omnihuman-2.0OmniHuman 2.0은 ByteDance의 오디오 구동 인물 영상 모델입니다. 인물 사진 한 장과 구동 오디오 하나를 주면, 사진 속 인물이 그 오디오를 말하거나 노래하는 MP4를 돌려주며 립싱크, 표정, 머리·손·몸의 제스처가 소리를 따라 움직입니다. APIMODELS에서는 통합 영상 엔드포인트의 모델 ID 하나, omnihuman-2.0(omnihuman-2-0, omnihuman-2, omnihuman2도 가능)입니다. 인물 사진은 image_url(image 또는 항목이 정확히 하나인 image_urls도 가능), 오디오는 audio_url로 보내며 각각 공개 URL이나 base64 data URI를 쓸 수 있습니다. 이미지는 JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC, HEIF, 30 MB 미만, 각 변 300~6000픽셀, 화면비(가로 ÷ 세로) 0.4~2.5여야 하고, 오디오는 WAV 또는 MP3, 길이 4~300초, 15 MB 미만이어야 합니다. 선택 사항인 prompt(최대 300자, 중국어·영어·일본어·한국어·멕시코 스페인어·인도네시아어)로 제스처, 감정, 카메라를 이끌 수 있으며 타이밍은 오디오가 정합니다. APIMODELS에서 enable_watermark 기본값은 false라서 요청하지 않으면 워터마크 없는 영상이 돌아옵니다. 영상 길이는 오디오와 같고 오디오를 그대로 사운드트랙으로 쓰며, 인물 사진의 화면비를 따라 약 720p로 출력됩니다. 2026년 10월 29일 자체 테스트에서 5.36초 영어 음성과 1792×2390 인물 사진으로 834×1112, 24 fps, 6.0초 MP4가 약 2분 만에 돌아왔습니다. ByteDance는 이 모델이 노래, 여러 사람이 나오는 장면, 프롬프트로 이끄는 동작도 처리한다고 설명합니다. 요금은 구동 오디오 1초당 $0.091이며 초 단위로 올림하고, 길이는 작업 생성 시점에 측정합니다. 위의 5.36초 클립은 6초로 계산되어 $0.546이고, 최소 4초($0.364), 최대 300초($27.30)입니다. 길이를 읽을 수 없거나 4~300초를 벗어난 오디오는 과금 전에 400으로 거절되며, 실패한 생성은 과금되지 않습니다.
One face or a scene with people. JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC or HEIF; each side 300-6000 px; aspect ratio 0.4-2.5.
Speech or singing, WAV or MP3, 4-300 seconds. The video runs exactly as long as this audio.
Chinese, English, Japanese, Korean, Mexican Spanish or Indonesian.
Off by default: the video comes back without a watermark.
Billed per second of audio, rounded up to the whole second: 4 s minimum ($0.364), 300 s maximum ($27.30). Failed generations are not charged.
Calling it from code? See the API docs.
Your OmniHuman 2.0 video will appear here
인물 사진 한 장과 구동 오디오 하나로 그 사람이 오디오를 말하거나 노래하는 MP4를 만듭니다. 립싱크, 표정, 제스처 포함
구동 오디오는 4~300초. 영상 길이는 오디오와 정확히 같고 오디오가 그대로 사운드트랙이 됩니다
300자 이내의 선택 프롬프트(6개 언어)로 제스처, 감정, 카메라를 이끌고 타이밍은 오디오가 정합니다
ByteDance는 말과 노래 모두에 립싱크하고, 화면에 두 명 이상이 있는 인물 사진도 처리한다고 설명합니다
실패한 생성은 과금되지 않으며, 길이를 측정할 수 없거나 4~300초를 벗어난 오디오는 작업 생성 전에 400으로 거절됩니다
초 단위 올림: 최소 4초 $0.364, 60초 $5.46, 300초 $27.30. 기본 워터마크 없음, 추가 요금 없음
OmniHuman 2.0 is ByteDance's audio-driven avatar model: it takes one portrait image and one voice or song, 4 to 300 seconds long, and returns an MP4 in which that person speaks or sings it, with lip sync, facial expressions and body gestures that follow the sound.
