Если ничего интегрировать не нужно и вам просто нужны видео, можно обойтись без разработки: наша студия предоставляет ту же модель с проверкой загрузок, записью в браузере, хранением и скачиванием.
Из чего состоит запрос к OmniHuman 2 API
В запросе два обязательных поля и одно необязательное. URL изображения указывает на человека (или людей), которого нужно оживить; URL аудио — на речь или песню, которая управляет выступлением; необязательный промпт описывает движения, настроение, детали сцены и движение камеры. Результаты обычно приходят асинхронно через очередь: вы отправляете задачу, получаете ID запроса, а затем опрашиваете статус или получаете вебхук, когда видео готово.
- image_url — обязательно; статичное изображение для анимации.
- audio_url — обязательно; MP3 или WAV, который задаёт длину и липсинк.
- prompt — необязательно; поддерживаются английский, китайский, японский, корейский, испанский (Мексика) и индонезийский.
Какие лимиты проверить заранее
Отклонённые запросы отнимают время, а иногда и деньги, поэтому проверяйте данные на своей стороне до вызова модели. Изображение должно быть в распространённом формате — JPEG, PNG, WEBP, BMP, TIFF, GIF или HEIC, — не больше 30 МБ, от 300 до 6000 пикселей по каждой стороне, с соотношением ширины к высоте от 0,4 до 2,5. Аудио — WAV или MP3, не больше 15 МБ и длительностью от 4 до 300 секунд.
Записи из браузера обычно в формате WebM или Opus, которые модель не принимает. Перед загрузкой конвертируйте их в WAV или MP3 — наша студия перекодирует записи в WAV 22,05 кГц моно, благодаря чему даже пятиминутный ролик укладывается в лимит размера.
Результат и оплата
Завершённая задача возвращает URL видеофайла и длительность для оплаты, которая совпадает с длиной входного аудио. На выходе — MP4 в нативном 720p. Ссылки провайдера могут истекать, поэтому продакшн-системам стоит копировать файл в собственное хранилище сразу после завершения задачи, а не ссылаться на провайдера напрямую.
Стоимость растёт с количеством отрендеренных секунд, поэтому измеряйте длительность аудио на сервере — никогда не доверяйте длительности, присланной браузером, — и резервируйте стоимость до отправки, чтобы параллельные задачи не ушли в минус по балансу.
Процесс, готовый к продакшну
Схема, по которой работает каждый рендер на этом сайте:
- 1Загрузка в приватное хранилищеВыдавайте короткоживущие подписанные URL для загрузки; никогда не раскрывайте долгоживущие публичные ссылки на фото пользователей.
- 2Проверка на сервереЗаново измерьте длину аудио и убедитесь, что оба файла существуют, прежде чем что-либо списывать.
- 3Сначала резерв, потом отправкаАтомарно зарезервируйте кредиты, отправьте задачу и автоматически верните их, если отправка не удалась.
- 4Идемпотентное завершениеПо вебхуку или опросу получите результат, сохраните MP4 и отметьте задачу выполненной ровно один раз.
Когда студия без кода — лучший выбор
Построение такого конвейера занимает дни работы: хранилище, валидация, очереди, вебхуки, повторы и биллинг. Если ваша цель — контент, а не функция продукта, наша студия даёт тот же результат OmniHuman 2.0, где всё это уже сделано. Собственного публичного API мы не предлагаем: сайт создан для авторов и маркетологов, которым нужны готовые видео.
Обработка сбоев и повторов
Считайте, что любая задача может завершиться ошибкой: провайдер может отклонить входные данные, не уложиться по времени под нагрузкой или вернуть результат, который не удаётся скачать. Храните для каждой задачи столбец статуса (в очереди, выполняется, готово, ошибка), сделайте шаг завершения идемпотентным, чтобы повторный вебхук не обработался дважды, и возвращайте зарезервированный баланс при сбое.
Используйте опрос как запасной вариант, даже если работаете с вебхуками. Локальные машины разработчиков не могут их принимать, а в продакшне вебхуки иногда задерживаются.
- Сохраняйте ID запроса провайдера, прежде чем отвечать пользователю.
- Переподписывайте URL входных файлов со сроком действия дольше ожидаемого времени в очереди.
- Логируйте ошибки провайдера дословно: обычно в них указан конкретный превышенный лимит.
Вопросы и ответы
Есть ли у omnihuman2.ai публичный API?
Нет. Мы запускаем модель для авторов через веб-студию. Разработчики могут получить доступ к OmniHuman 2 через официальных провайдеров модели.
Какая максимальная длина аудио в OmniHuman 2 API?
300 секунд. Минимум — 4 секунды, файл должен быть в MP3 или WAV и весить меньше 15 МБ.
Какое разрешение возвращает API?
Версия 2.0 рендерит в нативном 720p и возвращает файл MP4.
API синхронный?
Как правило, нет. Задачи занимают минуты, поэтому провайдеры используют очередь с опросом или вебхуками.
Можно ли отправить запись в WebM?
Напрямую — нет. Сначала конвертируйте её в WAV или MP3; большинство записей из браузера требуют перекодирования.
Как тарифицируется использование?
По секундам результата, что равно длине вашего входного аудио.
Нужно ли копировать готовое видео в своё хранилище?
Да. Ссылки на результаты у провайдеров могут истекать, поэтому скачивайте MP4 в своё хранилище сразу после завершения задачи.
Сколько обычно длится задача?
Зависит от длины ролика и загрузки очереди. В нашем тесте ролик примерно на пять секунд был готов целиком примерно за две минуты, так что проектируйте интерфейс в расчёте на минуты, а не секунды.