Canonical page: https://mixerai.org/knowledge/video/omnihuman-2-0/

Цены на странице живые: актуальные значения берутся из https://mixerai.org/api/knowledge/prices?lang=ru. Знак «—» значит, что значение не загрузилось.

[Mixer AI](https://mixerai.org/) › [База знаний](https://mixerai.org/knowledge/) › [Видео](https://mixerai.org/knowledge/video/) › OmniHuman 2.0

# OmniHuman 2.0

Говорящий аватар из одного фото и вашей аудиозаписи: видео 720p длиной с аудио.

[Запустить OmniHuman 2.0 в Mixer AI](https://mixerai.org/#/canvas?dl=kb_omnihuman-2-0)

## 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

```text
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

- [Цены и доступность — каталог Mixer AI](https://mixerai.org/knowledge/catalog.json)

## Гайды и сравнения с этой моделью

[Kling AI Avatar v2 или OmniHuman 2.0: сравнение, что выбрать→](https://mixerai.org/knowledge/compare/kling-avatar-v2-vs-omnihuman-2-0/)
[Kling AI Avatar или OmniHuman 2.0: сравнение, что выбрать→](https://mixerai.org/knowledge/compare/kling-avatar-vs-omnihuman-2-0/)
[Kling 3.0 Motion Control или OmniHuman 2.0: сравнение, что выбрать→](https://mixerai.org/knowledge/compare/kling-3-0-motion-vs-omnihuman-2-0/)
[Kling 2.6 Motion Control или OmniHuman 2.0: сравнение, что выбрать→](https://mixerai.org/knowledge/compare/kling-2-6-motion-vs-omnihuman-2-0/)

## 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.

[Запустить OmniHuman 2.0 в Mixer AI](https://mixerai.org/#/canvas?dl=kb_omnihuman-2-0)