OmniHuman 2擅长什么
一次生成长镜头
OmniHuman 2 最多接受 5 分钟的音频。
富有表现力的手势和肢体动作
双手随着所说的内容而动,并与身体保持协调。
用提示词控制场景和镜头
可选的提示词可以引导场景、角色的动作和镜头。
适用于各种内容类型
照片、AI 生成的渲染图、动画角色和风格化艺术作品都可以作为源图片。
导演。创作。剪辑。
别再写提示词,开始当导演。
Craze 与你一起碰撞创意、做调研、做规划。
创作有品位的内容。
Craze 能生成你能想象的一切。视频、音频、音乐、动态图形等等。
几分钟剪好视频,而不是几天。
Craze 会看完你的素材并剪出成片。如有需要,还有真正的编辑器。
制作人们愿意看的视频
- UGC 视频
- 动态图形
- 故事长片
- 产品可视化
- 微短剧
- 3D 影片
- 音乐视频
- 品牌影片
- 婚礼精彩集锦
- YouTube 测评
OmniHuman 2与其他模型对比
这里的每个模型都可在所有 Craze 套餐(包括 Free)中使用,而且 Craze 可以为每个镜头使用不同的模型。
| OmniHuman 2ByteDance | Seedance 2.5ByteDance Seed Team | Seedance 2.0ByteDance Seed Team | Seedance 2.0 FastByteDance Seed Team | |
|---|---|---|---|---|
| 生成 | 文字 + 音频 + 图片生视频 | 文字 + 图片 + 视频 + 音频生视频 | 文字 + 图片 + 视频 + 音频生视频 | 文字 + 图片 + 视频 + 音频生视频 |
| 质量 | — | 最高 4K | 最高 4K | 最高 720p |
| 时长 | — | 每个片段最长 30 秒 | 每个片段最长 15 秒 | 每个片段最长 15 秒 |
| 声音 | — | 随画面一起生成 | 随画面一起生成 | 随画面一起生成 |
| 起价 | 每秒音频 $0.117 | 每秒视频 $0.120 | 每秒视频 $0.079 | 每秒视频 $0.063 |
Craze 上的 OmniHuman 2规格
| 任务 | 输入 | 分辨率 | 画面比例 | 声音 |
|---|---|---|---|---|
| 照片说话 | 音频、首帧 | 跟随源素材 | 跟随输入 | 无 |
常见问题
创作者选择 OmniHuman 2 的理由
OmniHuman 2 用一张照片和一条音轨生成一整段表演。它不止于嘴唇动作:表情、姿态和手势都会跟随表达,让角色看起来是在演绎台词,而不只是对口型。
一次生成长镜头
OmniHuman 2 最多接受 5 分钟的音频。一段完整的解说、一段播客或一段长独白都能渲染成一个连续的片段,无需拆分音频,事后也不用拼接镜头。
富有表现力的手势和肢体动作
双手随着所说的内容而动,并与身体保持协调。在长篇讲话中,手势会不断变化,而不是重复一个循环。
用提示词控制场景和镜头
可选的提示词可以引导场景、角色的动作和镜头。如果不写提示词,模型就只根据音频来表演。
适用于各种内容类型
照片、AI 生成的渲染图、动画角色和风格化艺术作品都可以作为源图片。
如何在 Craze 中使用 OmniHuman 2
OmniHuman 2 是一个转换模型:提供一张照片和一条音轨,Craze 就会生成动画表演。
- 上传一张清晰的主体照片,每边至少 300 像素。
- 上传或录制 4 秒到 5 分钟的音频。可以是旁白、对白、文字转语音或任何音轨。
- 让 Craze 使用 OmniHuman 2,或者描述你想创建的数字人。如果你没有指定模型,Craze 会列出可用的虚拟形象选项及其价格。
- Craze 生成动画视频,其中的手势、表情和肢体语言都与音频相匹配。
- 在编辑器中检查。如果你想调整表演或尝试不同的音频,就重新生成。
OmniHuman 2 适合主体清晰可见、大致面向镜头的照片。照片不需要很专业;手机照片和艺术渲染图都可以。
OmniHuman 2 价格
OmniHuman 2 按你的音频时长计价,价格为每秒音频 $0.117。30 秒片段的费用是 60 秒片段的一半。价格随音频时长线性增长。在本页计算准确的费用。
照片来源和视频格式不影响价格。只有音频的时长才重要。
OmniHuman 2 与其他虚拟形象模型对比
Kling Avatar 2 Pro 和 Kling Avatar 2 为较短的视频提供更简单的动画。VEED Fabric 1.0 是一个低成本的选择,主要让头部和肩膀动起来。当你需要富有表现力的手势、电影级的质量,或在一个片段中完成长镜头时,OmniHuman 2 表现出色。
OmniHuman 2 适合谁
电影和叙事制作
为短片、网络剧和独立电影创建数字人。富有表现力的手势和由提示词引导的运镜,让角色在场景中真正有存在感,而不只是一张会动的脸。
商业和广告
用细腻的表演让品牌吉祥物或代言人角色动起来。手势和表情能带来静态虚拟形象无法实现的吸引力。
播客和访谈视频制作
播客主和音频创作者可以一次生成就把一整段内容变成视频。每个片段 5 分钟的音频足以覆盖大多数段落,无需剪切。
大规模的教育和培训
为在线课程创建讲师虚拟形象。完整的一节课程内容可以渲染成一个镜头,手势让视频看起来更吸引人。
互动和沉浸式体验
游戏开发者和 XR 创作者可以用 OmniHuman 2 生成 NPC 表演,或带有自然对白和手势的互动角色。
为表演者提供便捷的表演方式
演员、音乐人和表演者无需摄像机或多次拍摄,就能用音频制作视频内容。一段出色的音频表演就能变成带有细腻手势和表情的视频。



















