veo-3-1/extend-video
Estenda um vídeo existente em 7 segundos a 720p, com orientação por prompt e geração opcional de áudio.
Um retrato só define quem está na tela. A gravação decide como a pessoa atua. O OmniHuman 2.0 lê fala, versos cantados e diálogo quanto a tom, emoção e palavras, e constrói formas de boca e gestos pequenos que seguem essa faixa.
Clipes curtos de avatar costumavam parar por volta de um minuto, o que obrigava a cortar e emendar. Aqui a mesma tomada pode rodar no OmniHuman 2.0 por até cinco minutos, de um mínimo de quatro segundos a um máximo de 300.
| Vantagem | O que você recebe |
|---|---|
| Atuação conduzida pela faixa | O OmniHuman 2.0 coloca tom e ênfase das palavras no rosto e nas mãos, não só num ciclo de boca repetido. |
| Uma tomada sem cortes | Áudio de 4 a 300 segundos continua um único clipe. Você não emenda fragmentos de um minuto. |
| O rosto vem do still | O OmniHuman 2.0 mantém a identidade do retrato enviado. O ritmo vem do arquivo que você anexa. |
| Uma indicação leve | O OmniHuman 2.0 aceita uma nota curta para mãos mais calmas ou uma expressão mais viva. Se você pular, o áudio ainda conduz. |
Você não digita um roteiro para o OmniHuman 2.0 falar. Palavras, pausas e energia já estão no arquivo de áudio. Um prompt só empurra a forma como o OmniHuman 2.0 move o corpo enquanto esse arquivo toca.
Na RunComfy você pode testar uma tomada na interface do modelo e repetir a mesma imagem, o mesmo áudio e o mesmo prompt pela API HTTP.
Um fundo cheio, um rosto pequeno ou uma faixa cheia de ruído aparecem no resultado. Comece com um retrato simples e uma voz limpa, e alongue o áudio quando a atuação estiver certa.
image, audio e um prompt opcional pela API HTTP.Estes são os únicos controles desta página do OmniHuman 2.0.
| Parâmetro | Obrigatório | Tipo | Padrão | Faixa / opções | Descrição |
|---|---|---|---|---|---|
image* | Sim (*) | String | Retrato de exemplo | URL de imagem | Retrato que define o personagem. Use um rosto nítido e de frente. |
audio* | Sim (*) | String | Áudio de exemplo | 4–300 segundos | Gravação que define fala, ritmo e atuação. |
prompt | Não | String | Linha de exemplo | Texto | Nota opcional de expressão, movimento ou estilo. |
Não há seletor de resolução, seed nem controle de duração. O comprimento do clipe segue o áudio que você envia.
O OmniHuman 2.0 cobra a duração do áudio processado a US$ 0,09 por segundo. O relógio arredonda para o segundo inteiro seguinte. A cobrança mais curta do OmniHuman 2.0 é de 4 segundos e a mais longa, de 300.
| Duração do áudio | Segundos cobrados | Preço |
|---|---|---|
| 4 s | 4 | US$ 0,36 |
| 10 s | 10 | US$ 0,90 |
| 30 s | 30 | US$ 2,70 |
| 60 s | 60 | US$ 5,40 |
| 300 s | 300 | US$ 27,00 |
Com base em informações públicas. Os limites abaixo descrevem as entradas que essas ferramentas publicam, não um ranking.
| Modelo | Entradas | Duração | Destaque |
|---|---|---|---|
| OmniHuman 2.0 | Retrato parado e áudio, prompt opcional | 4–300 segundos numa tomada | A atuação segue tom e palavras, não só a forma dos lábios |
| Omnihuman 1.5 | Retrato parado e áudio, prompt e seed opcionais | Menos de 35 segundos | Passo anterior de avatar da ByteDance, com seed para repetir tomadas |
| Sincronia labial de vídeo | Um vídeo de rosto já pronto mais um áudio novo | Depende do clipe de origem | Mantém a tomada pronta e principalmente reajusta a boca |
Escolha este modelo quando parte de um still e precisa que a voz sustente uma atuação longa e sem cortes. Use uma ferramenta de sincronia labial, não o OmniHuman 2.0, quando a imagem já é um vídeo e só a boca deve mudar.
Estenda um vídeo existente em 7 segundos a 720p, com orientação por prompt e geração opcional de áudio.
Texto para vídeo cinematográfico em 4K por US$ 0,47 por segundo de saída.
Seedance 2.5 1080p Text to video: do prompt ao clipe cinematográfico 1080p
Sincronize uma faixa de áudio com um vídeo e escolha se o vídeo deve ser repetido.
Remova fundos com a versão Fast e configure codec, refinamento de bordas e tipo de objeto.
Anime uma transição controlada entre os quadros inicial e final escolhidos.
O OmniHuman 2.0 transforma um retrato e um arquivo de áudio num vídeo de avatar falante. A imagem define quem aparece e a gravação define ritmo, tom e movimento da boca. Serve a apresentadores virtuais, aulas e clipes de redes em que fala ou música devem conduzir a atuação.
O OmniHuman 2.0 aceita áudio de 4 a 300 segundos e mantém essa duração como uma tomada contínua. O Omnihuman 1.5 na RunComfy fica limitado a áudio com menos de 35 segundos e inclui um seed. Esta versão não expõe seed e segue palavras e emoção, não só a forma da boca.
O OmniHuman 2.0 exige uma imagem de retrato e um arquivo de áudio. O prompt é opcional e só orienta expressão, gesto ou estilo. Nesta página não há controle de resolução, seed ou duração, porque o comprimento do clipe segue o áudio.
O OmniHuman 2.0 foi feito para ler fala, versos cantados e diálogo, inclusive tom e emoção, e então interpretá-los. Uma gravação limpa continua mais previsível do que uma ruidosa. O prompt pode nomear o tipo de atuação, como uma aula ou um coro, sem substituir o áudio.
O áudio do OmniHuman 2.0 deve durar entre 4 e 300 segundos. A cobrança arredonda para o segundo inteiro seguinte, com mínimo de 4 segundos e máximo de 300. Se um envio for recusado, confira tipo e tamanho de arquivo no painel atual de parâmetros da RunComfy.
Mantenha o prompt do OmniHuman 2.0 numa nota clara sobre expressão, gesto ou estilo, e não contradiga o áudio. Você pode deixá-lo vazio quando a gravação deve conduzir sozinha. Teste um retrato novo num clipe curto antes de renderizar vários minutos.
Teste o OmniHuman 2.0 na interface web da RunComfy e depois chame o mesmo modelo pela API da RunComfy com a mesma imagem, o mesmo áudio e o prompt opcional. Cada geração gasta créditos em USD. A API usa os mesmos parâmetros e não acrescenta uma garantia de disponibilidade separada.
O OmniHuman 2.0 custa US$ 0,09 por segundo de áudio cobrado. A duração arredonda para o segundo inteiro seguinte, de 4 a 300 segundos. Um clipe de 10 segundos custa US$ 0,90 e um de 60 segundos custa US$ 5,40.
RunComfy é a principal ComfyUI plataforma, oferecendo ComfyUI online ambiente e serviços, juntamente com fluxos de trabalho do ComfyUI apresentando visuais impressionantes. RunComfy também oferece AI Models, permitindo que artistas utilizem as mais recentes ferramentas de AI para criar arte incrível.