OmniHuman 2.0 in Doppelshot
OmniHuman 2.0 ist das audiogesteuerte Video-Modell für Menschen von ByteDance: ein Foto, eine Tonspur, und die Person spricht oder singt mit passenden Lippen, Mimik und Händen. Doppelshot nutzt es auf den Karten Say it und Sing – samt eigener Regieanweisung, was die Person beim Sprechen tun soll.
Was es ist
- Audiogesteuert: Lippen, Atmung und Gesten folgen direkt der Stimmspur.
- Versteht Regieanweisungen in Worten („schaut hoch und lächelt am Ende“), anders als die meisten Sprech-Engines.
- Ganzkörper oder Nahaufnahme, aus einem einzigen Foto.
Was Doppelshot damit macht
- Say it: dein Skript, eine Bibliotheksstimme oder deine geklonte Stimme, 10 Guthaben pro 10 Sekunden.
- Sing: dein Foto singt einen Jingle oder deinen eigenen Song.
- Längere Skripte: 20 und 30 Sekunden zum gleichen Tarif.
Engines und Preise
| Engine | Art | Preis | Karten |
|---|---|---|---|
| OmniHuman 2.0Empfohlen | Sprechendes Video | 10 Guthaben | Sag’s, Three emotions |
Abgeglichen mit dem Katalog am 2026-10-21.
Karten, die darauf laufen
Öffne eine Karte, lade dein Selfie hoch und wähle diese Engine im Studio, falls sie nicht schon voreingestellt ist.
Fragen
OmniHuman oder LTX für ein sprechendes Video?
OmniHuman für ausdrucksstarkes Sprechen mit Gesten und fürs Singen; LTX, wenn du eine filmische Einstellung rund um die Person willst. Lippensynchron sind beide.
Welche Stimme kann ich nutzen?
Eine von rund 30 Stimmen aus der Bibliothek oder einen Klon deiner eigenen Stimme, den du in der App erstellst. Auf Auto passt sich die Stimme der Person auf dem Foto an.
OmniHuman 2.0 oder 1.5?
OmniHuman 2.0 (Oktober 2026) hat 1.5 auf den Karten ersetzt: Es nimmt Regieanweisungen als Text an, verarbeitet Sprache von 4 Sekunden bis 5 Minuten und kostet 10 Guthabenpunkte pro 10 Sekunden statt 20. Doppelshot führt es direkt auf BytePlus aus, der Cloud von ByteDance.