OmniHuman 1.5 · ByteDance

Pedido

Imagem

Entre para enviar arquivos. Ou cole um link público.

Retrato de qualquer proporção: pessoa, pet, anime etc.

Mask url

Entre para enviar arquivos. Ou cole um link público. Até 5 arquivos.

Máscaras para escolher quem fala na imagem (gere com o Detector de sujeitos do OmniHuman 1.5).

Áudio

Entre para enviar arquivos. Ou cole um link público.

Áudio com menos de 60 s (ideal até 15 s; acima disso a qualidade cai). O vídeo dura o mesmo que o áudio.

Descreva o que você quer0/300

Instrução curta, até 300 caracteres (chinês, inglês, japonês, coreano, espanhol ou indonésio).

Mais opções (3)mostrar

Output resolution

Resolução: 720 ou 1080 (mantém a proporção da imagem).

Pe fast mode

Modo rápido: gera mais rápido, com um pouco menos de qualidade.

Semente (seed)

Semente; -1 = aleatória. Mesmo número e mesmos dados dão resultado parecido.

Entrar para gerar

Preencha: Imagem, Áudio.

Falhou? O valor volta na hora.

Sem conta? Criar conta leva 1 minuto.

Resultado

Seu resultado aparece aqui.

Sobre o OmniHuman 1.5

Anima um retrato (pessoa, pet ou desenho) para falar ou cantar no ritmo do áudio, em 720p ou 1080p. Com máscara, escolhe qual personagem da imagem fala.

Campos de entrada

Vão dentro de input. Campo vazio usa o padrão do modelo.

Campo	Tipo	Obrigatório	Padrão	Opções
`image_url` Imagem Retrato de qualquer proporção: pessoa, pet, anime etc.	URL	sim	—	—
`mask_url` Mask url Máscaras para escolher quem fala na imagem (gere com o Detector de sujeitos do OmniHuman 1.5).	lista de URLs	não	—	até 5 itens
`audio_url` Áudio Áudio com menos de 60 s (ideal até 15 s; acima disso a qualidade cai). O vídeo dura o mesmo que o áudio.	URL	sim	—	—
`prompt` Descreva o que você quer Instrução curta, até 300 caracteres (chinês, inglês, japonês, coreano, espanhol ou indonésio).	texto	não	—	até 300 caracteres
`output_resolution` Output resolution Resolução: 720 ou 1080 (mantém a proporção da imagem).	opção	não	1080	720, 1080
`pe_fast_mode` Pe fast mode Modo rápido: gera mais rápido, com um pouco menos de qualidade.	sim/não	não	não	—
`seed` Semente (seed) Semente; -1 = aleatória. Mesmo número e mesmos dados dão resultado parecido.	inteiro	não	-1	—

Use pela API

Crie a tarefa, guarde o taskId e consulte até ficar pronta (ou receba o aviso no seu callBackUrl). A chave fica em Painel → Chaves de API.

POSThttps://api.hubroque.com.br/api/v1/jobs/createTask

IDomnihuman-1-5

Corpo de exemplo

{
  "model": "omnihuman-1-5",
  "callBackUrl": "https://seusite.com.br/webhooks/hubroque",
  "input": {
    "image_url": "https://seusite.com.br/arquivos/foto.jpg",
    "audio_url": "https://seusite.com.br/arquivos/audio.mp3",
    "prompt": "Café sendo servido numa xícara branca, câmera lenta, luz da manhã"
  }
}

• Consulte com GET /api/v1/jobs/recordInfo?taskId=.... Vídeo: a cada 10 a 15 s.
• Pronto quando state for success. Os links vêm em resultJson.resultUrls.
• Sempre confira o code no corpo: a resposta HTTP é 200 mesmo com erro.

Ler a documentação completa

curl -X POST "https://api.hubroque.com.br/api/v1/jobs/createTask" \
  -H "Authorization: Bearer hr_SUA_CHAVE" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "omnihuman-1-5",
  "input": {
    "image_url": "https://seusite.com.br/arquivos/foto.jpg",
    "audio_url": "https://seusite.com.br/arquivos/audio.mp3",
    "prompt": "Café sendo servido numa xícara branca, câmera lenta, luz da manhã"
  }
}'

# Depois, consulte o resultado com o taskId recebido:
curl "https://api.hubroque.com.br/api/v1/jobs/recordInfo?taskId=SEU_TASK_ID" \
  -H "Authorization: Bearer hr_SUA_CHAVE"

Modelos que fazem o mesmo

ByteDance

OmniHuman 2.0

Gera vídeo 720p de um personagem falando a partir de uma imagem e de um áudio de 4 a 300 segundos, com movimento guiado pela voz. Aceita um prompt curto para cena e câmera.

Avatar
Lip sync

a partir de R$ 272,20

Sem dados 24h

Testar

Kling

Kling AI Avatar 2.0 Pro

Faz uma foto falar: com um retrato e um áudio, gera vídeo 1080p com a boca sincronizada. O vídeo dura o mesmo que o áudio, até 5 minutos.

Avatar
Lip sync

a partir de R$ 311,10

Sem dados 24h

Testar

Kling

Kling AI Avatar 2.0 Standard

Faz uma foto falar: com um retrato e um áudio, gera vídeo 720p com a boca sincronizada. O vídeo dura o mesmo que o áudio, até 5 minutos.

Avatar
Lip sync

a partir de R$ 155,60

Sem dados 24h

Testar