OmniHuman 2.0 AI 对口型生成器

OmniHuman 2.0 是 ByteDance 的模型，能把一张人像和一段语音录音变成说话视频。在 AISnapEdit 上，它为对口型工具提供支持。

一张最大 30 MB 的 JPEG、PNG 或 WebP 图片，以及一个 4–300 秒、最大 15 MB 的 WAV 或 MP3 音频文件。

视频与音频等长，为 4 到 300 秒。

720P MP4。没有分辨率、时长或画幅比例设置。

每秒音频 14 积分，按秒计费，不足 1 秒按 1 秒计，最低 4 秒：4 秒需要 56 积分，60 秒需要 840 积分。服务器会测量你上传的音频，并按该时长扣费。

不必。视频由音频驱动。可选的提示词最多 300 个字符，可用来引导表情、手势或构图。

暂不支持。请先生成语音，例如使用 AI 语音生成器，下载后再上传文件。

只能使用你有权使用的内容，例如你自己的，或已获得本人许可的。请勿利用他人的肖像或声音误导他人，详见服务条款。