekki przechył głowy i uśmiech pojawiają się na końcu, zgodnie z promptem, a dłoń pozostaje na mikrofonie. Zwrócony klip trwa 6,0 sekundy.

  • Wyjście6 s
    bar-counter-line

    720p: `image_url` to mężczyzna po czterdziestce z solą i pieprzem na zaroście, w ciemnej lnianej koszuli, za przygaszonym barem; `audio_url` to mówiona linia trwająca 5,0 sekundy. Jego oczy zamykają się i otwierają ponownie, a półuśmiech i uniesiona brew podążają za kwestią, podczas gdy butelki za nim pozostają stabilne. Zwrócony klip trwa 6,0 sekundy.

  • Wyjście5 s
    seaside-terrace

    720p: `image_url` to kobieta z długimi ciemnymi włosami w kremowym satynowym trenczu na kamiennym tarasie nad morzem; `audio_url` to mówiona linia trwająca 4,55 sekundy. W ostatniej sekundzie jej głowa obraca się ku morzu, zgodnie z promptem, a włosy lekko się poruszają. Zwrócony klip trwa 5,0 sekundy.

  • Wyjście5 s
    late-night-show-open

    720p: `image_url` to kobieta z naturalnymi lokami w kremowej bluzce, w studiu podcastowym z mikrofonem na wysięgniku i lampami; `audio_url` to żywe mówione wprowadzenie trwające 4,8 sekundy. Szerokie miny z szeroko otwartymi ustami, brwi i śmiech na ostatnim słowie podążają za promptem, ale ona nie pochyla się widocznie w stronę mikrofonu. Zwrócony klip trwa 5,0 sekundy.

Ten przykład zaczyna się od $0.108 za sekundę wyniku. Playground przelicza szacunek po każdej zmianie ustawień.