Reeldo AIReeldo AI

OmniHuman 2.0 生成器

OmniHuman 2.0 AI 对口型数字人生成器

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。

  • 对口型最长约 5 分钟
  • 720p 对口型数字人
  • 说话与唱歌

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。

工作原理

你提供演出音频;Reeldo 负责对口型、表情与动作。

  1. 01

    上传清晰人像

    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。

  2. 02

    添加 MP3 或 WAV

    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。

  3. 03

    可选方向提示

    简短说明即可,如「沉稳主播感」「小幅手势」。最多 300 字。

  4. 04

    生成并下载

    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。

  • OmniHuman 2.0 是 AI 对口型数字人模型:一张人像 + 一段演出音频 → 720p 对口型视频,表情与肢体随声而动。
  • 已有旁白或人声的创作者,需要虚拟主播、UGC 代言人、唱歌数字人或角色表演——无需实拍。
  • 多参考场景重建、动作迁移或 @ 标签工作流请用 Reference Studio。要先有 MP3?请走 AI 配音。

生成旁白(AI 配音)返回生成器

AI 对口型数字人应用场景

仍是两个输入——人像加音频。按你的痛点选对用途即可。

  • 笔记本上虚拟主播对口型数字人

    01

    虚拟主播对口型讲解

    需要出镜讲解,却不想约拍摄,也不想每次改稿都重拍。

    效果

    证件照 + 旁白 → 课程开场、更新说明与欢迎视频,720p 直出。

  • AI 唱歌数字人演出预览

    02

    AI 唱歌数字人

    想让角色真唱一段,而不是对着节拍点头。

    效果

    上传演唱音轨;人像按节奏对口型并随乐律动。

  • 手机画幅 UGC 代言人说话视频

    03

    UGC 代言人广告

    要大量代言人式吸睛话术,却不想每周换真人。

    效果

    同一张过审照片 + 新录人声,批量产出短广告口播。

  • 插画角色对口型数字人

    04

    照片变会说话的角色

    吉祥物或 OC 只有静图,需要演台词或歌曲。

    效果

    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

每次生成你能得到什么

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

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。

音频时长

4s
5 分钟

单次最长 300 秒 · 按秒计费

02

单次最长约五分钟,一镜到底

成片时长跟音轨走——单次 4 至 300 秒。

了解更多

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。

数字人动作方向提示控制

03

可选方向提示

最多 300 字,设定情绪、手势或镜头感。

了解更多

用最多 300 字引导情绪、手势或镜头氛围——与音频并行生效。

OmniHuman 2.0 对比 1.5

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 2.0OmniHuman 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。

积分与时长

按音频时长计费(向上取整),约每秒 5 积分。

  • 10s

    10 秒小样 ≈ 50 积分

  • 60s

    一分钟口播 ≈ 300 积分

  • 5 min

    满五分钟一段 ≈ 1500 积分

下载之后

  • 裁掉尾部静音并加 B-roll
  • 只改稿就重新生成音频
  • 要新镜头?用图生视频做 B-roll
  • 交付需要更高像素时对成片超分

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。

OmniHuman 2.0 常见问题

时长、积分、人像、水印,以及 2.0 与 1.5、Reference Studio 的区别。

什么是 OmniHuman 2.0?

Reeldo 如何运行 OmniHuman 2.0?

OmniHuman 2.0 与 1.5 怎么选?

视频最长可以多长?

输出什么分辨率?

本页能生成语音吗?

积分怎么算?

MP4 带水印吗?

什么样的照片效果最好?

能用唱歌人声吗?

支持多人吗?

方向提示写什么?

方向提示支持哪些语言?

OmniHuman 2.0 与 Reference Studio 区别?

为什么文件比音频长?

能用于广告吗?

为什么有授权勾选?

生成失败怎么办?

这是 ByteDance 官网吗?