ਸਮੱਗਰੀ ਵੱਲ ਜਾਓ

Bytedance Omnihuman V2

ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ

ਮਾਡਲ id bytedance/omnihuman/v2
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/bytedance/omnihuman/v2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

ਉਦਾਹਰਨ ਵਰਗੀਆਂ ਫ਼ਾਈਲਾਂ: $1.05 1,050 API ਕ੍ਰੈਡਿਟ ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ ਚਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਮਾਪੀਆਂ ਜਾਂਦੀਆਂ ਹਨ ਇਸ ਪੰਨੇ ’ਤੇ ਚਲਾਓ

API ਕੁੰਜੀ ਲਵੋ
ByteDance ਲਿਪਸਿੰਕ ਅਤੇ ਅਵਤਾਰ ਲਿਪਸਿੰਕ #image-to-video#lipsync

OmniHuman 2 4 ਤੋਂ 300 ਸਕਿੰਟ ਤੱਕ ਦੀ ਲੰਬੀ ਆਡੀਓ ਸੰਭਾਲਦਾ ਹੈ, ਅਤੇ ਵਿਕਲਪਿਕ ਬਹੁਭਾਸ਼ੀ ਦ੍ਰਿਸ਼ ਪ੍ਰੌਮਪਟ ਦਿੰਦਾ ਹੈ

ByteDance · ਵੀਡੀਓ

ਤੁਹਾਡਾ ਪਹਿਲਾ ਨਤੀਜਾ ਇੱਥੇ ਹੋਵੇਗਾ

ਹੇਠਾਂ ਬੇਨਤੀ ਬਣਾਓ ਅਤੇ ਆਪਣੀ API ਕੁੰਜੀ ਨਾਲ ਚਲਾਓ। ਆਉਟਪੁੱਟ ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਕਾਪੀ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਹਮੇਸ਼ਾ ਲਈ ਜਾਂ ਮੁਫ਼ਤ ਵਿੱਚ 7 ਦਿਨ ਤੱਕ ਰੱਖੇ ਜਾਂਦੇ ਹਨ।

ਰਿਕਵੈਸਟ ਬਣਾਓ

ਕੰਟਰੋਲ ਮਾਡਲ ਸਕੀਮਾ ਤੋਂ ਤਿਆਰ ਹੁੰਦੇ ਹਨ। ਤੁਸੀਂ ਬਦਲਾਅ ਕਰਦੇ ਹੀ ਕੋਡ ਅਤੇ ਕੀਮਤ ਅੱਪਡੇਟ ਹੋ ਜਾਂਦੇ ਹਨ।

ਕਿਸੇ ਵੀ ਸਮਰਥਿਤ ਭਾਸ਼ਾ ਵਿੱਚ ਲਿਖੇ ਵਿਕਲਪਿਕ ਪਾਠ ਪ੍ਰੌਂਪਟ ਰਾਹੀਂ ਦ੍ਰਿਸ਼, ਹਿਲਜੁਲ ਅਤੇ ਕੈਮਰਾ ਨਿਯੰਤਰਣ: Indonesian, Spanish (Mexican), Korean, Japanese, English ਜਾਂ Chinese।

•ਲੋੜੀਂਦਾ image_url
ਫ਼ਾਈਲ ਛੱਡੋ, ਜਾਂ

ਉਸ ਚਿੱਤਰ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਨ ਵਾਲਾ URL ਜਿਸ ਤੋਂ ਵੀਡੀਓ ਸਿਰਜੀ ਜਾਂਦੀ ਹੈ। ਚਿੱਤਰ ਦੇ ਦੋਵੇਂ ਮਾਪ 300–6000 ਪਿਕਸਲ ਦੇ ਵਿਚਕਾਰ ਅਤੇ ਚੌੜਾਈ/ਉਚਾਈ ਅਨੁਪਾਤ 0.4–2.5 ਦੇ ਵਿਚਕਾਰ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਫ਼ਾਈਲਾਂ 30 MB ਤੱਕ ਸੀਮਿਤ ਹਨ ਅਤੇ jpeg, png, webp, bmp, tiff, gif, heic ਜਾਂ heif ਫਾਰਮੈਟ ਵਿੱਚ ਹੋਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ।

