OmniHuman 2

Por qué los creadores eligen OmniHuman 2

OmniHuman 2 anima una interpretación completa desde una foto y una pista de audio. Va más allá del movimiento de labios: expresión, postura y gestos siguen la interpretación, de modo que el personaje parece actuar la frase en lugar de solo mover la boca.

Tomas largas en una generación

OmniHuman 2 acepta hasta cinco minutos de audio. Un vídeo explicativo completo, un segmento de pódcast o un monólogo largo se renderiza como un clip continuo, sin dividir el audio ni unir tomas después.

Gestos expresivos de manos y cuerpo

Las manos se mueven con lo que se dice y coordinadas con el cuerpo. Los gestos se desarrollan a lo largo de un discurso en lugar de repetir un bucle.

Control de escena y cámara con prompts

Un prompt opcional orienta la escena, el movimiento del personaje y la cámara. Si lo omites, el modelo interpreta solo a partir del audio.

Funciona con varios tipos de contenido

Sirven como imagen de origen fotografías, renderizados generados por IA, personajes animados y arte estilizado.

Cómo usar OmniHuman 2 en Craze

OmniHuman 2 es un modelo de transformación: proporciona una foto y una pista de audio y Craze generará la interpretación animada.

1. Sube una foto clara del sujeto, de al menos 300 píxeles por lado.
2. Sube o graba el audio, de entre 4 segundos y 5 minutos. Puede ser voz en off, diálogo, texto a voz o cualquier pista de audio.
3. Pide OmniHuman 2 a Craze o describe el humano digital que quieres crear. Si no nombras un modelo, Craze muestra opciones de avatar disponibles con precios.
4. Craze genera el vídeo animado con gestos, expresión y lenguaje corporal acordes con el audio.
5. Revísalo en el editor. Si quieres ajustar la interpretación o probar otro audio, regenera.

OmniHuman 2 funciona bien con fotos donde el sujeto se ve con claridad y mira aproximadamente hacia la cámara. No necesitan ser profesionales: sirven fotos de móvil y renderizados artísticos.

Precios de OmniHuman 2

OmniHuman 2 se cobra según la duración del audio a $0.111 por segundo de audio. Un clip de 30 segundos cuesta la mitad que uno de 60 segundos. El precio escala linealmente con la duración del audio. Calcula el coste exacto en esta página.

La fuente de la foto y el formato del vídeo no afectan al precio. Solo importa la duración del audio.

OmniHuman 2 comparado con otros modelos de avatar

Kling Avatar 2 Pro y Kling Avatar 2 ofrecen animaciones más sencillas para vídeos cortos. VEED Fabric 1.0 es una opción económica que mueve sobre todo cabeza y hombros. OmniHuman 2 destaca si necesitas gestos expresivos, calidad cinematográfica o una toma larga en un clip.

Para quién es OmniHuman 2

Cine y producción narrativa

Crea humanos digitales para cortos, series web y cine independiente. Los gestos expresivos y la cámara dirigida por prompts dan presencia a los personajes en la escena, no solo una cara animada.

Publicidad y anuncios

Anima mascotas de marca o portavoces con interpretaciones matizadas. Los gestos y expresiones generan una conexión que no consiguen los avatares estáticos.

Producción de vídeo para pódcast y entrevistas

Los creadores de pódcast y audio pueden convertir un segmento completo en vídeo en una generación. Cinco minutos de audio por clip cubren la mayoría de los segmentos sin cortes.

Educación y formación a escala

Crea avatares de instructores para clases en línea. Una sección completa de la lección se renderiza en una toma, con gestos que mantienen el interés del vídeo.

Experiencias interactivas e inmersivas

Desarrolladores de juegos y creadores de XR pueden usar OmniHuman 2 para generar interpretaciones de personajes no jugables o personajes interactivos con diálogo y gestos naturales.

Interpretación accesible para artistas

Actores, músicos e intérpretes pueden crear vídeo desde audio sin cámaras ni varias tomas. Una buena interpretación de audio se convierte en vídeo con gestos y expresiones matizadas.