On APIMODELS the OmniHuman 2.0 API is a single model id, omnihuman-2.0, on POST /v1/video/generations, billed at $0.091 per second of driving audio, with no watermark by default; a failed OmniHuman 2.0 generation is not charged.
omnihuman-2.0An audio-driven avatar video model: the sound decides the performance, the photo decides who performs.
One photo, one voice
OmniHuman 2.0 animates a still portrait from the audio alone. You do not record video, mark keyframes or rig a face: the voice track drives the whole clip, which is why this works as a talking avatar API.
image_urlaudio_urlMouth shapes follow the sound
The mouth is generated to match each syllable, and ByteDance describes the same lip sync for songs as for speech. That makes OmniHuman 2.0 an AI lip sync API for voice-overs, replies and singing covers alike.
Head, hands and body move
Beyond the lips, OmniHuman 2.0 adds facial expressions, head turns and hand and body gestures timed to the audio, so a presenter looks like they are delivering the line rather than reading it.
4 to 300 seconds of audio
The video is exactly as long as the driving audio, from 4 seconds up to 300. A full lesson segment, a product walkthrough or a whole song fits in one OmniHuman 2.0 request without stitching.
More than one face in frame
ByteDance describes OmniHuman 2.0 as handling images with several people. One request carries one audio clip, so say in the prompt who speaks; for turn-taking dialogue, generate one clip per turn.
Up to 300 characters, six languages
An optional prompt steers gestures, emotion, posture and camera, in Chinese, English, Japanese, Korean, Mexican Spanish or Indonesian. The audio keeps the timing; the prompt shapes the rest of the OmniHuman 2.0 performance.
promptOne route, a handful of fields, and limits that are checked before a task is created.
Send one image and one audio clip to POST /v1/video/generations with model omnihuman-2.0. The task is asynchronous: poll it or receive the OmniHuman 2.0 result at your callback URL.
image_urlRequired. Exactly one portrait as a public URL or base64 data URI; image, or image_urls with a single item, also work.audio_urlRequired. The driving voice or song, WAV or MP3, 4–300 seconds, under 15 MB. Its length sets the video length and the price.promptOptional. Up to 300 characters on gestures, emotion and camera.enable_watermarkOptional boolean, false by default on APIMODELS, so the video has no watermark unless you set true.callback_urlOptional. We POST the finished task here; leave it out and poll the GET endpoint.| OmniHuman 2.0 input | Accepted | If it is out of range |
|---|---|---|
| Image format | JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC, HEIF | Rejected by the model; failed generations are not charged |
| Image size and sides | Under 30 MB; each side 300–6000 px | Same as above |
| Image aspect ratio | Width / height between 0.4 and 2.5 | Same as above |
| Number of images | Exactly one | 400 before a task is created |
| Audio format and size | WAV or MP3, under 15 MB | 400 if the length cannot be read |
| Audio length | 4–300 seconds | 400 before a task is created |
| Prompt | Optional, up to 300 characters | 400 before a task is created |
| Output | MP4 with your audio track, as long as the audio, ~720p in the image's aspect ratio | — |
There is no duration or resolution parameter: OmniHuman 2.0 takes the length from the audio and the frame from the portrait. Crop the image to the shape you want to publish (a 9:16 portrait is 0.5625, inside the 0.4–2.5 range) and trim the audio to the part you need before you send it.
One rate, counted on the driving audio and rounded up to the whole second.
