文档中心

智能视觉服务

OmniHuman

产品介绍

1. 产品介绍

1.1 产品名称

OmniHuman

1.2 产品介绍

根据用户上传的单张图片+音频，生成该图片对应的视频效果。OmniHuman数字人模型支持输入任意画幅包含人物的图片，结合音频，生成生动高质量的视频结果。人物的情绪、动态与音频具有强关联性。同时模型对动漫、卡通等形象等有一定的泛化性，可广泛应用于内容表达、唱歌和演绎等场景。

1.3 效果显示

原图	驱动效果
	Replay Play 00:00 / 00:14 Live 00:00 Fullscreen Cssfullscreen 1x 2x 1.5x 1x 0.75x 0.5x Click and hold to drag
	Replay Play 00:00 / 00:00 Live 00:00 Fullscreen Cssfullscreen 1x 2x 1.5x 1x 0.75x 0.5x Click and hold to drag

2. 入参与出参说明

入参	图片+音频	图片格式：JPG(JPEG), PNG, JFIF 等常见格式, 建议使用JPG格式图片要求：小于5 MB，小于4096*4096。输入图：建议做前置检测，输入图中为单人、人脸占比大、正面效果较好，其他类型图片效果不佳音频时长建议小于15秒以保障生成效果，音频过长可能有效果裂化问题。
出参	图片驱动后的视频	输出视频格式为mp4 RTF30，如遇服务堆积可能会增加耗时

3. 服务开通与计费规则

3.1 服务开通

您需要使用火山账号登录控制台，在视觉内容生成页面开通「视频生成」能力，服务开通后可通过接口调用

3.2 计费规则

本服务按生成视频时长计费

单价	并发限额
1 元/秒	1

3.3 欠费关停策略

最近更新时间：2025.09.16 20:00:55

这个页面对您有帮助吗？

有用

无用