На этой странице — откуда взялась модель, что менялось от версии к версии и как ею могут пользоваться обычные авторы. Сразу оговоримся: omnihuman2.ai — независимый сервис, который запускает модель через лицензированного провайдера. Мы не ByteDance и не BytePlus и не получали их одобрения.
Откуда взялась ByteDance OmniHuman 2
Линейка OmniHuman началась как исследовательский проект, представленный в начале 2025 года. Он выделялся тем, что генерировал людей в полный рост с жестами по одному снимку, а не просто анимировал обрезанное лицо. Следующие релизы повысили реалистичность и управляемость, а версия 1.5 стала широко доступна через платформы хостинга моделей.
Версия 2.0 — актуальный коммерческий релиз. BytePlus описывает её как модель кинематографического уровня с движением камеры и тела, сценами с несколькими людьми и управлением жестами, а также предлагает отдельный вариант для аватаров, настроенный на липсинк и мимику.
Что умеет модель
По опубликованному описанию продукта и требованиям к входным данным:
- Оживляет одно изображение с речью или пением длительностью от 4 секунд до 5 минут.
- Рендерит сцены с несколькими людьми по одному групповому фото.
- Следует текстовым промптам для движения камеры, тела и жестов.
- Принимает промпты на шести языках и работает со стилизованными, 3D-персонажами и животными.
- Выдаёт видео в нативном 720p.
Как получить доступ
Есть два основных пути. Разработчики могут вызывать модель через официальные облачные API и API платформ хостинга, самостоятельно занимаясь загрузками, очередями, хранением и оплатой. Авторам, которым просто нужны видео, подойдёт готовая студия вроде нашей: технический конвейер уже собран, а оплата идёт за каждую секунду видео.
Какой бы путь вы ни выбрали, входные данные одинаковы: чёткое фото, файл MP3 или WAV и, по желанию, короткий промпт режиссуры.
Ответственное использование
Реалистичными говорящими видео с реальными людьми можно злоупотребить. Оживляйте только те фото и голоса, которые принадлежат вам или на использование которых у вас есть разрешение, маркируйте синтетический контент там, где этого требуют площадки, и никогда не используйте технологию, чтобы выдавать себя за другого или вводить зрителей в заблуждение. Наши условия запрещают обманные дипфейки, и мы реагируем на жалобы о злоупотреблениях.
О сайте
Сайтом omnihuman2.ai управляет Nexa Labs, LLC. OmniHuman — товарный знак соответствующего владельца; мы используем это название, чтобы обозначить модель, на которой работает наш сервис. За официальными анонсами, подробностями исследований и корпоративными соглашениями обращайтесь напрямую в ByteDance и BytePlus.
Как устроена модель в общих чертах
OmniHuman относится к семейству видеомоделей на основе диффузионных трансформеров. При обучении она учится генерировать движения человека с учётом сразу нескольких сигналов — аудио, эталонной внешности, позы и текста, — поэтому в исследовании её называют «omni-conditioned», то есть «всесторонне обусловленной». Сочетание этих условий позволяет модели учиться на гораздо более разнообразных видео, чем модели, которые видят только плотно обрезанные говорящие головы.
При генерации вы передаёте только эталонное изображение, аудио и, по желанию, текстовый промпт — позу тела, мимику и поведение камеры модель выводит из них сама. Поэтому исходное изображение так важно: оно задаёт внешность, кадрирование, освещение и то, какие части тела могут двигаться.
Версии вкратце
Краткая сводка публичных релизов:
- OmniHuman-1: исследовательский релиз, показавший анимацию в полный рост по одному изображению.
- OmniHuman 1.5: широко доступная версия с управлением через промпт, необязательной маской говорящего и выводом в 720p или 1080p для коротких роликов.
- OmniHuman 2.0: коммерческий релиз с роликами до пяти минут, сценами с несколькими людьми и управлением камерой, телом и жестами в 720p.
Почему это важно для авторов
До появления таких моделей для говорящего ведущего нужны были камера, человек и монтаж. Теперь одно изображение может вести целую регулярную серию, и для небольших команд это меняет экономику объясняющих роликов, рекламы и музыкального контента. Компромиссы — вывод в 720p и рендер, занимающий минуты, — приемлемы для большинства форматов соцсетей и веба.
Вопросы и ответы
Кто создал OmniHuman 2?
OmniHuman разрабатывает ByteDance, а коммерчески модель доступна через BytePlus и партнёрские платформы моделей.
omnihuman2.ai — официальный сайт ByteDance?
Нет. Мы независимый сервис, который запускает модель через лицензированного провайдера, и не связаны с ByteDance или BytePlus и не одобрены ими.
Есть ли OmniHuman в TikTok или CapCut?
Мы не можем говорить за потребительские приложения ByteDance. Этот сайт даёт прямой доступ к модели OmniHuman 2.0 в браузере.
Что нужно OmniHuman 2 на входе?
Одно изображение и один аудиофайл MP3 или WAV длительностью от 4 секунд до 5 минут, плюс необязательный текстовый промпт.
Можно ли использовать результат в коммерческих целях?
На наших платных тарифах — да, если права на загружаемые фото и аудио принадлежат вам.
Где почитать об исследовании?
Найдите технические отчёты OmniHuman, опубликованные исследовательской командой ByteDance.
OmniHuman — это open source?
Исследование опубликовано в виде научных статей, но продакшн-модель 2.0 предлагается как коммерческий сервис через облако ByteDance и партнёрские платформы, а не как веса для скачивания.
Что за вариант для аватаров упоминает BytePlus?
BytePlus указывает отдельную модель для аватаров, ориентированную на липсинк и мимику, наряду с основной моделью 2.0, в которой акцент сделан на камере, движении тела и выступлениях нескольких людей.