Το OmniHuman 2.0 στο Doppelshot
Το OmniHuman 2.0 είναι το μοντέλο βίντεο της ByteDance που οδηγείται από τον ήχο: μία φωτογραφία, ένα ηχητικό φωνής, και το άτομο μιλά ή τραγουδά με αντίστοιχη κίνηση σε χείλη, πρόσωπο και χέρια. Το Doppelshot το τρέχει στις κάρτες Say it και Sing, μαζί με οδηγία που μπορείς να δώσεις (τι κάνει το άτομο ενώ μιλά).
Τι είναι
- Οδηγείται από τον ήχο: τα χείλη, η αναπνοή και οι χειρονομίες ακολουθούν τη φωνή.
- Δέχεται σκηνοθετική οδηγία με λόγια («κοιτάζει ψηλά και μετά χαμογελά στο τέλος»), σε αντίθεση με τις περισσότερες μηχανές ομιλίας.
- Ολόσωμο ή κοντινό πλάνο, από μία φωτογραφία.
Τι φτιάχνει το Doppelshot με αυτό
- Say it: το κείμενό σου, μια φωνή βιβλιοθήκης ή η κλωνοποιημένη φωνή σου, 10 μονάδες ανά 10 δευτερόλεπτα.
- Sing: η φωτογραφία σου τραγουδά ένα jingle ή το δικό σου τραγούδι.
- Μεγαλύτερα κείμενα: 20 και 30 δευτερόλεπτα με την ίδια αναλογία τιμής.
Μηχανές και τιμές
| Μηχανή | Είδος | Τιμή | Κάρτες |
|---|---|---|---|
| OmniHuman 2.0Προτείνεται | Βίντεο ομιλίας | 10 μονάδες | Πες το, Three emotions |
Ελέγχθηκε με βάση τον κατάλογο στις 2026-10-21.
Κάρτες που τρέχουν σε αυτό
Άνοιξε μια κάρτα, ανέβασε τη selfie σου και διάλεξε αυτή τη μηχανή στο Studio όταν δεν είναι η προεπιλογή.
Ερωτήσεις
OmniHuman ή LTX για βίντεο ομιλίας;
OmniHuman για εκφραστική ομιλία με χειρονομίες και για τραγούδι· LTX όταν θέλεις κινηματογραφικό πλάνο γύρω από το άτομο. Και τα δύο συγχρονίζουν τα χείλη.
Ποια φωνή;
Οποιαδήποτε από τις περίπου 30 φωνές της βιβλιοθήκης ή κλώνο της δικής σου φωνής που φτιάχνεις στην εφαρμογή. Άφησε τη φωνή στο Auto για να ταιριάξει με το άτομο της φωτογραφίας.
OmniHuman 2.0 ή 1.5;
Το OmniHuman 2.0 (Οκτώβριος 2026) αντικατέστησε το 1.5 στις κάρτες: δέχεται οδηγίες με λόγια, ομιλία από 4 δευτερόλεπτα έως 5 λεπτά και κοστίζει 10 μονάδες ανά 10 δευτερόλεπτα αντί για 20. Το Doppelshot το τρέχει απευθείας στο BytePlus, το cloud της ByteDance.