01
口型紧跟你的音频
嘴、眼神与肩部随讲话或歌声起伏。
了解更多
嘴、眼神与肩部贴合语音或歌曲——适合讲解、吸睛开头与人声演绎。
你已有面孔与音轨——一键合成 720p 对口型视频,表情生动、全身有戏,单次最长约五分钟。
步骤 1
人像照片
面部清晰、眼口可见;中性表情为佳。JPEG / PNG / WebP,单张最大 30 MB。
步骤 2
表演音频
MP3 或 WAV,4 秒至 5 分钟。剪掉首尾静音可省积分。
建议:长音频前先用 10 秒小样试人像效果。 先制作旁白
约 20 积分
脚本 → AI 配音或麦克风录音 → OmniHuman 2.0 → 裁尾 → 发布或超分。
OmniHuman 2.0 为 ByteDance 研究模型,由 Reeldo 提供接入。Reeldo 与 ByteDance 无隶属关系。
你提供演出音频;Reeldo 负责对口型、表情与动作。
单人脸、正面、中性表情最稳。构图即成片构图——竖图出竖屏,横图出横屏。
讲话、歌曲或对白均可,4 至 300 秒。剪掉首尾长静音,避免为空白时长买单。
简短说明即可,如「沉稳主播感」「小幅手势」。最多 300 字。
运行前显示积分。预览后下载 MP4,在剪辑软件里可再裁掉尾部静音。
仍是两个输入——人像加音频。按你的痛点选对用途即可。
01
需要出镜讲解,却不想约拍摄,也不想每次改稿都重拍。
证件照 + 旁白 → 课程开场、更新说明与欢迎视频,720p 直出。

02
想让角色真唱一段,而不是对着节拍点头。
上传演唱音轨;人像按节奏对口型并随乐律动。

03
要大量代言人式吸睛话术,却不想每周换真人。
同一张过审照片 + 新录人声,批量产出短广告口播。

04
吉祥物或 OC 只有静图,需要演台词或歌曲。
插画、同人图或品牌角色,配一段演出音频即可动起来。
照片 + 音频
每次固定三项产出——对口型视频、时长随音频、以及可选方向控制。
01
嘴、眼神与肩部随讲话或歌声起伏。
嘴、眼神与肩部贴合语音或歌曲——适合讲解、吸睛开头与人声演绎。
音频时长
单次最长 300 秒 · 按秒计费
02
成片时长跟音轨走——单次 4 至 300 秒。
一张人像扛完整段旁白。极长稿件若动作发软,可拆成多段再剪辑拼接。

03
最多 300 字,设定情绪、手势或镜头感。
用最多 300 字引导情绪、手势或镜头氛围——与音频并行生效。
本页仅运行 2.0。教程或搜索结果仍提 1.5 时,可参考下表。
| 维度 | OmniHuman 2.0 | OmniHuman 1.5 |
|---|---|---|
| 在 Reeldo | 支持——本页顶部生成器 | 目前 Reeldo 未提供 |
| 常见最长时长 | 单段音频最长 300 秒(约 5 分钟) | 单次任务常限制在约 60 秒内 |
| 输出分辨率 | 720p MP4 | 视服务商而定,720p 或 1080p |
| 方向提示词 | 可选——最多 300 字 | 标准 1.5 对口型路线通常不支持 |
| 更适合 | 长旁白、课程、完整人声演唱 | 短广告、钩子、1080p 社交切片 |
只要 15–30 秒 1080p 钩子?1.5 可能更合适——在 Reeldo 上可先用 2.0 做 10 秒小样验证人像效果。
效果不对时,一次只改一个变量——通常是照片、音频或时长。
成片略长于音频
在剪映或 Premiere 末尾裁掉约半秒——对口型模型常见现象。
背景闪烁、发飘
换纯色墙或背景虚化后重新上传。
长镜头动作发软
拆成两段各不超三分钟的音频,分别生成再剪辑拼接。
嘴型发虚、对不准
人声尽量干声、少伴奏;重新导出干净 MP3。
时长、积分、人像、水印,以及 2.0 与 1.5、Reference Studio 的区别。