דילוג לתוכן

רקע · עודכן אוק׳ 2026

ByteDance OmniHuman 2: המודל שמאחורי וידאו של תמונה מדברת

ByteDance OmniHuman 2 הוא הדור האחרון של מודל להנפשת בני אדם מונחית אודיו, שפותח בצוותי המחקר של ByteDance ומוצע מסחרית דרך ענן BytePlus ופלטפורמות מודלים של שותפים. הוא מקבל תמונה אחת וקטע אודיו, ומפיק סרטון שבו האדם מדבר, שר או מופיע בסנכרון עם הסאונד.

תמונה+קול=סרטון

קול
אין תמונה? נסו:
  • תצוגה מקדימה בחינם
  • התחברות עם Google
  • העלאות פרטיות
מודעות UGC
שירה
כמה אנשים
לסרטון
5 דק׳
פלט
720p
אנשים בסצנה
כמה
שפות
6

בעמוד הזה נסביר מאיפה המודל מגיע, מה השתנה בין הגרסאות ואיך יוצרים רגילים יכולים להשתמש בו. הערה אחת מראש: omnihuman2.ai הוא שירות עצמאי שמריץ את המודל דרך ספק מורשה – אנחנו לא ByteDance או BytePlus ואיננו מקבלים מהן חסות או המלצה.

מאיפה ByteDance OmniHuman 2 מגיע

סדרת OmniHuman התחילה כפרויקט מחקר שהוצג בתחילת 2025, ובלטה ביכולת לייצר בני אדם בגוף מלא שמחווים בידיים מתוך תמונה אחת, ולא רק להנפיש פנים חתוכות. גרסאות מאוחרות יותר שיפרו את הריאליזם ואת יכולת השליטה, וגרסה 1.5 הפכה לזמינה באופן רחב דרך פלטפורמות לאירוח מודלים.

גרסה 2.0 היא הגרסה המסחרית הנוכחית. BytePlus מתארת אותה כאיכות קולנועית, עם תנועת מצלמה וגוף, סצנות עם כמה אנשים ושליטה במחוות, ומציעה גם וריאנט נפרד שמתמקד באווטארים ומכוונן לסנכרון שפתיים ולהבעה.

מה המודל יודע לעשות

על סמך תיאור המוצר ומפרטי הקלט שפורסמו:

  • להנפיש תמונה אחת עם דיבור או שירה באורך של 4 שניות עד 5 דקות.
  • לרנדר סצנות עם כמה אנשים מתמונה קבוצתית אחת.
  • לפעול לפי פרומפטים טקסטואליים לתנועת מצלמה, תנועת גוף ומחוות.
  • לקבל פרומפטים בשש שפות ולעבוד עם דמויות מסוגננות, תלת־ממדיות ודמויות של בעלי חיים.
  • להפיק וידאו ב־720p מקורי.

דרכים לגשת אליו

יש שני מסלולים עיקריים. מפתחים יכולים לקרוא למודל דרך ממשקי API רשמיים של הענן ושל פלטפורמות אירוח מודלים, ולטפל בעצמם בהעלאות, בתורים, באחסון ובחיוב. יוצרים שפשוט רוצים סרטונים יכולים להשתמש בסטודיו מתארח כמו זה, שבו כל הצנרת הטכנית כבר בנויה ומשלמים לפי שנייה של וידאו.

בכל מסלול שתבחרו, הקלט זהה: תמונה ברורה, קובץ MP3 או WAV, ובאופן אופציונלי פרומפט הנחיה קצר.

שימוש אחראי

וידאו ריאליסטי של אנשים אמיתיים מדברים עלול לשמש לרעה. הנפישו רק תמונות וקולות שבבעלותכם או שיש לכם רשות להשתמש בהם, סמנו תוכן סינתטי במקומות שבהם הפלטפורמות דורשות זאת, ולעולם אל תשתמשו בטכנולוגיה כדי להתחזות למישהו או להטעות צופים. התנאים שלנו אוסרים דיפ־פייקים מטעים, ואנחנו פועלים בעקבות דיווחים על שימוש לרעה.