$0.364
4 seconds of audio. The portrait, the prompt and the watermark setting do not change the price, and failed OmniHuman 2.0 generations are not charged.
| Driving audio | Billed seconds | OmniHuman 2.0 price |
|---|---|---|
| 4 s (minimum) | 4 | $0.364 |
| 5.36 s (our test clip) | 6 | $0.546 |
| 10 s | 10 | $0.91 |
| 30 s | 30 | $2.73 |
| 60 s | 60 | $5.46 |
| 120 s | 120 | $10.92 |
| 300 s (maximum) | 300 | $27.30 |
15-second spokesperson ad
$1.365
15 billed s × $0.091
20.2-second voice reply
$1.911
rounded up to 21 billed s × $0.091
45-second training intro
$4.095
45 billed s × $0.091
Podcast cut from four 12-second turns
$4.368
4 clips × 12 billed s × $0.091
3-minute song for a singing avatar
$16.38
180 billed s × $0.091
5-minute monologue
$27.30
300 billed s × $0.091
How the seconds are counted: we read the audio's length when the task is created and round it up to the next whole second, so 5.36 seconds bills as 6. If the length cannot be read (a login wall, an expired link, an unsupported file) or falls outside 4–300 seconds, the OmniHuman 2.0 request returns a 400 and nothing is charged. Because the clip and the bill both follow the audio, trimming silence at the start and end is the simplest way to keep the cost down.
One run through our own API on 29 October 2026. It is one example, not a promised size or speed.
1792×2390 portrait + 5.36 s of English speech
A single still portrait and a short spoken line, no prompt, enable_watermark left at its default.
834×1112, 24 fps, 6.0 s MP4
The frame kept the portrait's aspect ratio at roughly 720p, the speech came back as the soundtrack, and there was no watermark.
About two minutes, $0.546
The 5.36-second clip was billed as 6 seconds. Plan for a few minutes per OmniHuman 2.0 task and poll every 10 to 15 seconds.
Wherever a face has to deliver a voice: apps, ads, lessons, songs and shows.
Turn a user's photo and a reply from your text-to-speech step into a talking avatar. One API key covers OmniHuman 2.0 and the text-to-speech models on apimodels.app, so the whole pipeline bills to one balance.
Lip sync follows the vocals of a song, and the five-minute ceiling covers most full tracks, so a cover, a birthday song or a music teaser can come from one portrait and one audio file.
Keep one presenter photo and swap the script: each new voice-over becomes a new ad variant for testing. A 30-second spot costs $2.73 with OmniHuman 2.0.
For a show with several characters, use a multi-person image and say who speaks in the prompt, or generate each speaker's turn as its own clip and edit them together for clean back-and-forth.
Bring illustrated, 3D-rendered or AI-generated characters to life with a voice. Results are best when the face is clear and front-facing; use the prompt for attitude and movement.
A consistent on-screen instructor for lessons and onboarding: record or synthesize each segment, up to five minutes, and OmniHuman 2.0 turns it into a presenter video without a camera crew.
Pick OmniHuman 2.0 when a still photo has to speak or sing; pick another model for the cases below.
Up to 300 seconds of audio per request, with expressions and gestures, from nothing more than one portrait.
ByteDance describes lip sync for songs as well as speech, so singing avatars and covers are in scope.
A 300-character prompt shapes the performance around the audio, in six prompt languages.
Swap the audio to make the same face deliver another script; the portrait and the look stay the same.
Digital Human re-syncs the mouth on your own footage and keeps the original motion, at $0.01 per second of audio.
OmniHuman 2.0 returns roughly 720p in the portrait's aspect ratio; there is no resolution switch.
DreamActor V2 transfers movement from a driving video onto a character image, at $0.06/s.
A text-to-video model such as Kling 4.0 builds the whole shot from a prompt, with sound, from $0.157/s.
Small habits that keep results clean and bills predictable.
The video length and the bill both come from the audio. Cut silence and retakes before upload; every second you remove is $0.091 saved.
For spoken lines, a clear, close-miked voice gives the lip sync the strongest signal. Add music in your editor afterwards if the video needs it.
The video follows the image's aspect ratio. Keep the face visible and well lit, and crop to the format you will publish, within 0.4–2.5.
Describe gestures, mood and camera that suit the line. The audio still sets the timing, so a prompt that fights the voice will not win.
Each OmniHuman 2.0 task takes minutes. Poll every 10 to 15 seconds, or pass callback_url and let us POST the result to you.
callback_urlResult files are deleted after 30 days. Download the MP4 or copy it to your own storage as soon as the task completes, and only use faces and voices you have the rights to.
