kling-2-6/pro/text-to-video
Trasforma un prompt in un breve video, scegliendo durata, formato e generazione dell’audio.
Un ritratto fissa solo chi è in quadro. La registrazione decide come quella persona recita. OmniHuman 2.0 legge parlato, versi cantati e dialogo per tono, emozione e parole, poi costruisce forme della bocca e piccoli gesti che seguono quella traccia.
Le clip corte di avatar si fermavano spesso intorno a un minuto, quindi bisognava tagliare e unire. Qui la stessa take può durare su OmniHuman 2.0 fino a cinque minuti, da un minimo di quattro secondi a un massimo di 300.
| Vantaggio | Cosa ottieni |
|---|---|
| Recitazione guidata dalla traccia | OmniHuman 2.0 mette tono e accento delle parole nel volto e nelle mani, non solo in un ciclo di bocca ripetuto. |
| Una take senza tagli | L'audio da 4 a 300 secondi resta un solo clip. Non unisci frammenti da un minuto. |
| Il volto viene dal fermo | OmniHuman 2.0 conserva l'identità del ritratto caricato. I tempi arrivano dal file che alleghi. |
| Una nota breve | OmniHuman 2.0 può prendere una nota corta per mani più calme o un'espressione più viva. Se la salti, guida ancora l'audio. |
Non scrivi un copione perché OmniHuman 2.0 lo dica. Parole, pause ed energia sono già nel file audio. Un prompt spinge solo il modo in cui OmniHuman 2.0 muove il corpo mentre quel file suona.
Su RunComfy puoi provare una take nell'interfaccia del modello, poi ripetere la stessa immagine, lo stesso audio e lo stesso prompt tramite l'API HTTP.
Uno sfondo affollato, un volto piccolo o una traccia piena di rumore compariranno nel risultato. Parti da un ritratto semplice e da una voce pulita, poi allunga l'audio quando l'interpretazione è giusta.
image, audio e un prompt facoltativo tramite l'API HTTP.Questi sono gli unici controlli di questa pagina OmniHuman 2.0.
| Parametro | Obbligatorio | Tipo | Predefinito | Intervallo / opzioni | Descrizione |
|---|---|---|---|---|---|
image* | Sì (*) | Stringa | Ritratto di esempio | URL immagine | Ritratto che fissa il personaggio. Usa un volto nitido e frontale. |
audio* | Sì (*) | Stringa | Audio di esempio | 4–300 secondi | Registrazione che fissa parlato, tempi e interpretazione. |
prompt | No | Stringa | Riga di esempio | Testo | Nota facoltativa per espressione, movimento o stile. |
Non ci sono scelta di risoluzione, seed o cursore di durata. La lunghezza del clip segue l'audio che carichi.
OmniHuman 2.0 addebita la durata dell'audio elaborato a $0,09 al secondo. Il conteggio arrotonda al secondo intero successivo. L'addebito più breve di OmniHuman 2.0 è di 4 secondi, il più lungo di 300.
| Durata audio | Secondi addebitati | Prezzo |
|---|---|---|
| 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 |
In base alle informazioni pubbliche. I limiti sotto descrivono gli input che quegli strumenti pubblicano, non una classifica.
| Modello | Input | Durata | Punto distintivo |
|---|---|---|---|
| OmniHuman 2.0 | Ritratto fisso e audio, prompt facoltativo | 4–300 secondi in una take | L'interpretazione segue tono e parole, non solo la forma delle labbra |
| Omnihuman 1.5 | Ritratto fisso e audio, prompt e seed facoltativi | Sotto i 35 secondi | Passaggio precedente di avatar ByteDance, con seed per ripetere le take |
| Lip-sync video | Un video di volto già fatto più un audio nuovo | Dipende dal clip di origine | Conserva l'inquadratura finita e soprattutto ritempora la bocca |
Scegli questo modello quando parti da un fermo e la voce deve portare un'interpretazione lunga, senza tagli. Usa uno strumento di lip-sync, non OmniHuman 2.0, quando l'immagine è già un video e deve cambiare solo la bocca.
Trasforma un prompt in un breve video, scegliendo durata, formato e generazione dell’audio.
Seedance 2.5 1080p Text to video: dal prompt al clip cinematografico 1080p
Trasforma immagini statiche in video realistici e dinamici in pochi istanti.
Anima un’immagine iniziale con Hailuo 02 Pro tramite un prompt per creare un video di sei secondi.
Wan 3.0 Prime anima velocemente l'immagine del primo fotogramma nel video
Anima una foto statica in un video fluido a 720P o 1080P partendo da un solo prompt.
OmniHuman 2.0 trasforma un ritratto e un file audio in un video di avatar parlante. L'immagine fissa chi compare, la registrazione fissa tempi, tono e movimento della bocca. Va bene per conduttori virtuali, lezioni e clip social in cui parlato o musica devono guidare l'interpretazione.
OmniHuman 2.0 accetta audio da 4 a 300 secondi e tiene quella durata come un'inquadratura continua. Omnihuman 1.5 su RunComfy è limitato ad audio sotto i 35 secondi e include un seed. Questa versione non espone un seed e segue parole ed emozione, non solo la forma della bocca.
OmniHuman 2.0 richiede un'immagine di ritratto e un file audio. Il prompt è facoltativo e orienta solo espressione, gesto o stile. In questa pagina non ci sono controlli di risoluzione, seed o durata, perché la lunghezza del clip segue l'audio.
OmniHuman 2.0 è pensato per leggere parlato, versi cantati e dialogo, tono ed emozione inclusi, e poi interpretarli. Una registrazione pulita resta più prevedibile di una rumorosa. Il prompt può nominare il tipo di interpretazione, come una lezione o un coro, senza sostituire l'audio.
L'audio di OmniHuman 2.0 deve durare tra 4 e 300 secondi. La fatturazione arrotonda al secondo intero successivo, con un minimo di 4 secondi e un massimo di 300. Se un caricamento viene rifiutato, controlla tipo e dimensione del file nel pannello parametri RunComfy attuale.
Tieni il prompt di OmniHuman 2.0 su una nota chiara su espressione, gesto o stile, e non contraddire l'audio. Puoi lasciarlo vuoto quando la registrazione deve guidare da sola. Prova un ritratto nuovo su un clip breve prima di renderizzare diversi minuti.
Prova OmniHuman 2.0 nell'interfaccia web di RunComfy, poi chiama lo stesso modello tramite l'API RunComfy con la stessa immagine, lo stesso audio e il prompt facoltativo. Ogni generazione consuma crediti in USD. L'API usa gli stessi parametri e non aggiunge una garanzia di disponibilità separata.
OmniHuman 2.0 costa $0,09 per secondo di audio fatturato. La durata arrotonda al secondo intero successivo, da 4 a 300 secondi. Un clip di 10 secondi costa $0,90 e uno di 60 secondi costa $5,40.
RunComfy è la piattaforma principale ComfyUI che offre ComfyUI online ambiente e servizi, insieme a workflow di ComfyUI con visuali mozzafiato. RunComfy offre anche AI Models, consentire agli artisti di sfruttare gli ultimi strumenti di AI per creare arte incredibile.