본문으로 건너뛰기

배경 지식 · 2026년 10월 업데이트

ByteDance OmniHuman 2: 말하는 사진 영상의 핵심 모델

ByteDance OmniHuman 2는 ByteDance 연구팀이 개발한 오디오 기반 인물 애니메이션 모델의 최신 세대로, BytePlus 클라우드와 파트너 모델 플랫폼을 통해 상용으로 제공돼요. 이미지 한 장과 오디오 클립을 넣으면 인물이 소리에 맞춰 말하고, 노래하고, 연기하는 영상을 만들어 줘요.

사진+목소리=영상

목소리
사진이 없나요? 이걸로 해 보세요:
  • 무료 미리보기
  • Google 로그인
  • 비공개 업로드
UGC 광고
노래
다인원
영상당
5분
출력
720p
장면 지원
다인원
개 언어
6

이 페이지에서는 모델이 어디서 왔는지, 버전별로 무엇이 달라졌는지, 일반 크리에이터가 어떻게 쓸 수 있는지 설명해요. 먼저 알려 드릴 점이 있어요. omnihuman2.ai는 라이선스를 받은 제공업체를 통해 모델을 실행하는 독립 서비스이며, ByteDance나 BytePlus가 아니고 이들의 보증을 받은 것도 아니에요.

ByteDance OmniHuman 2는 어디서 왔을까

OmniHuman 시리즈는 2025년 초에 발표된 연구 프로젝트에서 시작됐어요. 잘라 낸 얼굴만 움직이는 게 아니라 사진 한 장으로 제스처를 취하는 전신 인물을 생성해 주목받았죠. 이후 릴리스에서 사실감과 제어력이 향상됐고, 1.5 버전은 여러 모델 호스팅 플랫폼을 통해 널리 쓰이게 됐어요.

2.0 버전은 현재의 상용 릴리스예요. BytePlus는 카메라와 몸 움직임, 다인원 장면, 제스처 제어를 갖춘 영화급 품질이라고 소개하며, 립싱크와 표정에 맞춰 조정된 아바타 특화 버전도 별도로 제공해요.

모델이 할 수 있는 일

공개된 제품 설명과 입력 사양을 기준으로 정리하면 다음과 같아요.

  • 이미지 한 장을 4초부터 최대 5분까지 말하거나 노래하게 만들어요.
  • 단체 사진 한 장으로 다인원 장면을 렌더링해요.
  • 텍스트 프롬프트로 카메라 움직임, 몸 움직임, 제스처를 지시할 수 있어요.
  • 6개 언어로 프롬프트를 입력할 수 있고, 스타일라이즈드 캐릭터, 3D 캐릭터, 동물 캐릭터도 지원해요.
  • 네이티브 720p 영상을 출력해요.

이용 방법

크게 두 가지 방법이 있어요. 개발자는 공식 클라우드와 모델 호스팅 API로 모델을 호출하고, 업로드, 대기열, 저장소, 결제를 직접 처리할 수 있어요. 영상만 만들고 싶은 크리에이터는 이 사이트 같은 호스팅 스튜디오를 쓰면 돼요. 기술 파이프라인이 이미 갖춰져 있고, 영상 길이 1초 단위로 비용을 내요.

어떤 방법을 택하든 입력은 같아요. 선명한 사진, MP3 또는 WAV 파일, 그리고 선택 사항인 짧은 연출 프롬프트예요.

책임 있는 사용

실제 사람이 말하는 사실적인 영상은 악용될 수 있어요. 직접 소유했거나 사용 허락을 받은 사진과 목소리만 움직이고, 플랫폼에서 요구하는 경우 AI 생성 콘텐츠임을 표시하고, 다른 사람을 사칭하거나 시청자를 속이는 데 절대 사용하지 마세요. 이용약관은 기만적인 딥페이크를 금지하며, 악용 신고가 들어오면 조치를 취해요.

이 사이트에 대해

omnihuman2.ai는 Nexa Labs, LLC가 운영해요. OmniHuman은 해당 소유자의 상표이며, 저희는 서비스에서 실행하는 모델을 설명하기 위해 이 이름을 사용해요. 공식 발표, 연구 세부 정보, 기업 계약은 ByteDance와 BytePlus에 직접 문의하세요.