From API key to downloaded talking video in four steps.
Sign up at apimodels.app and create a key in the console. One key and one USD balance cover OmniHuman 2.0 and every other model; top-ups start at $10.
Pick one portrait (300–6000 px per side, aspect ratio 0.4–2.5) and a WAV or MP3 of 4 to 300 seconds. Host both at public URLs, or send small files as base64 data URIs.
POST /v1/video/generations with model omnihuman-2.0, image_url, audio_url and an optional prompt, using the key as a Bearer token. The response holds a taskId.
Poll GET /v1/video/generations?task_id= until the state is completed, or wait for the callback, then download the MP4 from resultUrls within 30 days.
curl -X POST https://api.apimodels.app/v1/video/generations \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "omnihuman-2.0",
"image_url": "https://example.com/presenter.jpg",
"audio_url": "https://example.com/script-take-3.mp3",
"prompt": "She smiles, leans toward the camera and gestures with her right hand; slow push-in"
}'
# { "code": 200, "msg": "success", "data": { "taskId": "clxxx", "state": "pending", "model": "omnihuman-2.0" } }
curl "https://api.apimodels.app/v1/video/generations?task_id=TASK_ID" -H "Authorization: Bearer YOUR_API_KEY"
# { "code": 200, "data": { "state": "completed", "resultUrls": ["https://r2.apimodels.app/videos/clxxx.mp4"] } }What you can check for yourself, before the price.
If an OmniHuman 2.0 task ends in failed, the charge is returned automatically and the reason is in failMsg, so a retry costs nothing extra.
More than one image, a prompt over 300 characters, audio outside 4–300 seconds or audio we cannot measure all return a clear 400 before a task exists.
Create, then poll the task id or receive the result at callback_url. Long five-minute renders never hold a connection open.
The same key and balance call OmniHuman 2.0, text-to-speech, image, video and LLM models, so a full avatar pipeline needs one integration.
enable_watermark is false unless you turn it on, and the setting does not change the price.
$0.091 per second of audio, rounded up and measured from your file. Pay as you go, no subscription; the playground shows the price before you generate.
Both versions share the same idea: an image, an audio clip and an optional prompt become a lip-synced talking video. The published specs differ mainly in length and resolution, and exact limits can vary by provider. The OmniHuman 2.0 column shows what the apimodels.app API enforces; apimodels.app does not offer OmniHuman 1.5.
| OmniHuman 2.0 | OmniHuman 1.5 | |
|---|---|---|
| Inputs | One image + one audio + optional prompt | One image + one audio + optional prompt |
| Audio length | 4–300 s (up to 5 minutes) | Usually under 60 s |
