OmniHuman 2.0：用人像和音频生成说话视频 | Models and API | RunComfy

为什么选择 OmniHuman 2.0#

人像只决定画面里是谁。录音决定这个人怎么表演。OmniHuman 2.0 读取讲话、演唱和对白里的语气、情绪和用词，再做出跟着这条音轨走的口型和细小动作。

以前的数字人短片往往停在一分钟左右，只好剪开再接上。在这里，同一条可以用 OmniHuman 2.0 连续放到五分钟，最短 4 秒，最长 300 秒。

优势	你得到的
音轨主导的表演	OmniHuman 2.0 把语气和重音放进表情和手上，而不只是循环一套嘴型。
一条完整镜头	4 到 300 秒的音频保持成一条片子，不用拼接一分钟的片段。
脸来自静帧	OmniHuman 2.0 保留上传人像的身份。时间节奏来自你附上的文件。
轻度引导	OmniHuman 2.0 可以加一句短说明，让手更稳，或表情更亮。不写的话，仍然由音频主导。

你不用给 OmniHuman 2.0 打一段台词。词、停顿和力度已经在音频文件里。提示词只调整 OmniHuman 2.0 在这段音频播放时怎么动身体。

在 RunComfy 上，可以先在模型界面试一条，再用同样的图片、音频和提示词走 HTTP API。

背景太杂、脸太小，或者音轨噪音很大，都会出现在结果里。先用人像简单、声音干净的素材，表演看起来对了，再把音频加长。

适合的用途#

• 出镜主持： OmniHuman 2.0 把创始人或主讲人的照片加上配音，变成一段说话视频。
• 课程： 课程旁白变成屏幕上的讲师，不用订演播室。
• 社媒系列： 固定一张人像，用 OmniHuman 2.0 为每条内容换一段新录音。
• 多语言版本： 换掉音频，同一张脸就能说另一种语言。
• 演唱和对白： 旋律或写好的对白可以塑造表演，不只是平铺直叙的旁白。

使用步骤#

1. 在 RunComfy 打开 OmniHuman 2.0，选择图生视频模板。
2. 上传一张脸足够大、光线均匀、背景不太杂的人像。
3. 上传给 OmniHuman 2.0 的音频。长度必须在 4 到 300 秒之间。
4. 只有想指定表情、动作或风格时才加提示词。录音本身就是要求时，留空。
5. 开始生成。OmniHuman 2.0 按音频决定片子长度。
6. 播放结果，核对停顿、重音和口型是否贴着音轨。
7. 如果身体动得太多，把 OmniHuman 2.0 的提示词收成一句，再跑一次。
8. 正式使用时，上传同样的文件，通过 HTTP API 发送 image、audio 和可选的 prompt。

参数#

这是这个 OmniHuman 2.0 页面上仅有的控件。

参数	必填	类型	默认	范围 / 选项	说明
image*	是 (*)	字符串	示例人像	图片 URL	决定角色的人像。请用清晰、正对镜头的脸。
audio*	是 (*)	字符串	示例音频	4–300 秒	决定说话、节奏和表演的录音。
prompt	否	字符串	示例说明	文本	表情、动作或风格的可选说明。

没有分辨率、种子或时长滑杆。片子长度跟着你上传的音频。

价格#

OmniHuman 2.0 按处理后的音频长度计费，每秒 0.09 美元。不足一秒向上取整。OmniHuman 2.0 最短按 4 秒计，最长 300 秒。

音频长度	计费秒数	价格
4 秒	4	0.36 美元
10 秒	10	0.90 美元
30 秒	30	2.70 美元
60 秒	60	5.40 美元
300 秒	300	27.00 美元

提示词和参考素材#

• 把脸露出来： 清晰、光线好的人像能给模型稳定的身份。侧脸、墨镜和严重模糊会削弱它。
• 把音轨清理干净： 上传到 OmniHuman 2.0 之前，剪掉长静音和很响的背景噪音。
• 只提一个要求： 要自然的手，或稳定的目光。不要在同一句里混相反的情绪。
• 点明表演类型： 写「讲课」或「合唱」，动作才会贴着音频。
• 先试短片： 新人像先用 OmniHuman 2.0 跑一段短的，确认后再渲几分钟。
• 可以留空： 如果只想让录音主导，就不要写提示词。

OmniHuman 2.0 怎么比较#

以下基于公开信息。下面的长度限制描述的是这些工具公布的输入范围，不是打分排名。

模型	输入	长度	特点
OmniHuman 2.0	静态人像和音频，提示词可选	一次 4–300 秒	表演跟着语气和用词，不只是口型
Omnihuman 1.5	静态人像和音频，提示词和种子可选	35 秒以内	更早的字节数字人，有种子可以重复同一条
视频口型同步	已有的人脸视频加上新音频	取决于原片	保留成片，主要重定时嘴部

从一张静帧出发、需要声音撑起一段很长且不中断的表演时，选这个模型。画面已经是视频、只想改嘴时，用口型同步工具，而不是 OmniHuman 2.0。