Ir al contenido

Desarrolladores · Actualizado el oct 2026

API de OmniHuman 2: entradas, límites y cómo funciona

Si estás evaluando la API de OmniHuman 2 para un producto, los detalles importantes son la estructura de la solicitud, los límites de entrada y la forma en que se devuelven los resultados. Esta página los reúne en un solo lugar, a partir de las especificaciones publicadas por los proveedores de alojamiento, y explica qué debes gestionar en tu propio código antes de enviar una solicitud.

Foto+Voz=Video

Voz
¿No tienes foto? Prueba:
  • Vista previa gratis
  • Acceso con Google
  • Archivos privados
Anuncios UGC
Cantando
Varias personas
por video
5 min
de salida
720p
personas por escena
Varias
idiomas
6

Si no necesitas integrar nada y solo quieres videos, puedes saltarte la parte de ingeniería: nuestro estudio envuelve el mismo modelo con validación de archivos, grabación en el navegador, almacenamiento y descargas.

Qué contiene una solicitud a la API de OmniHuman 2

Una solicitud tiene dos campos obligatorios y uno opcional. La URL de la imagen apunta a la persona (o personas) que se van a animar; la URL del audio apunta a la voz o la canción que guía la interpretación; el prompt opcional describe el movimiento, el estado de ánimo, los detalles de la escena y el movimiento de cámara. Los resultados suelen entregarse de forma asíncrona mediante una cola: envías la solicitud, recibes un ID de solicitud y luego consultas el estado o recibes un webhook cuando el video está listo.

  • image_url — obligatorio; la imagen fija que se va a animar.
  • audio_url — obligatorio; MP3 o WAV que define la duración y la sincronización labial.
  • prompt — opcional; admitido en inglés, chino, japonés, coreano, español (México) e indonesio.

Límites de entrada que conviene validar primero

Las solicitudes rechazadas hacen perder tiempo y a veces dinero, así que valida en tu lado antes de llamar al modelo. La imagen debe estar en un formato común como JPEG, PNG, WEBP, BMP, TIFF, GIF o HEIC, no superar los 30 MB, medir entre 300 y 6000 píxeles por lado y tener una relación ancho-alto de 0.4 a 2.5. El audio debe ser WAV o MP3, de 15 MB como máximo y de entre 4 y 300 segundos.

Las grabaciones del navegador suelen ser WebM u Opus, que el modelo no acepta. Conviértelas a WAV o MP3 antes de subirlas: nuestro estudio vuelve a codificar las grabaciones a WAV mono de 22.05 kHz, lo que mantiene un clip de cinco minutos por debajo del límite de tamaño.

Salida y facturación

Un trabajo completado devuelve la URL de un archivo de video y la duración usada para la facturación, que coincide con la del audio de entrada. La salida es un MP4 en 720p nativo. Las URL del proveedor pueden caducar, así que los sistemas en producción deberían copiar el archivo a su propio almacenamiento en cuanto termine el trabajo, en lugar de enlazar directamente al proveedor.

Como el costo crece con los segundos renderizados, mide la duración del audio en el servidor —nunca te fíes de una duración enviada por el navegador— y reserva el costo antes de enviar la solicitud para que los trabajos simultáneos no gasten más saldo del disponible.

Un flujo listo para producción

El patrón que seguimos para cada render en este sitio:

  1. 1Sube a un almacenamiento privadoEmite URL de subida firmadas y de corta duración; nunca expongas enlaces públicos de larga duración a las fotos de los usuarios.
  2. 2Verifica en el servidorVuelve a medir la duración del audio y confirma que ambos archivos existen antes de cualquier cobro.
  3. 3Reserva y luego envíaReserva los créditos de forma atómica, envía el trabajo y reembolsa automáticamente si el envío falla.
  4. 4Finaliza de forma idempotenteCon el webhook o la consulta, obtén el resultado, guarda el MP4 y marca el trabajo como terminado exactamente una vez.

Cuándo es mejor opción el estudio sin código

Construir el pipeline anterior lleva días de trabajo: almacenamiento, validación, colas, webhooks, reintentos y facturación. Si tu objetivo es el contenido y no una función de producto, nuestro estudio te da el mismo resultado de OmniHuman 2.0 con todo eso ya resuelto. Nosotros no ofrecemos una API pública; este sitio está pensado para creadores y profesionales del marketing que quieren videos terminados.

Cómo gestionar fallos y reintentos

Trata cada trabajo como algo que puede fallar: el proveedor puede rechazar una entrada, agotar el tiempo de espera con mucha carga o devolver un resultado que no se puede descargar. Mantén una columna de estado (en cola, en curso, terminado, fallido) por trabajo, haz que el paso de finalización sea idempotente para que un webhook duplicado no se procese dos veces y reembolsa cualquier saldo reservado si hay un fallo.

Consulta el estado como respaldo aunque uses webhooks. Las máquinas de desarrollo local no pueden recibirlos y los webhooks de producción a veces llegan con retraso.

  • Guarda el ID de solicitud del proveedor antes de responder al usuario.
  • Vuelve a firmar las URL de entrada con un periodo de validez mayor que el tiempo de cola esperado.
  • Registra los errores del proveedor tal cual; suelen indicar el límite exacto que se superó.

Preguntas frecuentes

¿omnihuman2.ai ofrece una API pública?

No. Ejecutamos el modelo para creadores a través del estudio web. Los desarrolladores pueden acceder a OmniHuman 2 mediante los proveedores oficiales del modelo.

¿Cuál es la duración máxima de audio en la API de OmniHuman 2?

300 segundos. El mínimo es de 4 segundos, y el archivo debe ser MP3 o WAV de menos de 15 MB.

¿Qué resolución devuelve la API?

La versión 2.0 renderiza de forma nativa en 720p y devuelve un archivo MP4.

¿La API es síncrona?

Por lo general, no. Los trabajos tardan minutos, así que los proveedores usan una cola con consultas de estado o webhooks.

¿Puedo enviar una grabación WebM?

No directamente. Primero conviértela a WAV o MP3; la mayoría de las grabaciones del navegador necesitan volver a codificarse.

¿Cómo se factura el uso?

Por segundos de salida, que equivalen a la duración de tu audio de entrada.

¿Debo copiar el video resultante a mi propio almacenamiento?

Sí. Las URL de resultados del proveedor pueden caducar, así que descarga el MP4 a tu propio almacenamiento en cuanto termine el trabajo.

¿Cuánto suele tardar un trabajo?

Depende de la duración del clip y de la carga de la cola. En nuestra propia prueba, un clip de unos cinco segundos tardó alrededor de dos minutos de principio a fin, así que diseña tu interfaz pensando en minutos, no en segundos.

Sigue explorando

Haz que tu foto hable.

Vista previa gratis.