| Output resolution | Roughly 720p, in the image's aspect ratio | Usually 720p or 1080p |
| Lip sync for speech and singing | Yes | Yes |
| Facial expressions and gestures | Yes | Yes |
| Multi-person scenes | Yes | Yes |
| Prompt control | Yes, up to 300 characters | Yes |
| On apimodels.app | omnihuman-2.0, $0.091 per audio second | Not offered |
OmniHuman 2.0은(는) ByteDance의 영상 생성 API입니다. OmniHuman 2.0은 ByteDance의 오디오 구동 인물 영상 모델입니다. 인물 사진 한 장과 구동 오디오 하나를 주면, 사진 속 인물이 그 오디오를 말하거나 노래하는 MP4를 돌려주며 립싱크, 표정, 머리·손·몸의 제스처가 소리를 따라 움직입니다. APIMODELS에서는 통합 영상 엔드포인트의 모델 ID 하나, omnihuman-2.0(omnihuman-2-0, omnihuman-2, omnihuman2도 가능)입니다. 인물 사진은 image_url(image 또는 항목이 정확히 하나인 image_urls도 가능), 오디오는 audio_url로 보내며 각각 공개 URL이나 base64 data URI를 쓸 수 있습니다. 이미지는 JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC, HEIF, 30 MB 미만, 각 변 300~6000픽셀, 화면비(가로 ÷ 세로) 0.4~2.5여야 하고, 오디오는 WAV 또는 MP3, 길이 4~300초, 15 MB 미만이어야 합니다. 선택 사항인 prompt(최대 300자, 중국어·영어·일본어·한국어·멕시코 스페인어·인도네시아어)로 제스처, 감정, 카메라를 이끌 수 있으며 타이밍은 오디오가 정합니다. APIMODELS에서 enable_watermark 기본값은 false라서 요청하지 않으면 워터마크 없는 영상이 돌아옵니다. 영상 길이는 오디오와 같고 오디오를 그대로 사운드트랙으로 쓰며, 인물 사진의 화면비를 따라 약 720p로 출력됩니다. 2026년 10월 29일 자체 테스트에서 5.36초 영어 음성과 1792×2390 인물 사진으로 834×1112, 24 fps, 6.0초 MP4가 약 2분 만에 돌아왔습니다. ByteDance는 이 모델이 노래, 여러 사람이 나오는 장면, 프롬프트로 이끄는 동작도 처리한다고 설명합니다. 요금은 구동 오디오 1초당 $0.091이며 초 단위로 올림하고, 길이는 작업 생성 시점에 측정합니다. 위의 5.36초 클립은 6초로 계산되어 $0.546이고, 최소 4초($0.364), 최대 300초($27.30)입니다. 길이를 읽을 수 없거나 4~300초를 벗어난 오디오는 과금 전에 400으로 거절되며, 실패한 생성은 과금되지 않습니다. APIMODELS 플랫폼을 거치면 통합 API와 투명한 종량 과금으로 이 모델을 호출할 수 있습니다. 현재 가격: per second of audio: $0.091, 4s audio (minimum): $0.364, 10s audio: $0.91, 30s audio: $2.73, 60s audio: $5.46, 300s audio (maximum): $27.3.
관련 모델: Digital Human — when you already have video of the person — re-syncs the mouth on your footage and keeps the original motion, $0.01 per audio second
관련 모델: AI Lip-Sync — a simpler portrait + audio talking-head model, billed $0.02 per second
관련 모델: DreamActor V2 — when the motion should come from a reference video instead of the audio — $0.06/s
관련 모델: Kling 4.0 — when there is no portrait and the whole scene, sound included, comes from a prompt — 3-30 seconds, from $0.157/s
광고 캠페인과 SNS 마케팅에 쓸 브랜드 영상을 빠르게 만듭니다.
TikTok, Instagram, YouTube에 맞는 세로형 짧은 영상을 대량으로 뽑습니다.
기능 소개와 사용법 영상을 만들어 전환율을 끌어올립니다.
강의 해설과 지식 설명, 사내 교육 영상을 낮은 비용으로 꾸준히 제작합니다.
OmniHuman 2.0은(는) APIMODELS를 통해 per second of audio: $0.091, 4s audio (minimum): $0.364, 10s audio: $0.91, 30s audio: $2.73, 60s audio: $5.46, 300s audio (maximum): $27.3에 이용할 수 있습니다. 과금은 종량제라서 생성한 만큼만 냅니다.
APIMODELS에 가입해 API 키를 받고 통합 엔드포인트를 호출하면 됩니다. cURL / Python / Node.js 예제를 담은 상세 문서를 제공합니다.
APIMODELS는 같은 OmniHuman 2.0을(를) 집약 플랫폼을 통해 제공합니다. API 인터페이스가 통합되어 있어 공급자마다 계정을 만들 필요가 없고, 키 하나로 모든 모델에 닿습니다.
