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

Os preços desta página são em tempo real: os valores atuais vêm de https://mixerai.org/api/knowledge/prices?lang=pt. Um traço significa que o valor não foi carregado.

[Mixer AI](https://mixerai.org/pt/) › [Base de conhecimento](https://mixerai.org/pt/knowledge/) › [Vídeo](https://mixerai.org/pt/knowledge/video/) › OmniHuman 2.0

# OmniHuman 2.0

Um avatar falante a partir de uma foto e da sua gravação de áudio: vídeo 720p com a duração do áudio.

[Testar OmniHuman 2.0 no Mixer AI](https://mixerai.org/pt/#/canvas?dl=kb_omnihuman-2-0)

## 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

```text
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

- [Preços e disponibilidade — catálogo Mixer AI](https://mixerai.org/knowledge/catalog.json)

## Guias e comparações com este modelo

[Kling AI Avatar v2 vs OmniHuman 2.0: especificações e preço→](https://mixerai.org/pt/knowledge/compare/kling-avatar-v2-vs-omnihuman-2-0/)
[Kling AI Avatar vs OmniHuman 2.0: especificações e preço→](https://mixerai.org/pt/knowledge/compare/kling-avatar-vs-omnihuman-2-0/)
[Kling 3.0 Motion Control vs OmniHuman 2.0: especificações e preço→](https://mixerai.org/pt/knowledge/compare/kling-3-0-motion-vs-omnihuman-2-0/)
[Kling 2.6 Motion Control vs OmniHuman 2.0: especificações e preço→](https://mixerai.org/pt/knowledge/compare/kling-2-6-motion-vs-omnihuman-2-0/)

## 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.

[Testar OmniHuman 2.0 no Mixer AI](https://mixerai.org/pt/#/canvas?dl=kb_omnihuman-2-0)