Mixer AI
OmniHuman 2.0
Говорящий аватар из одного фото и вашей аудиозаписи: видео 720p длиной с аудио.
Для какой задачи выбрать
OmniHuman 2.0 оживляет одно фото персонажа: он говорит и двигается под загруженную дорожку. Нужны ровно одно фото и один аудиофайл, описание сцены необязательно. Разрешение и длительность не выбираются: результат всегда 720p и по длине равен аудио, а оплачивается каждая секунда аудио.
- Один файл голоса вместо описания реплик: слова задаёт ваша запись.
- Видео по длине равно аудио, от 4 секунд до 5 минут.
- Необязательное описание сцены, движения и камеры до 300 символов.
Режимы и настройки
- Одно фото (до 30 МБ, каждая сторона от 300 до 6000 пикселей, отношение сторон от 0,4 до 2,5) и один аудиофайл MP3 или WAV до 15 МБ.
- Аудио от 4 секунд до 5 минут. На сайте и в Canvas другие форматы перекодируются в MP3, в Telegram принимаются только MP3 и WAV.
- Результат 720p; формат кадра определяет фото, длительность — аудио.
Цена в монетах
| Качество / размер | Что на входе | Монет / секунду |
|---|---|---|
| 720p | Портрет + аудио | — |
Оплата за каждую секунду, а не за ролик фиксированной длины. Тариф умножается на оплачиваемую длительность; итог округляется вверх до целой монеты один раз за весь запрос.
Длительность определяется загруженной аудиодорожкой: оплачивается каждая секунда аудио. Фото и описание сцены секунд не добавляют.
≈ — дробный тариф показан с округлением до сотых; расчёт использует полную точность.
Цена в долларах считается по текущему курсу монеты.
Что можно сделать
- Ведущий для обучающего или рекламного ролика по готовой озвучке.
- Персонаж, который исполняет реплику или куплет под загруженную дорожку.
Как поставить задачу
- Описывайте сцену, действие и камеру одной-двумя короткими фразами и не повторяйте текст озвучки.
- Берите фото с чётко видимым лицом и корпусом, без сильных искажений и перекрытий.
Пример: преподаватель читает урок
Фото: портрет преподавателя по пояс, лицо хорошо освещено. Аудио: двухминутная запись урока без музыки. Описание: спокойный свет, средний план, лёгкие жесты, камера почти статична.
Что учитывать
- Принимается ровно одно фото и один аудиофайл; аудио короче 4 секунд или длиннее 5 минут отклоняется до списания.
- Разрешение, формат кадра и длительность выбрать нельзя; длинная дорожка стоит пропорционально дороже.
Источники
Гайды и сравнения с этой моделью
Частые вопросы
Что нужно загрузить?
Одно фото персонажа и один аудиофайл MP3 или WAV. Описание сцены необязательно.
Какой длины может быть ролик?
Столько, сколько аудио: от 4 секунд до 5 минут.
Можно ли выбрать разрешение или формат кадра?
Нет. Результат всегда 720p, а формат кадра задаёт фото.
Как считается цена?
За каждую секунду загруженного аудио по тарифу из таблицы. Фото и описание не добавляют секунд.
Подойдёт ли голосовое сообщение из Telegram?
В Telegram принимаются только MP3 и WAV. На сайте и в Canvas другие форматы перекодируются в MP3 автоматически.
Какое фото выбрать?
С чётко видимым лицом и корпусом, без сильных перекрытий; каждая сторона от 300 до 6000 пикселей.
От чего зависит стоимость?
Тариф в монетах за секунду зависит от качества, режима и, у некоторых моделей, звука. Он умножается на оплачиваемую длительность. Когда учитывается входное видео, его длительность тоже входит в расчёт. Итог округляется один раз за весь запрос.
Нужна отдельная подписка на модель?
Нет. В Mixer AI используется общий баланс в монетах: пополняете его и оплачиваете нужные задачи. Отдельная подписка на эту модель не требуется.