OmniHuman 2.0은 ByteDance의 오디오 구동 인물 영상 모델이며, OmniHuman 2.0 API는 인물 사진 한 장과 구동 오디오 하나로 그 사람이 말하거나 노래하는 영상을 만듭니다. 입술은 오디오를 따라 움직이고 얼굴, 머리, 손, 몸도 소리에 맞춰 움직입니다. ByteDance는 여러 사람이 나오는 장면과, 텍스트 프롬프트로 동작과 카메라를 이끄는 기능도 지원한다고 설명합니다. apimodels.app에서는 POST /v1/video/generations의 모델 ID 하나, omnihuman-2.0이며 구동 오디오 1초당 $0.091로 과금되고 실패한 생성은 과금되지 않습니다.
image_url에 인물 사진을, audio_url에 말소리나 노래를 넣고 원하면 프롬프트를 더합니다. 연기를 이끄는 것은 오디오입니다. 입 모양, 표정, 고개 돌림, 제스처가 말이나 노래에 맞춰 생성되고, 이미지는 누가 나오는지와 화면이 어떻게 보이는지를 정합니다. 영상 길이는 오디오와 같고 오디오가 그대로 사운드트랙이 되므로 길이 파라미터는 없습니다. 호출은 비동기입니다. 응답의 taskId로 GET /v1/video/generations?task_id=를 폴링하거나 callback_url을 넘기면, 완성된 MP4가 resultUrls에 담깁니다. 2026년 10월 29일 자체 테스트에서 5.36초 클립은 약 2분이 걸렸습니다.
인물 사진은 JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC, HEIF를 지원하며 30 MB 미만, 각 변 300~6000픽셀, 가로 ÷ 세로 비율 0.4~2.5여야 합니다. 그래서 지나치게 길쭉하거나 넓은 크롭은 거절됩니다. 이미지는 image_url로 정확히 한 장만 보내세요(image 또는 항목이 하나인 image_urls도 가능). 구동 오디오는 WAV 또는 MP3, 길이 4~300초, 15 MB 미만이어야 합니다. 두 필드 모두 공개 URL이나 base64 data URI를 받으며, 큰 파일은 URL이 더 안전합니다.
5분입니다. 영상은 구동 오디오와 길이가 같고 오디오는 4~300초까지 가능하므로, 짧은 답변부터 5분짜리 독백이나 노래 한 곡 전체까지 클립을 이어 붙이지 않고 요청 한 번으로 만들 수 있습니다. 4초보다 짧거나 300초보다 긴 오디오는 작업 생성 전에 400으로 거절됩니다. 300초 요청은 $27.30입니다.
보낸 오디오를 음원 트랙으로 담은 MP4로, 길이는 오디오와 같고 화면 구도는 인물 사진을 따르며 약 720p입니다. 자체 테스트에서 1792×2390 인물 사진과 5.36초 영어 음성은 834×1112, 24 fps, 6.0초 영상으로 돌아왔습니다. 이는 한 번 측정한 예일 뿐 고정 크기가 아니며, 정확한 크기는 입력 이미지의 화면비를 따릅니다. apimodels.app에서는 enable_watermark 기본값이 false라서 enable_watermark: true를 보내지 않으면 워터마크가 없습니다.
ByteDance는 OmniHuman 2.0이 여러 사람이 나오는 장면을 처리한다고 설명하므로, 두 명 이상이 있는 사진도 받습니다. 요청 하나에는 구동 오디오가 하나뿐이니 누가 말하고 다른 사람들이 어떻게 반응하는지를 프롬프트에 적으세요. 화자가 번갈아 말하는 AI 팟캐스트나 인터뷰라면, 차례마다 각자의 오디오로 클립을 따로 만든 뒤 이어 붙이는 방법이 더 확실합니다. 각 클립은 자기 오디오 길이만큼만 과금됩니다.
제스처, 감정, 자세, 카메라를 묘사하는 300자 이내의 프롬프트를 추가하세요. 예를 들면 "그녀가 웃으며 카메라 쪽으로 몸을 기울이고 오른손으로 제스처를 한다. 카메라가 천천히 다가간다"처럼 씁니다. 타이밍과 립싱크는 여전히 오디오가 정하고, 나머지는 프롬프트가 만듭니다. 프롬프트는 중국어, 영어, 일본어, 한국어, 멕시코 스페인어, 인도네시아어로 쓸 수 있습니다. 더 긴 프롬프트는 과금 전에 400으로 거절되며, 프롬프트는 아예 생략해도 됩니다.
