Halaman ini menjelaskan asal-usul model, apa saja yang berubah di setiap versi, dan bagaimana kreator biasa bisa memakainya. Satu catatan di awal: omnihuman2.ai adalah layanan independen yang menjalankan model ini melalui penyedia berlisensi — kami bukan ByteDance atau BytePlus dan tidak didukung secara resmi oleh mereka.
Asal-usul ByteDance OmniHuman 2
Lini OmniHuman berawal dari proyek riset yang dipresentasikan pada awal 2025, yang menonjol karena mampu menghasilkan manusia seluruh badan lengkap dengan gestur dari satu gambar, bukan sekadar menganimasikan wajah yang dipotong. Rilis-rilis berikutnya meningkatkan realisme dan kemampuan kontrol, dan versi 1.5 menjadi tersedia luas melalui platform hosting model.
Versi 2.0 adalah rilis komersial saat ini. BytePlus menyebutnya berkualitas setara film, dengan gerakan kamera dan tubuh, adegan banyak orang, dan kontrol gestur, serta menawarkan varian terpisah yang berfokus pada avatar dan disetel untuk lip sync dan ekspresi.
Apa saja kemampuan model ini
Berdasarkan deskripsi produk dan spesifikasi input yang dipublikasikan:
- Menganimasikan satu gambar dengan ucapan atau nyanyian berdurasi 4 detik hingga 5 menit.
- Merender adegan banyak orang dari satu foto grup.
- Mengikuti prompt teks untuk gerakan kamera, gerakan tubuh, dan gestur.
- Menerima prompt dalam enam bahasa dan bisa dipakai untuk karakter bergaya ilustrasi, 3D, maupun hewan.
- Menghasilkan video native 720p.
Cara mengaksesnya
Secara garis besar ada dua jalur. Developer bisa memanggil model melalui API cloud resmi dan API hosting model, dengan mengurus sendiri unggahan, antrean, penyimpanan, dan penagihan. Kreator yang hanya ingin membuat video bisa memakai studio siap pakai seperti ini, di mana alur teknisnya sudah dibangun dan kamu membayar per detik video.
Jalur mana pun yang kamu pilih, inputnya sama: foto yang jelas, file MP3 atau WAV, dan opsional prompt arahan singkat.
Penggunaan yang bertanggung jawab
Video bicara yang realistis dari orang sungguhan bisa disalahgunakan. Animasikan hanya foto dan suara yang kamu miliki atau sudah mendapat izin, beri label pada konten sintetis jika diwajibkan platform, dan jangan pernah memakai teknologi ini untuk menyamar sebagai orang lain atau menyesatkan penonton. Ketentuan kami melarang deepfake yang menipu, dan kami menindaklanjuti setiap laporan penyalahgunaan.
Tentang situs ini
omnihuman2.ai dioperasikan oleh Nexa Labs, LLC. OmniHuman adalah merek dagang milik pemiliknya masing-masing; kami memakai nama tersebut untuk menggambarkan model yang dijalankan layanan kami. Untuk pengumuman resmi, detail riset, dan perjanjian enterprise, silakan merujuk langsung ke ByteDance dan BytePlus.
Cara kerja model secara garis besar
OmniHuman termasuk keluarga model video diffusion-transformer. Selama pelatihan, model belajar menghasilkan gerakan manusia yang dikondisikan oleh beberapa sinyal sekaligus — audio, tampilan referensi, pose, dan teks — itulah sebabnya riset menyebutnya “omni-conditioned”. Menggabungkan kondisi-kondisi ini memungkinkan model belajar dari data video yang jauh lebih beragam dibanding model yang hanya melihat kepala berbicara dengan potongan rapat.
Saat inferensi, kamu hanya memberikan gambar referensi, audio, dan opsional prompt teks; model menyimpulkan pose tubuh, gerakan wajah, dan perilaku kamera dari semua itu. Itu juga alasan gambar input sangat penting: gambar menentukan identitas, framing, pencahayaan, dan bagian tubuh mana yang bisa digerakkan.
Sekilas tentang versi-versinya
Ringkasan singkat rilis publiknya:
- OmniHuman-1: rilis riset yang menunjukkan animasi seluruh badan dari satu gambar.
- OmniHuman 1.5: versi yang banyak di-hosting, dengan panduan prompt, speaker mask opsional, serta output 720p atau 1080p untuk klip pendek.
- OmniHuman 2.0: rilis komersial dengan klip hingga lima menit, adegan banyak orang, serta kontrol kamera, tubuh, dan gestur di 720p.
Mengapa ini penting bagi kreator
Sebelum ada model seperti ini, presenter yang berbicara membutuhkan kamera, orang, dan proses editing. Kini satu gambar bisa menopang seluruh seri berulang, yang mengubah hitungan biaya video explainer, iklan, dan konten musik bagi tim kecil. Kompromi yang ada — output 720p dan waktu render beberapa menit — masih bisa diterima untuk sebagian besar format media sosial dan web.
FAQ
Siapa pembuat OmniHuman 2?
OmniHuman dikembangkan oleh ByteDance dan ditawarkan secara komersial melalui BytePlus dan platform model mitra.
Apakah omnihuman2.ai situs resmi ByteDance?
Bukan. Kami adalah layanan independen yang menjalankan model ini melalui penyedia berlisensi dan tidak berafiliasi dengan atau didukung oleh ByteDance maupun BytePlus.
Apakah OmniHuman tersedia di TikTok atau CapCut?
Kami tidak bisa berbicara atas nama aplikasi konsumen ByteDance. Situs ini memberimu akses langsung ke model OmniHuman 2.0 di browser.
Apa input yang dibutuhkan OmniHuman 2?
Satu gambar dan satu file audio MP3 atau WAV berdurasi antara 4 detik dan 5 menit, ditambah prompt teks opsional.
Bisakah saya memakai hasilnya secara komersial?
Di paket berbayar kami, bisa — asalkan kamu memiliki hak atas foto dan audio yang kamu unggah.
Di mana saya bisa membaca risetnya?
Cari laporan teknis OmniHuman yang dipublikasikan oleh tim riset ByteDance.
Apakah OmniHuman open source?
Risetnya sudah dipublikasikan dalam bentuk makalah, tetapi model produksi 2.0 ditawarkan sebagai layanan komersial melalui cloud ByteDance dan platform mitra, bukan sebagai bobot model yang bisa diunduh.
Apa varian avatar yang disebut BytePlus?
BytePlus mencantumkan model terpisah yang berorientasi avatar dan berfokus pada lip sync dan ekspresi, di samping model utama 2.0 yang menonjolkan kamera, tubuh, dan penampilan banyak orang.