Se você não precisa integrar nada e só quer os vídeos, pode pular a parte de engenharia: nosso estúdio envolve o mesmo modelo com validação de upload, gravação no navegador, armazenamento e downloads.
O que uma requisição à API do OmniHuman 2 contém
Uma requisição tem dois campos obrigatórios e um opcional. A URL da imagem aponta para a pessoa (ou as pessoas) a animar; a URL do áudio aponta para a fala ou música que guia a performance; o prompt opcional descreve movimento, clima, detalhes da cena e movimento de câmera. Os resultados normalmente são entregues de forma assíncrona por meio de uma fila: você envia, recebe um ID de requisição e depois consulta o status ou recebe um webhook quando o vídeo fica pronto.
- image_url — obrigatório; a imagem estática a ser animada.
- audio_url — obrigatório; MP3 ou WAV que define a duração e a sincronização labial.
- prompt — opcional; aceito em inglês, chinês, japonês, coreano, espanhol (México) e indonésio.
Limites de entrada para validar primeiro
Requisições rejeitadas desperdiçam tempo e às vezes dinheiro, então valide do seu lado antes de chamar o modelo. A imagem precisa estar em um formato comum, como JPEG, PNG, WEBP, BMP, TIFF, GIF ou HEIC, ter no máximo 30 MB, entre 300 e 6000 pixels em cada lado e proporção largura/altura de 0,4 a 2,5. O áudio precisa ser WAV ou MP3, com no máximo 15 MB e entre 4 e 300 segundos de duração.
Gravações feitas no navegador geralmente são WebM ou Opus, que o modelo não aceita. Converta para WAV ou MP3 antes do upload — nosso estúdio recodifica as gravações para WAV mono de 22,05 kHz, o que mantém um clipe de cinco minutos abaixo do limite de tamanho.
Saída e cobrança
Um job concluído retorna a URL do arquivo de vídeo e a duração usada para cobrança, que corresponde à duração do áudio de entrada. A saída é MP4 nativo em 720p. As URLs do provedor podem expirar, então sistemas em produção devem copiar o arquivo para o próprio armazenamento assim que o job termina, em vez de apontar direto para o provedor.
Como o custo aumenta com os segundos renderizados, meça a duração do áudio no servidor — nunca confie em uma duração enviada pelo navegador — e reserve o custo antes de enviar, para que jobs simultâneos não estourem o saldo.
Um fluxo pronto para produção
O padrão que usamos em cada renderização deste site:
- 1Upload para armazenamento privadoGere URLs de upload assinadas e de curta duração; nunca exponha links públicos de longa duração para fotos de usuários.
- 2Verificação no servidorMeça de novo a duração do áudio e confirme que os dois arquivos existem antes de qualquer cobrança.
- 3Reservar e depois enviarReserve os créditos de forma atômica, envie o job e faça o reembolso automático se o envio falhar.
- 4Finalização idempotenteNo webhook ou na consulta, busque o resultado, armazene o MP4 e marque o job como concluído exatamente uma vez.
Quando o estúdio sem código é a melhor escolha
Construir o fluxo acima leva dias de trabalho: armazenamento, validação, filas, webhooks, novas tentativas e cobrança. Se o seu objetivo é conteúdo, e não uma funcionalidade de produto, nosso estúdio entrega o mesmo resultado do OmniHuman 2.0 com tudo isso já pronto. Não oferecemos uma API pública; este site foi feito para criadores e profissionais de marketing que querem vídeos prontos.
Lidando com falhas e novas tentativas
Trate cada job como algo que pode falhar: o provedor pode rejeitar uma entrada, estourar o tempo sob carga ou devolver um resultado que não pode ser baixado. Mantenha uma coluna de status (na fila, em execução, concluído, com falha) por job, torne a etapa de finalização idempotente para que um webhook duplicado não seja processado duas vezes e devolva qualquer saldo reservado em caso de falha.
Use consultas periódicas como alternativa mesmo quando usar webhooks. Máquinas de desenvolvimento local não conseguem recebê-los, e webhooks em produção às vezes atrasam.
- Salve o ID de requisição do provedor antes de responder ao usuário.
- Assine novamente as URLs de entrada com uma validade maior do que o tempo esperado na fila.
- Registre os erros do provedor na íntegra; eles geralmente dizem exatamente qual limite foi excedido.
Perguntas frequentes
O omnihuman2.ai oferece uma API pública?
Não. Rodamos o modelo para criadores pelo estúdio web. Desenvolvedores podem acessar o OmniHuman 2 pelos provedores oficiais do modelo.
Qual é a duração máxima de áudio na API do OmniHuman 2?
300 segundos. O mínimo é de 4 segundos, e o arquivo precisa ser MP3 ou WAV com menos de 15 MB.
Qual resolução a API retorna?
A versão 2.0 renderiza nativamente em 720p e retorna um arquivo MP4.
A API é síncrona?
Em geral, não. Os jobs levam minutos, então os provedores usam uma fila com consultas periódicas ou webhooks.
Posso enviar uma gravação em WebM?
Não diretamente. Converta para WAV ou MP3 antes; a maioria das gravações de navegador precisa ser recodificada.
Como o uso é cobrado?
Por segundos de saída, que equivalem à duração do seu áudio de entrada.
Devo copiar o vídeo gerado para o meu próprio armazenamento?
Sim. As URLs de resultado do provedor podem expirar, então baixe o MP4 para o seu armazenamento assim que o job terminar.
Quanto tempo um job costuma levar?
Depende da duração do clipe e da carga da fila. No nosso próprio teste, um clipe de cerca de cinco segundos ficou pronto em aproximadamente dois minutos do início ao fim, então projete sua interface pensando em minutos, não em segundos.