OmniHuman 2.0: говорящее фото из одного снимка и аудио

OmniHuman 2.0 — это нейросеть для генерации видео. Её особенность: она берёт одно фото человека и аудиодорожку и делает ролик, где человек на снимке говорит или поет в такт звуку. Модель доступна в Студии ClipWa, на сайте на русском языке.

Если вы искали, как оживить фото по аудио (по-русски её часто ищут как «омнихьюман»), ниже всё по порядку: чем она отличается от других моделей, сколько стоит и как составить задачу.

Чем OmniHuman 2.0 отличается от соседних моделей

Большинство видеомоделей Студии придумывают сцену по описанию: машина едет по набережной, кот прыгает на стол. OmniHuman 2.0 устроена иначе. Вы не описываете сцену, а даёте готовые материалы: фото и звук. Нейросеть двигает лицо, губы и мимику под речь.

Главные особенности:

• на входе одно фото и одно аудио;
• длина аудио от 4 до 300 секунд, то есть до 5 минут;
• длительность ролика и цена определяются загруженным аудио;
• разрешение 720p;
• звук в ролике есть;
• водяного знака нет.

Для сравнения, другие видеомодели Студии стоят от таких сумм: PixVerse V6 от 304 кредитов (5 с, 360p), Hailuo 2.3 от 457 кредитов (6 с, 768P), Wan 3.0 от 609 кредитов (5 с, 480P), Veo 3 Fast от 913 кредитов (8 с), Kling 3.0 от 1066 кредитов (5 с, 720p), Seedance 2.5 от 1705 кредитов (4 с, 480p). Но сравнивать их напрямую не совсем честно: они делают разные вещи. Те модели создают движение и сцену, эта оживляет конкретного человека под вашу запись.

Сколько стоит OmniHuman 2.0

Оплата идёт в кредитах. 1 кредит равен 10 копейкам. Кредиты списываются только за успешную генерацию, при сбое они возвращаются. Подписки нет, платите только за ролики.

• 4 секунды, 720p: 852 кредита, то есть 85,2 ₽.

Это цена самого короткого ролика. Для более длинного аудио стоимость считается по его длине, итоговую сумму вы увидите в Студии после загрузки файла, до запуска. Поэтому заранее обрезайте запись до нужного фрагмента и не платите за лишние секунды.

Когда брать OmniHuman 2.0, а когда другую модель

Берите её, если нужен человек, который говорит:

• поздравление голосом близкого человека на основе его фото;
• ведущий для короткого объяснения или презентации;
• персонаж, которого вы нарисовали или сгенерировали, и теперь он должен заговорить;
• озвучка товара или услуги лицом бренда.

Берите другую модель, если нужно действие и сюжет: бег, танец, полёт камеры, смена локаций. Для этого подойдут остальные видеогенераторы Студии. Если у вас пока нет подходящего фото, сначала создайте портрет в генераторах картинок, а потом оживите его.

Как подготовить фото и аудио

Здесь не нужно писать длинное описание сцены, но подготовка всё равно решает результат. Думайте теми же вопросами: кто, что делает, как снято, какой свет.

1. Кто. Выберите фото, где лицо видно целиком, без очков на пол-лица, закрывающих рук и сильной тени. Взгляд лучше направить в камеру.
2. Что делает. Действие задаёт аудио. Чёткая речь без шума и музыки даёт более понятную артикуляцию. Если нужен весёлый тон, запишите его весёлым голосом.
3. Камера. Кадр определяет фото. Портрет по грудь или по плечи подходит лучше всего. Если на снимке человек далеко и мелко, лицо получится менее детальным.
4. Свет. Ровный свет без резких теней на лице. Тогда движения губ и щёк выглядят естественнее.

Перед загрузкой проверьте аудио: уберите длинные паузы в начале и конце, обрежьте лишнее. Каждая секунда влияет на цену.

Что учесть заранее

• Используйте фото людей, на которые у вас есть права, и голоса, которые вы вправе использовать.
• Если ролик публичный, лучше указать, что он сделан нейросетью.
• Для первой пробы возьмите короткую фразу на 4 секунды. Так вы увидите качество и потратите минимум.

Частые вопросы

Что лучше, OmniHuman 2.0 или Kling 3.0? Они для разных задач. OmniHuman 2.0 делает говорящее фото по вашему аудио. Kling 3.0 создаёт сцену с движением по описанию. Если нужен говорящий человек, берите первую. Если нужен сюжет, вторую.

Можно ли попробовать бесплатно? Да, новым пользователям даётся бонус до 2000 кредитов, это 200 ₽. 1000 кредитов дают за вход через ВК или привязку ВК, 500 за подписку на MAX-канал, 500 за подписку на Telegram-канал ClipWa. Ролик на 4 секунды стоит 852 кредита. Значит, 1000 кредитов за ВК хватит на один такой ролик, а полных 2000 хватит на два (1704 кредита). Более длинные ролики стоят дороже, и бонуса на них может не хватить.

Нужен ли VPN? Нет. Сайт работает на русском языке, оплата проходит российской картой.

Какое разрешение выбрать? Выбирать не нужно: для OmniHuman 2.0 доступно 720p, без водяного знака. Этого достаточно для соцсетей, мессенджеров и презентаций.

Какой длины может быть ролик? От 4 до 300 секунд. Длина равна длине вашего аудио.

Будут ли списаны кредиты, если генерация не удалась? Нет. Кредиты списываются только за успешную генерацию, при сбое их возвращают.