•ਲੋੜੀਂਦਾ audio_url
ਫ਼ਾਈਲ ਛੱਡੋ, ਜਾਂ

4–300 ਸਕਿੰਟ ਲੰਬੀ ਫ਼ਾਈਲ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਨ ਵਾਲੇ URL ਰਾਹੀਂ ਵੀਡੀਓ ਦਾ ਸਰੋਤ ਆਡੀਓ ਦਿਓ। ਫ਼ਾਈਲ wav ਜਾਂ mp3 ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ ਅਤੇ 15 MB ਤੋਂ ਵੱਧ ਨਹੀਂ ਹੋਣੀ ਚਾਹੀਦੀ।

POST /run/bytedance/omnihuman/v2?wait=20 ਕੋਟ → $1.05
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/bytedance/omnihuman/v2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

ਇਹ ਬੇਨਤੀ ਚਲਾਓ

ਤੁਹਾਡੀ key ਇਸ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਰਹਿੰਦੀ ਹੈ: ਇਹ ਸਿਰਫ਼ Doitong API ਨੂੰ ਭੇਜੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਸਿਰਫ਼ ਤਾਂ ਹੀ (localStorage) ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਹੁੰਦੀ ਹੈ ਜੇ ਤੁਸੀਂ Remember ਚੁਣੋ। API ਕੁੰਜੀ ਪ੍ਰਾਪਤ ਕਰੋ

Bytedance Omnihuman V2 ਬਾਰੇ

ਵਿਅਕਤੀ ਦੇ ਚਿੱਤਰ ਅਤੇ ਆਡੀਓ ਫਾਈਲ ਨੂੰ ਬੋਲਦੀ ਵੀਡੀਓ ਵਿੱਚ ਬਦਲਦਾ ਹੈ। ਆਡੀਓ wav ਜਾਂ mp3, ਵੱਧ ਤੋਂ ਵੱਧ 15 MB, ਅਤੇ 4 ਤੋਂ 300 ਸਕਿੰਟ ਦੇ ਵਿਚਕਾਰ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। ਚਿੱਤਰ ਵੱਧ ਤੋਂ ਵੱਧ 30 MB ਅਤੇ ਇਸਦੇ ਪਾਸੇ 300 ਤੋਂ 6000 ਪਿਕਸਲ ਦੇ ਹੋ ਸਕਦੇ ਹਨ। ਵਿਕਲਪਿਕ `prompt` ਕਈ ਸਮਰਥਿਤ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਦ੍ਰਿਸ਼, ਹਿਲਜੁਲ ਅਤੇ ਕੈਮਰੇ ਨੂੰ ਨਿਰਦੇਸ਼ਿਤ ਕਰਦਾ ਹੈ।

