OmniHuman 2.0 v Doppelshot
OmniHuman 2.0 je zvukem řízený video model lidí od ByteDance: jedna fotka, jedna hlasová stopa a člověk mluví nebo zpívá s odpovídajícími pohyby rtů, obličeje a rukou. Doppelshot ho používá na kartách Say it a Sing, kde mu můžeš zadat i režijní pokyn (co člověk během mluvení dělá).
Co to je
- Řízený zvukem: rty, dech i gesta sledují hlasovou stopu.
- Bere slovní pokyny („podívá se nahoru a na konci se usměje“), na rozdíl od většiny mluvících enginů.
- Celá postava nebo detail, z jedné fotky.
Co s ním Doppelshot dělá
- Say it: tvůj scénář, hlas z knihovny nebo tvůj naklonovaný hlas, 10 kreditů za 10 sekund.
- Sing: tvoje fotka zazpívá znělku nebo tvoji vlastní písničku.
- Delší scénáře: 20 a 30 sekund za stejnou sazbu.
Enginy a ceny
| Engine | Typ | Cena | Karty |
|---|---|---|---|
| OmniHuman 2.0Doporučeno | Mluvící video | 10 kreditů | Řekni to, Three emotions |
Ověřeno podle katalogu 2026-10-21.
Karty, které na něm běží
Otevři kartu, nahraj selfie a vyber tenhle engine ve Studiu, pokud není výchozí.
Otázky
OmniHuman, nebo LTX na mluvící video?
OmniHuman pro výraznou řeč s gesty a pro zpěv; LTX, když chceš kolem člověka filmový záběr. Synchronizaci rtů dělají oba.
Jaký hlas?
Jakýkoliv zhruba ze 30 hlasů v knihovně, nebo klon tvého vlastního hlasu vytvořený v aplikaci. Nech hlas na Auto a přizpůsobí se člověku na fotce.
OmniHuman 2.0 nebo 1.5?
OmniHuman 2.0 (říjen 2026) nahradil na kartách verzi 1.5: bere textové pokyny pro režii, zvládá řeč od 4 sekund do 5 minut a stojí 10 kreditů za 10 sekund místo 20. Doppelshot ho pouští přímo přes BytePlus, cloud od ByteDance.