kling-3.0/4k/image-to-video
Transformez des images fixes en séquences cinématographiques 4K natives, avec guidage par images de début et de fin et son synchronisé.
Un portrait ne fixe que la personne à l'écran. L'enregistrement décide de la façon dont elle joue. OmniHuman 2.0 lit la parole, les lignes chantées et le dialogue pour le ton, l'émotion et les mots, puis construit des formes de bouche et de petits gestes qui suivent cette piste.
Les courts clips d'avatar s'arrêtaient souvent autour d'une minute, ce qui obligeait à couper et à coller. Ici, la même prise peut durer sur OmniHuman 2.0 jusqu'à cinq minutes, d'un minimum de quatre secondes à un maximum de 300 secondes.
| Atout | Ce que vous obtenez |
|---|---|
| Jeu mené par la piste | OmniHuman 2.0 place le ton et l'accent des mots dans le visage et les mains, pas seulement dans un cycle de bouche répété. |
| Une prise sans coupure | Un audio de 4 à 300 secondes reste un seul clip. Vous ne collez pas des fragments d'une minute. |
| Le visage vient du fixe | OmniHuman 2.0 conserve l'identité du portrait envoyé. Le rythme vient du fichier que vous joignez. |
| Une indication légère | OmniHuman 2.0 peut prendre une courte note pour des mains plus calmes ou une expression plus vive. Sans note, l'audio mène encore. |
Vous ne tapez pas un texte qu'OmniHuman 2.0 devrait dire. Les mots, les pauses et l'énergie sont déjà dans le fichier audio. Un prompt ne fait que pousser la façon dont OmniHuman 2.0 bouge le corps pendant que ce fichier joue.
Sur RunComfy, vous pouvez essayer une prise dans l'interface du modèle, puis répéter la même image, le même audio et le même prompt via l'API HTTP.
Un fond chargé, un visage trop petit ou une piste bruitée apparaîtront dans le résultat. Commencez par un portrait simple et une voix nette, puis allongez l'audio une fois le jeu juste.
image, audio et un prompt facultatif via l'API HTTP.Ce sont les seuls réglages de cette page OmniHuman 2.0.
| Paramètre | Obligatoire | Type | Défaut | Plage / options | Description |
|---|---|---|---|---|---|
image* | Oui (*) | Chaîne | Portrait d'exemple | URL d'image | Portrait qui fixe le personnage. Utilisez un visage net, de face. |
audio* | Oui (*) | Chaîne | Audio d'exemple | 4–300 secondes | Enregistrement qui fixe la parole, le rythme et le jeu. |
prompt | Non | Chaîne | Ligne d'exemple | Texte | Note facultative pour l'expression, le mouvement ou le style. |
Il n'y a pas de choix de résolution, de graine ni de curseur de durée. La longueur du clip suit l'audio que vous envoyez.
OmniHuman 2.0 facture la durée d'audio traitée à 0,09 $ par seconde. L'horloge arrondit à la seconde entière suivante. Le plus court montant OmniHuman 2.0 est de 4 secondes, le plus long de 300 secondes.
| Durée audio | Secondes facturées | Prix |
|---|---|---|
| 4 s | 4 | 0,36 $ |
| 10 s | 10 | 0,90 $ |
| 30 s | 30 | 2,70 $ |
| 60 s | 60 | 5,40 $ |
| 300 s | 300 | 27,00 $ |
D'après les informations publiques. Les durées ci-dessous décrivent les entrées publiées par ces outils, pas un classement.
| Modèle | Entrées | Durée | Point marquant |
|---|---|---|---|
| OmniHuman 2.0 | Portrait fixe et audio, prompt facultatif | 4–300 secondes en une prise | Le jeu suit le ton et les mots, pas seulement la forme des lèvres |
| Omnihuman 1.5 | Portrait fixe et audio, prompt et graine facultatifs | Moins de 35 secondes | Passe d'avatar ByteDance antérieure, avec une graine pour répéter une prise |
| Synchronisation labiale vidéo | Une vidéo de visage déjà faite plus un nouvel audio | Selon le clip source | Garde le plan fini et recale surtout la bouche |
Choisissez ce modèle quand vous partez d'un fixe et que la voix doit porter une performance longue, sans coupure. Utilisez un outil de synchronisation labiale, pas OmniHuman 2.0, quand l'image est déjà une vidéo et que seule la bouche doit changer.
Transformez des images fixes en séquences cinématographiques 4K natives, avec guidage par images de début et de fin et son synchronisé.
Créer des clips 1080p contrôlés à partir d'images, de texte, de références ou de vidéos.
Animez une image de départ obligatoire à partir d’un prompt textuel, en guidant éventuellement la fin avec une image de fin.
Animez une image de personnage de référence avec le mouvement d'une vidéo pilote à l'aide d'invites positives et négatives ainsi que de paramètres de génération réglables.
Transformez vos images fixes en vidéos fluides et réalistes en 2K.
Continuez une vidéo existante avec un mouvement dirigé par une invite et un son natif.
OmniHuman 2.0 transforme un portrait et un fichier audio en vidéo d'avatar parlant. L'image fixe qui apparaît, l'enregistrement fixe le rythme, le ton et le mouvement de la bouche. Cela convient aux hôtes virtuels, aux cours et aux clips sociaux où la parole ou la musique doit mener le jeu.
OmniHuman 2.0 accepte un audio de 4 à 300 secondes et garde cette durée en un plan continu. Omnihuman 1.5 sur RunComfy se limite à un audio de moins de 35 secondes et comprend une graine. Cette version n'expose pas de graine et suit les mots et l'émotion, pas seulement la forme de la bouche.
OmniHuman 2.0 exige une image de portrait et un fichier audio. Un prompt est facultatif et n'oriente que l'expression, le geste ou le style. Il n'y a pas de réglage de résolution, de graine ni de durée sur cette page, car la longueur du clip suit l'audio.
OmniHuman 2.0 est fait pour lire la parole, les lignes chantées et le dialogue, y compris le ton et l'émotion, puis les jouer. Un enregistrement propre reste plus prévisible qu'un enregistrement bruité. Le prompt peut nommer le type de jeu, comme un cours ou un chœur, sans remplacer l'audio.
L'audio d'OmniHuman 2.0 doit durer entre 4 et 300 secondes. La facturation arrondit à la seconde entière suivante, avec un minimum de 4 secondes et un maximum de 300. Si un envoi est refusé, vérifiez le type et la taille de fichier dans le panneau de paramètres RunComfy actuel.
Gardez le prompt OmniHuman 2.0 à une note claire sur l'expression, le geste ou le style, et ne contredisez pas l'audio. Vous pouvez le laisser vide quand l'enregistrement doit mener seul. Testez un nouveau portrait sur un clip court avant de calculer plusieurs minutes.
Prototypez OmniHuman 2.0 dans l'interface web RunComfy, puis appelez le même modèle via l'API RunComfy avec la même image, le même audio et le prompt facultatif. Chaque génération dépense des crédits en USD. L'API utilise les mêmes paramètres et n'ajoute pas de garantie de disponibilité séparée.
OmniHuman 2.0 coûte 0,09 $ par seconde d'audio facturée. La durée arrondit à la seconde entière suivante, de 4 à 300 secondes. Un clip de 10 secondes coûte 0,90 $, et un clip de 60 secondes coûte 5,40 $.
RunComfy est la première ComfyUI plateforme, offrant des ComfyUI en ligne environnement et services, ainsi que des workflows ComfyUI proposant des visuels époustouflants. RunComfy propose également AI Models, permettant aux artistes d'utiliser les derniers outils d'IA pour créer des œuvres d'art incroyables.