ਪੈਰਾਮੀਟਰ

ਕੈਨੋਨਿਕਲ ਨਾਮ ਜਾਂ ਨੇਟਿਵ ਨਾਮ ਵਿੱਚੋਂ ਕੋਈ ਇੱਕ ਭੇਜੋ, ਦੋਵੇਂ ਨਹੀਂ। ਕੈਨੋਨਿਕਲ ਨਾਮ

ਨਾਮਕਿਸਮ ਡਿਫ਼ਾਲਟਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵੇਰਵਾ
promptਵਿਕਲਪਿਕ
ਕਿਸਮstring | null
ਕਿਸੇ ਵੀ ਸਮਰਥਿਤ ਭਾਸ਼ਾ ਵਿੱਚ ਲਿਖੇ ਵਿਕਲਪਿਕ ਪਾਠ ਪ੍ਰੌਂਪਟ ਰਾਹੀਂ ਦ੍ਰਿਸ਼, ਹਿਲਜੁਲ ਅਤੇ ਕੈਮਰਾ ਨਿਯੰਤਰਣ: Indonesian, Spanish (Mexican), Korean, Japanese, English ਜਾਂ Chinese।
image_urlਲੋੜੀਂਦਾ image
ਕਿਸਮurl · image
ਉਸ ਚਿੱਤਰ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਨ ਵਾਲਾ URL ਜਿਸ ਤੋਂ ਵੀਡੀਓ ਸਿਰਜੀ ਜਾਂਦੀ ਹੈ। ਚਿੱਤਰ ਦੇ ਦੋਵੇਂ ਮਾਪ 300–6000 ਪਿਕਸਲ ਦੇ ਵਿਚਕਾਰ ਅਤੇ ਚੌੜਾਈ/ਉਚਾਈ ਅਨੁਪਾਤ 0.4–2.5 ਦੇ ਵਿਚਕਾਰ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਫ਼ਾਈਲਾਂ 30 MB ਤੱਕ ਸੀਮਿਤ ਹਨ ਅਤੇ jpeg, png, webp, bmp, tiff, gif, heic ਜਾਂ heif ਫਾਰਮੈਟ ਵਿੱਚ ਹੋਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ।
audio_urlਲੋੜੀਂਦਾ audio
ਕਿਸਮurl · audio
4–300 ਸਕਿੰਟ ਲੰਬੀ ਫ਼ਾਈਲ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਨ ਵਾਲੇ URL ਰਾਹੀਂ ਵੀਡੀਓ ਦਾ ਸਰੋਤ ਆਡੀਓ ਦਿਓ। ਫ਼ਾਈਲ wav ਜਾਂ mp3 ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ ਅਤੇ 15 MB ਤੋਂ ਵੱਧ ਨਹੀਂ ਹੋਣੀ ਚਾਹੀਦੀ।
ਲੋੜੀਂਦਾ ਕੈਨੋਨਿਕਲ ਨਾਮ, ਇਹ ਵੀ ਸਵੀਕਾਰਿਆ ਜਾਂਦਾ ਹੈ

ਫ਼ਾਈਲ ਪੈਰਾਮੀਟਰ ਜਨਤਕ https:// URL, 10 MB ਤੱਕ ਦਾ data: URI, ਜਾਂ ਅੱਪਲੋਡ ਦੇ file_url ਨੂੰ ਸਵੀਕਾਰਦੇ ਹਨ। ਫ਼ਾਈਲਾਂ

ਆਉਟਪੁੱਟ

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "bytedance/omnihuman/v2",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 1050,
    "usd": "1.05",
    "charged": 1050,
    "refunded": 0
  },
  "input": {
    "image_url": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_name": "0-output.mp4",
      "file_size": 1843200
    },
    "duration": 5
  },
  "outputs": [
    {
      "type": "video",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_size": 1843200,
      "width": 1280,
      "height": 720,
      "duration": 5,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ, ਤੁਹਾਡੀ ਚੋਣਹਰ outputs[].url ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਇੱਕ ਕਾਪੀ ਹੈ: ਹਮੇਸ਼ਾ ਲਈ ਰੱਖੀ ਜਾਂਦੀ ਹੈ (ਪ੍ਰਤੀ GB-ਮਹੀਨਾ ਭੁਗਤਾਨ) ਜਾਂ 7 ਦਿਨ ਤੱਕ ਮੁਫ਼ਤ, ਤੁਹਾਡੀ ਖਾਤਾ ਸੈਟਿੰਗ ਜਾਂ ?storage= ਅਨੁਸਾਰ।
ਹਰ ਮਾਡਲ ’ਤੇ ਇੱਕੋ ਜਿਹਾ ਰੂਪਤਸਵੀਰਾਂ, ਵੀਡੀਓ ਅਤੇ ਆਡੀਓ ਸਭ ਲਈ type, url, content_type, width, height ਅਤੇ duration। output ਮਾਡਲ ਦਾ ਆਪਣਾ ਨਤੀਜਾ ਆਬਜੈਕਟ ਹੈ।
ਆਉਟਪੁੱਟ ਦੇ ਫ਼ੀਲਡ
video
object {url, content_type, file_name, file_size}ਨਤੀਜੇ ਵਜੋਂ ਮਿਲੀ ਵੀਡੀਓ ਫ਼ਾਈਲ।
duration
number

ਹੋਰ ਮਾਡਲ: ਲਿਪਸਿੰਕ ਅਤੇ ਅਵਤਾਰ

AI ਏਜੰਟਾਂ ਲਈ: ਇਹ ਪੰਨਾ Markdown ਵਜੋਂ ਇੱਥੇ ਹੈ https://doitong.com/pa/developers/models/bytedance/omnihuman/v2.md. ਸਾਰੇ ਮਾਡਲ ਅਤੇ ਗਾਈਡ: https://doitong.com/developers/llms.txt