ltx-2/fast/image-to-video
根據起始圖片和提示詞生成 16:9 影片，可選擇時長、解析度、幀率以及是否產生音訊。
人像只決定畫面裡是誰。錄音決定這個人怎麼表演。OmniHuman 2.0 讀取講話、演唱和對白裡的語氣、情緒和用詞，再做出跟著這條音軌走的口型和細小動作。
以前的數位人短片往往停在一分鐘左右，只好剪開再接上。在這裡，同一條可以用 OmniHuman 2.0 連續放到五分鐘，最短 4 秒，最長 300 秒。
| 優勢 | 你得到的 |
|---|---|
| 音軌主導的表演 | OmniHuman 2.0 把語氣和重音放進表情和手上，而不只是循環一套嘴型。 |
| 一條完整鏡頭 | 4 到 300 秒的音訊保持成一條片子，不用拼接一分鐘的片段。 |
| 臉來自靜幀 | OmniHuman 2.0 保留上傳人像的身份。時間節奏來自你附上的檔案。 |
| 輕度引導 | OmniHuman 2.0 可以加一句短說明，讓手更穩，或表情更亮。不寫的話，仍然由音訊主導。 |
你不用給 OmniHuman 2.0 打一段台詞。詞、停頓和力度已經在音訊檔案裡。提示詞只調整 OmniHuman 2.0 在這段音訊播放時怎麼動身體。
在 RunComfy 上，可以先在模型介面試一條，再用同樣的圖片、音訊和提示詞走 HTTP API。
背景太雜、臉太小，或者音軌噪音很大，都會出現在結果裡。先用人像簡單、聲音乾淨的素材，表演看起來對了，再把音訊加長。
image、audio 和選填的 prompt。這是這個 OmniHuman 2.0 頁面上僅有的控制項。
| 參數 | 必填 | 類型 | 預設 | 範圍 / 選項 | 說明 |
|---|---|---|---|---|---|
image* | 是 (*) | 字串 | 範例人像 | 圖片 URL | 決定角色的人像。請用清晰、正對鏡頭的臉。 |
audio* | 是 (*) | 字串 | 範例音訊 | 4–300 秒 | 決定說話、節奏和表演的錄音。 |
prompt | 否 | 字串 | 範例說明 | 文字 | 表情、動作或風格的選填說明。 |
沒有解析度、種子或時長滑桿。片子長度跟著你上傳的音訊。
OmniHuman 2.0 按處理後的音訊長度計費，每秒 0.09 美元。不足一秒向上取整。OmniHuman 2.0 最短按 4 秒計，最長 300 秒。
| 音訊長度 | 計費秒數 | 價格 |
|---|---|---|
| 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 |
以下基於公開資訊。下面的長度限制描述的是這些工具公布的輸入範圍，不是評分排名。
| 模型 | 輸入 | 長度 | 特點 |
|---|---|---|---|
| OmniHuman 2.0 | 靜態人像和音訊，提示詞選填 | 一次 4–300 秒 | 表演跟著語氣和用詞，不只是口型 |
| Omnihuman 1.5 | 靜態人像和音訊，提示詞和種子選填 | 35 秒以內 | 更早的字節數位人，有種子可以重複同一條 |
| 影片口型同步 | 已有的人臉影片加上新音訊 | 取決於原片 | 保留成片，主要重定時嘴部 |
從一張靜幀出發、需要聲音撐起一段很長且不中斷的表演時，選這個模型。畫面已經是影片、只想改嘴時，用口型同步工具，而不是 OmniHuman 2.0。
根據起始圖片和提示詞生成 16:9 影片，可選擇時長、解析度、幀率以及是否產生音訊。
電影感 4K 圖片轉影片，輸出每秒 $0.419。
角色穩定、動作流暢、語意理解強，打造高品質影片創作流程
以Kling 2.5 Turbo將靜態影像轉化為流暢電影級影片，創造細膩動態視覺。
使用兩段音訊與一張圖片生成影片，並設定兩位人物的發言順序。
透過影片 URL 與文字指令編輯現有影片。
OmniHuman 2.0 把一張人像和一段音訊做成說話影片。圖片決定畫面裡是誰，錄音決定節奏、語氣和口型。它適合虛擬主持、課程和社群短片，讓講話或音樂帶動表演。
OmniHuman 2.0 接受 4 到 300 秒的音訊，並把這個長度做成一條連續鏡頭。RunComfy 上的 Omnihuman 1.5 限制在 35 秒以內，並且有種子。這一版不提供種子，表演跟著用詞和情緒，而不只是嘴型。
OmniHuman 2.0 需要一張人像和一段音訊。提示詞選填，只用來引導表情、動作或風格。這個頁面沒有解析度、種子或時長控制項，因為片子長度跟著音訊。
OmniHuman 2.0 用來讀取講話、演唱和對白，包括語氣和情緒，再表演出來。乾淨的錄音仍然比嘈雜的更穩定。提示詞可以點明表演類型，比如講課或合唱，但不能代替音訊。
OmniHuman 2.0 的音訊必須在 4 到 300 秒之間。計費向上取整到下一整秒，最短 4 秒，最長 300 秒。如果上傳被拒絕，請看目前 RunComfy 參數面板上的檔案類型和大小限制。
OmniHuman 2.0 的提示詞保持一句清楚的說明，只講表情、動作或風格，並且不要和音訊矛盾。錄音自己就能主導時，提示詞可以留空。新人像先用短片試，再算幾分鐘。
先在 RunComfy Web UI 裡試用 OmniHuman 2.0，再用同樣的圖片、音訊和選填提示詞，透過 RunComfy API 呼叫同一個模型。每次生成消耗美元額度。API 使用同一套參數，不另加可用性承諾。
OmniHuman 2.0 按音訊計費秒數收費，每秒 0.09 美元。時長向上取整到下一整秒，從 4 秒到 300 秒。10 秒是 0.90 美元，60 秒是 5.40 美元。
RunComfy 是首選的 ComfyUI 平台，提供 ComfyUI 在線 環境和服務，以及 ComfyUI 工作流程 具有驚豔的視覺效果。 RunComfy還提供 AI Models, 幫助藝術家利用最新的AI工具創作出令人驚艷的藝術作品。