Vai al contenuto

Sviluppatori · Aggiornato il ott 2026

API di OmniHuman 2: input, limiti e funzionamento

Se stai valutando l’API di OmniHuman 2 per un prodotto, i dettagli importanti sono la struttura della richiesta, i limiti degli input e il modo in cui arrivano i risultati. Questa pagina li riassume in un unico posto, sulla base delle specifiche pubblicate dai provider di hosting, e spiega cosa gestire nel tuo codice prima di inviare una richiesta.

Foto+Voce=Video

Voce
Niente foto? Prova:
  • Anteprima gratuita
  • Accesso con Google
  • Caricamenti privati
Ads UGC
Canto
Più persone
per video
5 min
di output
720p
persone in scena
Più
lingue
6

Se non devi integrare niente e vuoi semplicemente dei video, puoi saltare la parte tecnica: il nostro studio avvolge lo stesso modello con convalida degli upload, registrazione dal browser, archiviazione e download.

Cosa contiene una richiesta all’API di OmniHuman 2

Una richiesta ha due campi obbligatori e uno facoltativo. L’URL dell’immagine punta alla persona (o alle persone) da animare; l’URL dell’audio punta al parlato o alla canzone che guida l’interpretazione; il prompt facoltativo descrive movimento, atmosfera, dettagli della scena e movimenti di camera. Di solito i risultati vengono consegnati in modo asincrono tramite una coda: invii la richiesta, ricevi un ID, poi controlli lo stato con il polling o ricevi un webhook quando il video è pronto.

  • image_url — obbligatorio; l’immagine statica da animare.
  • audio_url — obbligatorio; MP3 o WAV che definisce durata e lip sync.
  • prompt — facoltativo; supportato in inglese, cinese, giapponese, coreano, spagnolo (Messico) e indonesiano.

I limiti degli input da convalidare prima

Le richieste rifiutate fanno perdere tempo e a volte denaro, quindi convalida tutto dal tuo lato prima di chiamare il modello. L’immagine deve essere in un formato comune come JPEG, PNG, WEBP, BMP, TIFF, GIF o HEIC, non più grande di 30 MB, tra 300 e 6000 pixel per lato, con un rapporto larghezza/altezza da 0,4 a 2,5. L’audio deve essere WAV o MP3, al massimo 15 MB, e durare tra 4 e 300 secondi.

Le registrazioni dal browser sono di solito in WebM o Opus, formati che il modello non accetta. Convertile in WAV o MP3 prima del caricamento: il nostro studio ricodifica le registrazioni in WAV mono a 22,05 kHz, così anche una clip di cinque minuti resta sotto il limite di dimensione.

Output e fatturazione

Un job completato restituisce l’URL del file video e la durata usata per la fatturazione, che corrisponde alla lunghezza dell’audio in input. L’output è un MP4 in 720p nativo. Gli URL del provider possono scadere, quindi i sistemi in produzione dovrebbero copiare il file nel proprio storage appena il job termina, invece di linkare direttamente il provider.

Dato che il costo cresce con i secondi generati, misura la durata dell’audio sul server — non fidarti mai di una durata inviata dal browser — e riserva il costo prima dell’invio, così job simultanei non possono sforare il saldo.

Un flusso pronto per la produzione

Lo schema che usiamo per ogni rendering su questo sito:

  1. 1Carica su storage privatoEmetti URL di upload firmati a breve scadenza; non esporre mai link pubblici duraturi alle foto degli utenti.
  2. 2Verifica lato serverRimisura la durata dell’audio e conferma che entrambi i file esistano prima di qualsiasi addebito.
  3. 3Riserva, poi inviaRiserva i crediti in modo atomico, invia il job e rimborsa automaticamente se l’invio fallisce.
  4. 4Finalizza in modo idempotenteAl webhook o al polling, recupera il risultato, salva l’MP4 e segna il job come completato una sola volta.

Quando lo studio no-code è la scelta migliore

Costruire la pipeline descritta sopra richiede giorni di lavoro: storage, convalida, code, webhook, nuovi tentativi e fatturazione. Se il tuo obiettivo sono i contenuti e non una funzionalità di prodotto, il nostro studio ti dà lo stesso output di OmniHuman 2.0 con tutto questo già pronto. Noi non offriamo un’API pubblica: questo sito è pensato per creator e marketer che vogliono video finiti.

Gestire errori e nuovi tentativi

Considera ogni job come qualcosa che può fallire: il provider può rifiutare un input, andare in timeout sotto carico o restituire un risultato impossibile da scaricare. Tieni una colonna di stato (in coda, in corso, completato, fallito) per ogni job, rendi idempotente la fase di finalizzazione così un webhook duplicato non viene elaborato due volte, e rimborsa qualsiasi saldo riservato in caso di errore.

Usa il polling come riserva anche quando usi i webhook. Le macchine di sviluppo locali non possono riceverli, e in produzione i webhook a volte arrivano in ritardo.

  • Salva l’ID della richiesta del provider prima di rispondere all’utente.
  • Rifirma gli URL degli input con una validità più lunga del tempo di coda previsto.
  • Registra gli errori del provider alla lettera: di solito indicano esattamente quale limite è stato superato.

Domande frequenti

omnihuman2.ai offre un’API pubblica?

No. Eseguiamo il modello per i creator tramite lo studio web. Gli sviluppatori possono accedere a OmniHuman 2 tramite i provider ufficiali del modello.

Qual è la durata massima dell’audio per l’API di OmniHuman 2?

300 secondi. Il minimo è 4 secondi, e il file deve essere MP3 o WAV sotto i 15 MB.

Che risoluzione restituisce l’API?

La versione 2.0 genera nativamente in 720p e restituisce un file MP4.

L’API è sincrona?

In genere no. I job richiedono minuti, quindi i provider usano una coda con polling o webhook.

Posso inviare una registrazione WebM?

Non direttamente. Convertila prima in WAV o MP3; la maggior parte delle registrazioni dal browser va ricodificata.

Come viene fatturato l’utilizzo?

In base ai secondi di output, che corrispondono alla durata dell’audio in input.

Devo copiare il video di output nel mio storage?

Sì. Gli URL dei risultati del provider possono scadere, quindi scarica l’MP4 nel tuo storage appena il job è completato.

Quanto dura di solito un job?

Dipende dalla durata della clip e dal carico della coda. In un nostro test, una clip di circa cinque secondi è stata completata in circa due minuti dall’inizio alla fine, quindi progetta la tua interfaccia ragionando in minuti, non in secondi.

Continua a esplorare

Fai parlare la tua foto.

Anteprima gratuita.