Zum Inhalt springen

Entwickler · Aktualisiert am Okt. 2026

OmniHuman 2 API: Eingaben, Limits und Funktionsweise

Wenn du die OmniHuman 2 API für ein Produkt evaluierst, zählen vor allem der Aufbau der Anfrage, die Eingabelimits und die Art, wie Ergebnisse zurückkommen. Diese Seite fasst alles an einem Ort zusammen – auf Basis der Spezifikationen, die die Hosting-Anbieter veröffentlicht haben – und erklärt, was du in deinem eigenen Code abfangen solltest, bevor du eine Anfrage sendest.

Foto+Stimme=Video

Stimme
Kein Foto? Probier:
  • Kostenlose Vorschau
  • Anmeldung mit Google
  • Private Uploads
UGC-Anzeigen
Gesang
Mehrere Personen
pro Video
5 Min.
Ausgabe
720p
Personen pro Szene
Mehrere
Sprachen
6

Wenn du nichts integrieren musst und einfach nur Videos willst, kannst du dir die Entwicklungsarbeit sparen: Unser Studio verpackt dasselbe Modell mit Upload-Prüfung, Browseraufnahme, Speicher und Downloads.

Was eine Anfrage an die OmniHuman 2 API enthält

Eine Anfrage hat zwei Pflichtfelder und ein optionales Feld. Die Bild-URL verweist auf die Person (oder Personen), die animiert werden soll; die Audio-URL auf die Sprache oder den Song, der die Performance steuert; der optionale Prompt beschreibt Bewegung, Stimmung, Szenendetails und Kamerabewegung. Ergebnisse werden in der Regel asynchron über eine Warteschlange geliefert: Du sendest die Anfrage, erhältst eine Request-ID und fragst dann den Status ab oder bekommst einen Webhook, sobald das Video fertig ist.

  • image_url – Pflichtfeld; das Standbild, das animiert werden soll.
  • audio_url – Pflichtfeld; MP3 oder WAV, das Länge und Lippensynchronisation bestimmt.
  • prompt – optional; unterstützt auf Englisch, Chinesisch, Japanisch, Koreanisch, Spanisch (Mexiko) und Indonesisch.

Eingabelimits, die du zuerst prüfen solltest

Abgelehnte Anfragen kosten Zeit und manchmal auch Geld, also prüfe auf deiner Seite, bevor du das Modell aufrufst. Das Bild muss ein gängiges Format wie JPEG, PNG, WEBP, BMP, TIFF, GIF oder HEIC haben, höchstens 30 MB groß sein, zwischen 300 und 6000 Pixel pro Seite messen und ein Seitenverhältnis (Breite zu Höhe) von 0,4 bis 2,5 haben. Das Audio muss WAV oder MP3 sein, höchstens 15 MB groß und zwischen 4 und 300 Sekunden lang.

Browseraufnahmen sind meist WebM oder Opus, was das Modell nicht akzeptiert. Konvertiere sie vor dem Upload in WAV oder MP3 – unser Studio kodiert Aufnahmen in 22,05-kHz-Mono-WAV um, sodass auch ein fünfminütiger Clip unter dem Größenlimit bleibt.

Ausgabe und Abrechnung

Ein abgeschlossener Job liefert eine URL zur Videodatei und die abgerechnete Dauer, die der Länge des Eingabe-Audios entspricht. Die Ausgabe ist eine native 720p-MP4. URLs der Anbieter können ablaufen, daher sollten Produktivsysteme die Datei sofort nach Abschluss des Jobs in ihren eigenen Speicher kopieren, statt direkt auf den Anbieter zu verlinken.

Da die Kosten mit den gerenderten Sekunden steigen, miss die Audiodauer auf dem Server – vertrau nie einer Dauer, die der Browser sendet – und reserviere die Kosten vor dem Absenden, damit parallele Jobs ein Guthaben nicht überziehen können.

