Esta página explica de onde vem o modelo, o que mudou entre as versões e como criadores comuns podem usá-lo. Um aviso logo de início: o omnihuman2.ai é um serviço independente que roda o modelo por meio de um provedor licenciado — não somos a ByteDance nem a BytePlus e não temos o endosso delas.
De onde vem o ByteDance OmniHuman 2
A linha OmniHuman começou como um projeto de pesquisa apresentado no início de 2025, que chamou atenção por gerar pessoas de corpo inteiro, gesticulando, a partir de uma única imagem, em vez de animar apenas um rosto recortado. As versões seguintes melhoraram o realismo e o controle, e a versão 1.5 ficou amplamente disponível em plataformas de hospedagem de modelos.
A versão 2.0 é a versão comercial atual. A BytePlus a descreve como de qualidade cinematográfica, com movimento de câmera e de corpo, cenas com várias pessoas e controle de gestos, e oferece uma variante separada focada em avatares, ajustada para sincronização labial e expressão.
O que o modelo consegue fazer
Com base na descrição do produto e nas especificações de entrada publicadas:
- Animar uma imagem com fala ou canto de 4 segundos até 5 minutos.
- Renderizar cenas com várias pessoas a partir de uma única foto em grupo.
- Seguir prompts de texto para movimento de câmera, movimento corporal e gestos.
- Aceitar prompts em seis idiomas e funcionar com personagens estilizados, 3D e animais.
- Gerar vídeo nativo em 720p.
Formas de acessar
Existem dois caminhos principais. Desenvolvedores podem chamar o modelo pelas APIs oficiais de nuvem e de hospedagem de modelos, cuidando eles mesmos de uploads, filas, armazenamento e cobrança. Criadores que só querem os vídeos podem usar um estúdio hospedado como este, em que todo o fluxo técnico já está pronto e você paga por segundo de vídeo.
Seja qual for o caminho, as entradas são as mesmas: uma foto nítida, um arquivo MP3 ou WAV e, opcionalmente, um prompt de direção curto.
Uso responsável
Vídeos realistas de pessoas reais falando podem ser usados de forma indevida. Anime apenas fotos e vozes que são suas ou que você tem permissão para usar, sinalize conteúdo sintético quando as plataformas exigirem e nunca use a tecnologia para se passar por alguém ou enganar o público. Nossos termos proíbem deepfakes enganosos, e agimos sobre denúncias de uso indevido.
Sobre este site
O omnihuman2.ai é operado pela Nexa Labs, LLC. OmniHuman é uma marca registrada de seu respectivo proprietário; usamos o nome para descrever o modelo que nosso serviço utiliza. Para comunicados oficiais, detalhes da pesquisa e contratos corporativos, consulte diretamente a ByteDance e a BytePlus.
Como o modelo funciona, em linhas gerais
O OmniHuman pertence à família de modelos de vídeo do tipo diffusion transformer. No treinamento, ele aprende a gerar movimento humano condicionado a vários sinais ao mesmo tempo — áudio, aparência de referência, pose e texto —, e é por isso que a pesquisa o descreve como “omni-condicionado”. Misturar essas condições permite que o modelo aprenda com dados de vídeo muito mais variados do que modelos que só veem cabeças falantes em recortes fechados.
Na hora de gerar, você fornece apenas a imagem de referência, o áudio e, opcionalmente, um prompt de texto; o modelo deduz a pose do corpo, o movimento facial e o comportamento da câmera a partir deles. É também por isso que a imagem de entrada importa tanto: ela define a identidade, o enquadramento, a iluminação e quais partes do corpo estão disponíveis para se mover.
As versões em resumo
Um resumo rápido das versões públicas:
- OmniHuman-1: versão de pesquisa que mostrou animação de corpo inteiro a partir de uma imagem.
- OmniHuman 1.5: versão amplamente hospedada, com orientação por prompt, máscara opcional de quem fala e saída em 720p ou 1080p para clipes curtos.
- OmniHuman 2.0: versão comercial com clipes de até cinco minutos, cenas com várias pessoas e controle de câmera, corpo e gestos em 720p.
Por que isso importa para criadores
Antes de modelos como este, um apresentador falando exigia câmera, uma pessoa e edição. Agora, uma única imagem sustenta uma série recorrente inteira, o que muda a conta de vídeos explicativos, anúncios e conteúdo musical para equipes pequenas. As contrapartidas — saída em 720p e alguns minutos de renderização — são aceitáveis para a maioria dos formatos de redes sociais e web.
Perguntas frequentes
Quem desenvolve o OmniHuman 2?
O OmniHuman é desenvolvido pela ByteDance e oferecido comercialmente pela BytePlus e por plataformas parceiras de modelos.
O omnihuman2.ai é um site oficial da ByteDance?
Não. Somos um serviço independente que roda o modelo por meio de um provedor licenciado e não temos vínculo nem endosso da ByteDance ou da BytePlus.
O OmniHuman está disponível no TikTok ou no CapCut?
Não podemos falar pelos apps de consumo da ByteDance. Este site dá acesso direto ao modelo OmniHuman 2.0 no navegador.
O que o OmniHuman 2 precisa como entrada?
Uma imagem e um arquivo de áudio MP3 ou WAV entre 4 segundos e 5 minutos, além de um prompt de texto opcional.
Posso usar o resultado comercialmente?
Nos nossos planos pagos, sim — desde que você tenha os direitos sobre a foto e o áudio que enviar.
Onde posso ler a pesquisa?
Procure pelos relatórios técnicos do OmniHuman publicados pela equipe de pesquisa da ByteDance.
O OmniHuman é open source?
A pesquisa foi publicada em artigos, mas o modelo 2.0 de produção é oferecido como serviço comercial pela nuvem da ByteDance e por plataformas parceiras, e não como pesos para download.
O que é a variante de avatar que a BytePlus menciona?
A BytePlus lista um modelo separado, voltado para avatares, focado em sincronização labial e expressão, ao lado do modelo 2.0 principal, que enfatiza câmera, corpo e performances com várias pessoas.