Pular para o conteúdo

Comparativo · Atualizado em out. de 2026

OmniHuman 2 vs OmniHuman 1.5: o que realmente mudou

Comparar OmniHuman 2 vs OmniHuman 1.5 se resume a quatro perguntas práticas: quanto tempo um clipe pode ter, quantas pessoas podem atuar no mesmo quadro, quanto você consegue dirigir a câmera e o corpo e qual resolução sai no final. As duas versões animam uma única imagem estática a partir de uma faixa de áudio, então o fluxo de trabalho é familiar — o que mudou foi o teto.

Foto+Voz=Vídeo

Voz
Sem foto? Teste:
  • Prévia grátis
  • Login com Google
  • Uploads privados
Anúncios UGC
Canto
Várias pessoas
por vídeo
5 min
de saída
720p
pessoas por cena
Várias
idiomas
6

Esta página mostra as diferenças lado a lado, com base nas especificações de entrada publicadas de cada modelo, e explica quando a versão mais nova vale a pena. Se você só quer ver o resultado, envie um retrato no topo da página e renderize com a versão 2.0.

OmniHuman 2 vs OmniHuman 1.5 em resumo

A mudança principal é a duração. A versão 1.5 limita o áudio a cerca de 30 segundos quando você pede 1080p e a uns 60 segundos em 720p. A versão 2.0 aceita áudio de 4 segundos até 300 segundos, então um vídeo explicativo completo de produto, um trecho de podcast ou um refrão inteiro cabem em uma única renderização, em vez de serem montados a partir de pedaços curtos.

A segunda mudança é quem pode aparecer na cena. Na 1.5, você passa uma máscara opcional para escolher qual pessoa da imagem deve falar. A versão 2.0 foi feita para performances com várias pessoas, então uma foto em grupo pode virar um diálogo, e não um monólogo com figurantes calados.

Tomadas mais longas, sem emendas

Limites curtos influenciam a forma de escrever. Com um teto de um minuto, os roteiros são picotados em segmentos, e cada corte é uma chance de a iluminação, a posição da cabeça ou a expressão darem um salto. Um teto de cinco minutos elimina a maior parte dessas emendas. Aulas, depoimentos e histórias narradas podem rodar sem interrupção, e o modelo mantém a mesma identidade e o mesmo enquadramento durante toda a tomada.

A duração também afeta o planejamento de custos. No nosso serviço você paga por segundo renderizado (10 créditos por segundo), então uma tomada única e longa custa o mesmo que várias curtas somando a mesma duração — mas você evita o trabalho de edição para juntá-las.

Mais controle sobre câmera, corpo e gestos

As duas versões aceitam um prompt de texto. Na prática, a 1.5 o trata como uma orientação de clima e movimento, enquanto a 2.0 é divulgada com controle explícito de movimento de câmera, movimento corporal e gestos. Prompts como “slow push-in” (aproximação lenta), “turns toward the second speaker” (se vira para a segunda pessoa que fala) ou “raises the product on the last line” (levanta o produto na última frase) são o tipo de direção que a versão mais nova foi feita para seguir.

A versão 2.0 também lista seis idiomas de prompt — inglês, chinês, japonês, coreano, espanhol (México) e indonésio —, o que ajuda equipes que escrevem as notas de direção no próprio idioma.

Resolução e saída

Aqui a 1.5 ainda tem uma vantagem: ela consegue gerar 1080p em clipes curtos. A versão 2.0 renderiza nativamente em 720p. Para feeds de redes sociais, anúncios e apresentações vistos no celular, 720p normalmente é indistinguível depois da compressão da plataforma; para exibição em telas grandes, a opção de 1080p do modelo antigo em clipes de menos de 30 segundos ainda pode fazer sentido.

  • Escolha a 2.0 para qualquer coisa com mais de um minuto, qualquer cena com mais de uma pessoa ou quando precisar dirigir movimentos de câmera.
  • Escolha a 1.5 apenas para clipes muito curtos, com uma só pessoa falando, em que a saída em 1080p importa mais do que o controle de movimento.

Entradas aceitas por cada versão

A versão 2.0 recebe uma imagem (JPG, PNG, WEBP e outros formatos comuns, de 300 a 6000 px em cada lado, até 30 MB, proporção entre 0,4 e 2,5) e um arquivo MP3 ou WAV de até 15 MB. A versão 1.5 recebe o mesmo par básico, mais uma máscara opcional de quem fala e um modo “turbo” mais rápido. Nosso estúdio valida cada arquivo pelos limites da 2.0 antes de você pagar qualquer coisa, então você nunca desperdiça créditos com um arquivo que o modelo rejeitaria.

Migrando da 1.5 para a 2.0

Fluxos de trabalho da 1.5 migram sem mudanças nas entradas: a mesma foto e o mesmo áudio são aceitos, e os prompts continuam valendo. Elimine a etapa da máscara de quem fala, já que cenas em grupo são tratadas nativamente, e remova a lógica que dividia roteiros longos em pedaços de um minuto.

OmniHuman 2.0 comparado ao OmniHuman 1.5

OmniHuman 2.0 comparado ao OmniHuman 1.5
RecursoOmniHuman 1.5OmniHuman 2.0
Duração máxima do áudio30 s em 1080p · 60 s em 720p4–300 s
Pessoas por cenaUma pessoa falando, escolhida com uma máscaraPerformances com várias pessoas
DireçãoOrientação por promptControle de câmera, corpo e gestos
Resolução de saída720p ou 1080p720p nativo
Idiomas de promptNão especificado6 idiomas listados

Perguntas frequentes

O OmniHuman 2 é melhor que o OmniHuman 1.5?

Para a maioria dos usos, sim: ele aceita clipes de até cinco minutos, cenas com várias pessoas e direção de câmera explícita. A versão antiga só ganha na saída em 1080p para clipes muito curtos.

O OmniHuman 2.0 gera vídeo em 1080p?

Não. A versão 2.0 renderiza nativamente em 720p. A versão 1.5 oferecia 1080p, mas só para áudios de menos de uns 30 segundos.

Posso reaproveitar meus prompts da 1.5 na 2.0?

Sim. Prompts que descrevem clima e movimento continuam funcionando. Com a 2.0 você pode ir além, acrescentando movimentos de câmera e gestos específicos.

Qual versão o omnihuman2.ai usa?

Todas as renderizações deste site usam o OmniHuman 2.0. Não rebaixamos para versões antigas para economizar.

Vídeos mais longos custam mais?

Sim, proporcionalmente. A renderização custa 10 créditos por segundo de vídeo, então um vídeo de 60 segundos usa 600 créditos, seja qual for a divisão.

Por que alguém ainda usaria a 1.5?

Principalmente para clipes de menos de 30 segundos com uma só pessoa falando, em que um arquivo em 1080p é obrigatório e a direção de câmera não é necessária.

Continue explorando

Faça sua foto falar.

Prévia grátis.