둘 다 이미지, 오디오, 선택 사항인 프롬프트를 받고 립싱크, 표정, 제스처, 여러 사람 장면, 프롬프트 제어를 지원합니다. 공개된 가장 큰 차이는 길이입니다. OmniHuman 1.5는 보통 60초 미만 오디오에 720p 또는 1080p 출력으로 제공되고, OmniHuman 2.0은 최대 300초 오디오를 받아 약 720p로 출력합니다. 정확한 제한은 제공처에 따라 다를 수 있습니다. apimodels.app이 제공하는 것은 OmniHuman 2.0이며, 이 페이지의 제한은 저희 API가 실제로 적용하는 값입니다.
구동 오디오 1초당 $0.091이며, 오디오 길이를 초 단위로 올림해 과금하고 그 길이는 작업 생성 시점에 저희가 측정합니다. 5.36초 클립은 6초로 계산되어 $0.546, 10초는 $0.91, 60초는 $5.46, 최대 300초는 $27.30입니다. 최소는 4초, $0.364입니다. 이미지, 프롬프트, 워터마크 설정은 가격에 영향을 주지 않으며, 실패한 생성은 과금되지 않습니다.
apimodels.app에 가입하고 콘솔에서 API 키를 만드세요. 키 하나와 달러 잔액 하나로 모든 모델을 씁니다. 그다음 요청을 보냅니다: curl -X POST https://api.apimodels.app/v1/video/generations -H "Authorization: Bearer YOUR_API_KEY" -H "Content-Type: application/json" -d '{"model": "omnihuman-2.0", "image_url": "https://example.com/portrait.jpg", "audio_url": "https://example.com/voice.mp3", "prompt": "카메라를 보며 따뜻하게 이야기한다"}'. 응답의 taskId로 state가 completed가 될 때까지 10~15초마다 GET /v1/video/generations?task_id=를 폴링하거나 callback_url을 넘기고, 30일 이내에 resultUrls에서 MP4를 내려받으세요.
완전히 무료는 아닙니다. 조건을 충족하는 신규 계정은 $0.10의 체험 크레딧을 받지만, 가장 짧은 OmniHuman 2.0 요청(오디오 4초)이 $0.364라서 첫 테스트에는 충전이 필요합니다. 충전은 $10부터입니다. 구독 없는 종량제입니다. 이 페이지의 플레이그라운드는 올린 오디오의 길이를 읽어 Generate를 누르기 전에 가격을 보여 주며, 실패한 생성은 과금되지 않습니다.
APIMODELS에서는 OmniHuman 2.0이(가) 60개가 넘는 모델과 같은 API 키, 같은 잔액 위에 나란히 놓입니다. 그래서 선택은 궁합의 문제이지 종속의 문제가 아닙니다. Image + Audio to Video、Lip Sync for Speech & Singing、Expressions & Gestures、Multi-Person Scenes、Prompt-Guided Motion、Up to 300s、No Watermark by Default、$0.091/s of Audio을(를) 지원하며 다른 영상 생성 모델과 가격·성능을 나란히 놓고 따져볼 수 있습니다. 갈아타기는 모델 이름 문자열 하나만 바꾸면 되고 새 계정도 추가 작업도 필요 없습니다. 영상 생성 선택지와 실시간 가격은 apimodels.app/models에서 볼 수 있습니다.
OmniHuman 2.0은(는) 다음을 지원합니다: Image + Audio to Video、Lip Sync for Speech & Singing、Expressions & Gestures、Multi-Person Scenes、Prompt-Guided Motion、Up to 300s、No Watermark by Default、$0.091/s of Audio. 전체 파라미터와 호출 예제는 APIMODELS 문서를 참고하세요.
네. APIMODELS는 OmniHuman 2.0을(를) 하나의 통합 API와 키 한 개로 제공합니다. 공급자별 계정도 필요 없고, 각 공급자의 지역별 네트워크 경로를 직접 챙길 필요도 없습니다.
Stripe(Visa, Mastercard 등 해외 카드)와 Alipay를 지원합니다. 결제 후 잔액은 즉시 반영됩니다.