모델의 작동 원리 한눈에 보기

OmniHuman은 디퓨전 트랜스포머 영상 모델 계열에 속해요. 학습 과정에서 오디오, 참조 외형, 포즈, 텍스트 등 여러 신호를 동시에 조건으로 받아 인물의 움직임을 생성하는 법을 배우는데, 그래서 연구에서 “옴니 컨디셔닝(omni-conditioned)”이라고 부르는 거예요. 이런 조건들을 섞어 쓰기 때문에, 얼굴만 꽉 끼게 잘린 영상만 학습하는 모델보다 훨씬 다양한 영상 데이터로부터 배울 수 있어요.

실제로 생성할 때는 참조 이미지, 오디오, 그리고 선택 사항인 텍스트 프롬프트만 넣으면 돼요. 모델이 이를 바탕으로 몸 자세, 얼굴 움직임, 카메라 움직임을 추론해요. 입력 이미지가 그렇게 중요한 이유도 여기에 있어요. 이미지가 인물의 정체성, 구도, 조명, 그리고 몸의 어느 부분을 움직일 수 있는지를 결정하거든요.

버전별 요약

공개된 릴리스를 간단히 정리했어요.

  • OmniHuman-1: 이미지 한 장으로 전신 애니메이션을 보여 준 연구 릴리스.
  • OmniHuman 1.5: 널리 호스팅된 버전으로, 프롬프트 가이드, 선택형 화자 마스크, 짧은 영상의 720p 또는 1080p 출력을 지원.
  • OmniHuman 2.0: 최대 5분 영상, 다인원 장면, 카메라·몸·제스처 제어를 720p로 제공하는 상용 릴리스.

크리에이터에게 중요한 이유

이런 모델이 나오기 전에는 말하는 진행자 영상을 만들려면 카메라, 사람, 편집이 필요했어요. 이제는 이미지 한 장으로 정기 시리즈 전체를 끌고 갈 수 있어서, 작은 팀이 설명 영상, 광고, 음악 콘텐츠를 만드는 비용 구조가 바뀌었어요. 720p 출력과 몇 분의 렌더링 시간이라는 한계는 대부분의 SNS와 웹 포맷에서 충분히 감수할 만해요.

자주 묻는 질문

OmniHuman 2는 누가 만들었나요?

OmniHuman은 ByteDance가 개발했고, BytePlus와 파트너 모델 플랫폼을 통해 상용으로 제공돼요.

omnihuman2.ai는 ByteDance 공식 사이트인가요?

아니요. 저희는 라이선스를 받은 제공업체를 통해 모델을 실행하는 독립 서비스이며, ByteDance나 BytePlus와 제휴 관계가 없고 보증을 받지도 않았어요.

OmniHuman을 TikTok이나 CapCut에서 쓸 수 있나요?

ByteDance의 소비자용 앱에 대해서는 저희가 답변드릴 수 없어요. 이 사이트에서는 브라우저로 OmniHuman 2.0 모델을 바로 이용할 수 있어요.

OmniHuman 2에는 무엇을 입력해야 하나요?

이미지 한 장과 4초~5분 길이의 MP3 또는 WAV 오디오 파일 하나, 그리고 선택 사항인 텍스트 프롬프트예요.

결과물을 상업적으로 사용할 수 있나요?

유료 요금제에서는 가능해요. 단, 업로드한 사진과 오디오의 권리를 갖고 있어야 해요.

연구 자료는 어디서 볼 수 있나요?

ByteDance 연구팀이 발표한 OmniHuman 기술 보고서를 검색해 보세요.

OmniHuman은 오픈 소스인가요?

연구는 논문으로 공개됐지만, 상용 2.0 모델은 다운로드 가능한 가중치가 아니라 ByteDance 클라우드와 파트너 플랫폼을 통한 상용 서비스로 제공돼요.

BytePlus가 언급하는 아바타 버전은 무엇인가요?

BytePlus는 카메라, 몸, 다인원 퍼포먼스에 중점을 둔 메인 2.0 모델과 함께, 립싱크와 표정에 집중한 아바타 중심 모델을 별도로 소개하고 있어요.

더 알아보기

내 사진을 말하게 하세요.

미리보기 무료.