Przejdź do treści

Bytedance Omnihuman V1.5

Integracja

Identyfikator modelu bytedance/omnihuman/v1.5
# 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/v1.5?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"

Pliki takie jak przykład: 1,60 $ 1600 kredytów API Twoje pliki są mierzone przed uruchomieniem Uruchom na tej stronie

Uzyskaj klucz API
ByteDance Synchronizacja ruchu ust i awatary Synchronizacja ruchu ustdo 1080p #image-to-video#lipsync

OmniHuman 1.5 dodaje tekstowy prompt, maskę mówcy, tryb turbo oraz wybór 720p lub 1080p

ByteDance · Wideo

Tutaj pojawi się pierwszy wynik

Zbuduj poniżej żądanie i uruchom je za pomocą klucza API. Wyniki są kopiowane do naszej przestrzeni dyskowej i przechowywane bezterminowo lub 7 dni bezpłatnie.

Zbuduj żądanie

Elementy sterujące są generowane ze schematu modelu. Kod i cena aktualizują się podczas ich zmiany.

Prompt tekstowy kierujący generowaniem wideo.

•wymagane image_url
Upuść plik lub

URL obrazu będącego źródłem generowania wideo.

•wymagane audio_url
Upuść plik lub

URL źródła audio do generowania wideo z limitem czasu zależnym od rozdzielczości: poniżej 60 sekund dla 720p lub poniżej 30 sekund dla 1080p.

resolution domyślnie 1080p

Rozdzielczość wynikowego wideo: 720p zapewnia szybsze generowanie i wyższą jakość z audio trwającym do 60 sekund, natomiast 1080p pozwala na audio trwające do 30 sekund. Domyślna wartość to 1080p.

Zaawansowane mask · turbo_mode
mask_url
Upuść plik lub

URL maski wskazującej mówiącą osobę za pomocą białego obszaru; po zastosowaniu maski do obrazu mówi tylko ta osoba.

POST /run/bytedance/omnihuman/v1.5?wait=20 wycena → 1,60 $
# 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/v1.5?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"

Uruchom to żądanie

Klucz pozostaje w tej przeglądarce: jest wysyłany tylko do Doitong API i zapisywany (localStorage) tylko po zaznaczeniu opcji Zapamiętaj. Uzyskaj klucz API

Informacje o Bytedance Omnihuman V1.5

Animuje obraz osoby na podstawie pliku audio. Opcjonalny `prompt` opisuje scenę, a `mask_url` ogranicza mówienie do białego obszaru maski. `turbo_mode` poświęca nieco jakości na rzecz szybkości. `resolution` to 720p lub 1080p; audio może trwać do 60 sekund w 720p i 30 sekund w 1080p.

Parametry

Wyślij nazwę kanoniczną albo natywną, nie obie. Nazwy kanoniczne

NazwaTyp DomyślneDozwolone Opis
promptopcjonalne
Typstring | null
Prompt tekstowy kierujący generowaniem wideo.
image_urlwymagane image
Typurl · image
URL obrazu będącego źródłem generowania wideo.
mask_urlopcjonalne mask
Typurl · image
URL maski wskazującej mówiącą osobę za pomocą białego obszaru; po zastosowaniu maski do obrazu mówi tylko ta osoba.
audio_urlwymagane audio
Typurl · audio
URL źródła audio do generowania wideo z limitem czasu zależnym od rozdzielczości: poniżej 60 sekund dla 720p lub poniżej 30 sekund dla 1080p.
turbo_modeopcjonalne
Typboolean
Domyślnefalse
Włącz, aby poświęcić niewielką ilość jakości wideo na rzecz szybszego generowania.
resolutionopcjonalne
Typenum
Domyślne1080p
720p1080p
Rozdzielczość wynikowego wideo: 720p zapewnia szybsze generowanie i wyższą jakość z audio trwającym do 60 sekund, natomiast 1080p pozwala na audio trwające do 30 sekund. Domyślna wartość to 1080p.
wymagane Nazwa kanoniczna, również akceptowana

Parametry plików przyjmują publiczny URL https://, identyfikator URI data: do 10 MB albo file_url przesłanego pliku. Pliki

Wynik

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "bytedance/omnihuman/v1.5",
  "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": 1600,
    "usd": "1.60",
    "charged": 1600,
    "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"
  }
}
Twoje pliki, Twój wybórKażdy outputs[].url to kopia w naszej przestrzeni dyskowej: przechowywana bezterminowo (opłata za GB-miesiąc) lub 7 dni bezpłatnie, zgodnie z ustawieniem konta lub ?storage=.
Taki sam format w każdym modelutype, url, content_type, width, height i duration — tak samo dla obrazów, filmów i dźwięku. output to własny obiekt wyniku modelu.
Pola wyniku
video
object {url, content_type, file_name, file_size}Wynikowy plik wideo.
duration
number

Więcej modeli: Synchronizacja ruchu ust i awatary

Dla agentów AI: ta strona w formacie Markdown jest dostępna pod adresem https://doitong.com/pl/developers/models/bytedance/omnihuman/v1.5.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt