Mixer AI
OmniHuman 2.0
Un avatar parlante a partir de una foto y tu grabación de audio: vídeo 720p con la duración del audio.
Cuándo elegirlo
OmniHuman 2.0 da vida a la foto de un personaje: habla y se mueve al ritmo de la pista que subes. Necesitas exactamente una foto y un archivo de audio; la descripción de la escena es opcional. La resolución y la duración no se eligen: el resultado es siempre 720p y dura lo que el audio, y se cobra cada segundo de audio.
- Un archivo de voz en lugar de frases escritas: tu grabación marca las palabras.
- El vídeo dura lo que el audio, de 4 segundos a 5 minutos.
- Descripción opcional de la escena, el movimiento y la cámara de hasta 300 caracteres.
Modos y ajustes
- Una foto (hasta 30 MB, cada lado de 300 a 6000 píxeles, relación de aspecto de 0,4 a 2,5) y un archivo de audio MP3 o WAV de hasta 15 MB.
- Audio de 4 segundos a 5 minutos. En el sitio y en Canvas otros formatos se convierten a MP3; Telegram acepta solo MP3 y WAV.
- El resultado es 720p; la foto marca el formato y el audio, la duración.
Precio en monedas
| Calidad / tamaño | Entrada | Monedas / segundo |
|---|---|---|
| 720p | Retrato + audio | — |
El cobro es por segundo, no por un clip de duración fija. La tarifa se multiplica por la duración facturable; el total de la solicitud se redondea hacia arriba a una moneda entera una sola vez.
La duración sigue al audio subido: se cobra cada segundo de audio. La foto y la descripción de la escena no añaden segundos.
≈ indica una tarifa redondeada a dos decimales para mostrarla; el cálculo usa la precisión completa.
El precio en dólares sigue el tipo de cambio actual de la moneda.
Qué puedes crear
- Un presentador para un vídeo formativo o publicitario con una locución ya grabada.
- Un personaje que dice una frase o canta un verso sobre una pista subida.
Cómo pedir el resultado
- Describe la escena, la acción y la cámara en una o dos frases cortas y no repitas el texto de la locución.
- Elige una foto con cara y torso bien visibles, sin deformaciones ni cosas que los tapen.
Ejemplo: una profesora da una clase
Foto: retrato de una profesora de cintura para arriba con la cara bien iluminada. Audio: grabación de una clase de dos minutos sin música. Descripción: luz tranquila, plano medio, gestos suaves, cámara casi estática.
Qué tener en cuenta
- Se aceptan exactamente una foto y un audio; un audio de menos de 4 segundos o más de 5 minutos se rechaza antes del cobro.
- No se puede elegir resolución, formato ni duración; una pista larga cuesta proporcionalmente más.
Fuentes
Guías y comparaciones con este modelo
Preguntas frecuentes
¿Qué debo subir?
Una foto del personaje y un archivo de audio MP3 o WAV. La descripción de la escena es opcional.
¿Cuánto puede durar el vídeo?
Lo que dure el audio: de 4 segundos a 5 minutos.
¿Puedo elegir la resolución o el formato?
No. El resultado es siempre 720p y la foto marca el formato.
¿Cómo se calcula el precio?
Por segundo de audio subido con la tarifa de la tabla. La foto y la descripción no añaden segundos.
¿Sirve un mensaje de voz de Telegram?
Telegram acepta solo MP3 y WAV. En el sitio y en Canvas otros formatos se convierten a MP3 automáticamente.
¿Qué foto elijo?
Una con cara y torso bien visibles y sin obstáculos; cada lado de 300 a 6000 píxeles.
¿De qué depende el precio?
La tarifa por segundo depende de la calidad, el modo y, en algunos modelos, el sonido. Se multiplica por la duración facturable. Cuando se cobra el video de entrada, su duración también cuenta. El total se redondea una sola vez.
¿Necesito una suscripción al modelo?
No. En Mixer AI recargas un saldo en monedas y lo usas para las tareas que necesites. No hace falta contratar una suscripción aparte para este modelo.