Mixer AI
OmniHuman 2.0
Um avatar falante a partir de uma foto e da sua gravação de áudio: vídeo 720p com a duração do áudio.
Quando escolher
O OmniHuman 2.0 dá vida à foto de um personagem: ele fala e se move conforme a faixa que você envia. São necessários exatamente uma foto e um arquivo de áudio; a descrição da cena é opcional. Resolução e duração não são escolhidas: o resultado é sempre 720p e dura o mesmo que o áudio, e cada segundo de áudio é cobrado.
- Um arquivo de voz em vez de falas escritas: sua gravação define as palavras.
- O vídeo dura o mesmo que o áudio, de 4 segundos a 5 minutos.
- Descrição opcional da cena, do movimento e da câmera de até 300 caracteres.
Modos e configurações
- Uma foto (até 30 MB, cada lado de 300 a 6000 pixels, proporção de 0,4 a 2,5) e um arquivo de áudio MP3 ou WAV de até 15 MB.
- Áudio de 4 segundos a 5 minutos. No site e no Canvas outros formatos são convertidos para MP3; o Telegram aceita só MP3 e WAV.
- O resultado é 720p; a foto define o formato do quadro e o áudio, a duração.
Preço em moedas
| Qualidade / tamanho | Entrada | Moedas / segundo |
|---|---|---|
| 720p | Retrato + áudio | — |
A cobrança é por segundo, não por clipe de duração fixa. A tarifa é multiplicada pela duração cobrada; o total do pedido é arredondado para cima uma única vez, até a próxima moeda inteira.
A duração segue o áudio enviado: cada segundo de áudio é cobrado. A foto e a descrição da cena não acrescentam segundos.
≈ indica uma tarifa arredondada para duas casas na exibição; o cálculo usa a precisão completa.
O preço em dólares segue a taxa atual da moeda.
O que você pode criar
- Um apresentador para um vídeo de treinamento ou anúncio com narração já gravada.
- Um personagem que diz uma fala ou canta um verso sobre uma faixa enviada.
Como orientar o resultado
- Descreva a cena, a ação e a câmera em uma ou duas frases curtas e não repita o texto da narração.
- Escolha uma foto com rosto e tronco bem visíveis, sem distorções nem coisas tapando.
Exemplo: uma professora dá uma aula
Foto: retrato de uma professora da cintura para cima, com o rosto bem iluminado. Áudio: gravação de uma aula de dois minutos sem música. Descrição: luz calma, plano médio, gestos suaves, câmera quase estática.
O que levar em conta
- São aceitos exatamente uma foto e um áudio; áudio com menos de 4 segundos ou mais de 5 minutos é recusado antes da cobrança.
- Não dá para escolher resolução, formato nem duração; uma faixa longa custa proporcionalmente mais.
Fontes
Guias e comparações com este modelo
Perguntas frequentes
O que preciso enviar?
Uma foto do personagem e um arquivo de áudio MP3 ou WAV. A descrição da cena é opcional.
Qual pode ser a duração do vídeo?
A mesma do áudio: de 4 segundos a 5 minutos.
Posso escolher a resolução ou o formato?
Não. O resultado é sempre 720p e a foto define o formato.
Como o preço é calculado?
Por segundo de áudio enviado, pela tarifa da tabela. A foto e a descrição não acrescentam segundos.
Um áudio de voz do Telegram serve?
O Telegram aceita só MP3 e WAV. No site e no Canvas outros formatos são convertidos para MP3 automaticamente.
Qual foto escolher?
Uma com rosto e tronco bem visíveis e sem obstruções; cada lado de 300 a 6000 pixels.
O que muda o preço?
A tarifa por segundo depende da qualidade, do modo e, em alguns modelos, do som. Ela é multiplicada pela duração cobrada. Quando o vídeo de entrada é cobrado, sua duração também conta. O total é arredondado uma única vez.
Preciso de uma assinatura do modelo?
Não. No Mixer AI, você recarrega um saldo em moedas e usa esse saldo nas tarefas que precisar. Não é necessário assinar este modelo separadamente.