Ein produktionsreifer Ablauf

Das Muster, das wir für jedes Rendering auf dieser Website nutzen:

  1. 1In privaten Speicher hochladenStell kurzlebige signierte Upload-URLs aus; leg niemals langlebige öffentliche Links zu Nutzerfotos offen.
  2. 2Serverseitig prüfenMiss die Audiolänge erneut und bestätige, dass beide Dateien existieren, bevor irgendetwas abgerechnet wird.
  3. 3Reservieren, dann absendenReserviere Credits atomar, sende den Job ab und erstatte automatisch, wenn das Absenden fehlschlägt.
  4. 4Idempotent abschließenHol bei Webhook oder Abfrage das Ergebnis ab, speichere die MP4 und markiere den Job genau einmal als erledigt.

Wann das No-Code-Studio die bessere Wahl ist

Die oben beschriebene Pipeline aufzubauen, kostet Tage an Arbeit: Speicher, Validierung, Warteschlangen, Webhooks, Wiederholungen und Abrechnung. Wenn dein Ziel Content ist und kein Produktfeature, liefert dir unser Studio dieselbe OmniHuman 2.0-Ausgabe – mit all dem bereits erledigt. Eine öffentliche API bieten wir selbst nicht an; diese Website ist für Creator und Marketer gemacht, die fertige Videos wollen.

Fehler und Wiederholungen behandeln

Behandle jeden Job als etwas, das fehlschlagen kann: Der Anbieter lehnt vielleicht eine Eingabe ab, läuft unter Last in einen Timeout oder liefert ein Ergebnis, das sich nicht herunterladen lässt. Führe pro Job eine Statusspalte (queued, running, done, failed), mach den Abschlussschritt idempotent, damit ein doppelter Webhook nicht zweimal verarbeitet wird, und erstatte reserviertes Guthaben bei einem Fehler.

Frag den Status als Fallback auch dann ab, wenn du Webhooks nutzt. Lokale Entwicklungsrechner können keine empfangen, und Webhooks in Produktion kommen gelegentlich verspätet an.

  • Speichere die Request-ID des Anbieters, bevor du dem Nutzer antwortest.
  • Signiere Eingabe-URLs mit einem Gültigkeitszeitraum, der länger ist als die erwartete Wartezeit in der Warteschlange.
  • Protokolliere Fehlermeldungen des Anbieters wörtlich; sie nennen meist genau das überschrittene Limit.

FAQ

Bietet omnihuman2.ai eine öffentliche API an?

Nein. Wir betreiben das Modell für Creator über das Web-Studio. Entwickler können OmniHuman 2 über offizielle Modellanbieter nutzen.

Wie lang darf das Audio bei der OmniHuman 2 API maximal sein?

300 Sekunden. Das Minimum sind 4 Sekunden, und die Datei muss MP3 oder WAV unter 15 MB sein.

Welche Auflösung liefert die API?

Version 2.0 rendert nativ in 720p und liefert eine MP4-Datei.

Ist die API synchron?

In der Regel nicht. Jobs dauern Minuten, daher nutzen Anbieter eine Warteschlange mit Statusabfrage oder Webhooks.

Kann ich eine WebM-Aufnahme senden?

Nicht direkt. Konvertiere sie zuerst in WAV oder MP3; die meisten Browseraufnahmen müssen neu kodiert werden.

Wie wird die Nutzung abgerechnet?

Nach Sekunden der Ausgabe – das entspricht der Länge deines Eingabe-Audios.

Sollte ich das fertige Video in meinen eigenen Speicher kopieren?

Ja. Ergebnis-URLs der Anbieter können ablaufen, also lade die MP4 sofort nach Abschluss des Jobs in deinen eigenen Speicher herunter.

Wie lange dauert ein Job normalerweise?

Das hängt von der Cliplänge und der Auslastung der Warteschlange ab. In unserem eigenen Test war ein Clip von rund fünf Sekunden insgesamt nach etwa zwei Minuten fertig – plane deine UI also für Minuten, nicht für Sekunden.

Weiter entdecken

Lass dein Foto sprechen.

Kostenlose Vorschau.