OmniHuman 2.0
BytePlus OmniHuman 2.0 — это ИИ-модель генерации видео по аудио, которая превращает изображения и звук в реалистичные видео с говорящими аватарами. Она поддерживает естественную синхронизацию губ, выразительную мимику, жесты и создание видео длительностью до 5 минут.
Текстовый промт (Character Tendency). Используется для точного контроля сцены, движений персонажей, камеры и т. д. Поддерживаемые языки: только китайский, английский, японский, корейский, испанский (мексиканский), индонезийский.
Аудио. Длительность: [4,300] s
Один файл, каждый до 15 МБ
Изображение. Поддерживается только одно изображение. Соотношение сторон (ширина/высота): [0.4,2.5]. Размер (px): [300,6000]
Один файл, каждый до 30 МБ
Включить водяной знак. По умолчанию: true.
Точная цена зависит от длительности результата. Резервируем максимум, после генерации спишем по факту, остаток вернётся на баланс.