על האתר הזה

omnihuman2.ai מופעל על ידי Nexa Labs, LLC. OmniHuman הוא סימן מסחרי של בעליו; אנחנו משתמשים בשם כדי לתאר את המודל שהשירות שלנו מריץ. להודעות רשמיות, לפרטי המחקר ולהסכמים ארגוניים, פנו ישירות ל־ByteDance ול־BytePlus.

איך המודל עובד, במבט על

OmniHuman שייך למשפחת מודלי הווידאו מסוג diffusion transformer. במהלך האימון הוא לומד לייצר תנועה אנושית בהתניה על כמה אותות בו־זמנית – אודיו, מראה ייחוס, תנוחה וטקסט – ולכן המחקר מתאר אותו כ־"omni-conditioned". השילוב בין ההתניות האלה מאפשר למודל ללמוד מנתוני וידאו מגוונים הרבה יותר מאשר מודלים שרואים רק ראשים מדברים בחיתוך צמוד.

בזמן ההרצה מספקים רק את תמונת הייחוס, את האודיו ובאופן אופציונלי פרומפט טקסט; המודל מסיק מהם את תנוחת הגוף, את תנועת הפנים ואת התנהגות המצלמה. זו גם הסיבה שתמונת הקלט חשובה כל כך: היא מגדירה את הזהות, המסגור, התאורה ואילו חלקי גוף זמינים לתנועה.

הגרסאות במבט מהיר

סיכום קצר של הגרסאות הציבוריות:

  • OmniHuman-1: גרסת מחקר שהדגימה הנפשה של גוף מלא מתמונה אחת.
  • OmniHuman 1.5: גרסה שמתארחת בפלטפורמות רבות, עם הכוונה בפרומפט, מסכת דובר אופציונלית ופלט ב־720p או 1080p לקליפים קצרים.
  • OmniHuman 2.0: גרסה מסחרית עם קליפים של עד חמש דקות, סצנות עם כמה אנשים ושליטה במצלמה, בגוף ובמחוות ב־720p.

למה זה חשוב ליוצרים

לפני מודלים כאלה, מגיש מדבר דרש מצלמה, אדם ועריכה. היום תמונה אחת נושאת סדרה חוזרת שלמה, וזה משנה את הכלכלה של סרטוני הסבר, פרסומות ותוכן מוזיקלי לצוותים קטנים. הפשרות – פלט ב־720p וזמן רינדור של כמה דקות – סבירות לרוב הפורמטים ברשתות ובאתרים.

שאלות נפוצות

מי מפתח את OmniHuman 2?

את OmniHuman מפתחת ByteDance, והוא מוצע מסחרית דרך BytePlus ופלטפורמות מודלים של שותפים.

omnihuman2.ai הוא אתר רשמי של ByteDance?

לא. אנחנו שירות עצמאי שמריץ את המודל דרך ספק מורשה, ואיננו קשורים ל־ByteDance או ל־BytePlus או מקבלים מהן המלצה.

OmniHuman זמין ב־TikTok או ב־CapCut?

איננו יכולים לדבר בשם אפליקציות הצרכנים של ByteDance. האתר הזה נותן לכם גישה ישירה למודל OmniHuman 2.0 בדפדפן.

מה OmniHuman 2 צריך כקלט?

תמונה אחת וקובץ אודיו אחד בפורמט MP3 או WAV באורך של 4 שניות עד 5 דקות, ופרומפט טקסט אופציונלי.

אפשר להשתמש בפלט באופן מסחרי?

בתוכניות בתשלום שלנו, כן – בתנאי שיש לכם זכויות על התמונה והאודיו שאתם מעלים.

איפה אפשר לקרוא את המחקר?

חפשו את הדוחות הטכניים של OmniHuman שפרסם צוות המחקר של ByteDance.

OmniHuman הוא קוד פתוח?

המחקר פורסם במאמרים, אבל מודל 2.0 בגרסת הייצור מוצע כשירות מסחרי דרך הענן של ByteDance ופלטפורמות שותפים, ולא כמשקולות להורדה.

מהו וריאנט האווטאר ש־BytePlus מזכירה?

BytePlus מציגה מודל נפרד שמכוון לאווטארים ומתמקד בסנכרון שפתיים ובהבעה, לצד מודל 2.0 הראשי שמדגיש מצלמה, גוף וביצוע של כמה אנשים.

להמשיך לגלות

תנו לתמונה שלכם לדבר.

תצוגה מקדימה בחינם.