На этой странице различия собраны бок о бок по опубликованным спецификациям входных данных каждой модели, а также объяснено, когда новый релиз того стоит. Если хотите просто увидеть результат, загрузите портрет в начале страницы и отрендерите его в версии 2.0.
OmniHuman 2 vs OmniHuman 1.5 вкратце
Главное изменение — длительность. Версия 1.5 ограничивает управляющее аудио примерно 30 секундами при выводе в 1080p и около 60 секунд в 720p. Версия 2.0 принимает аудио от 4 до 300 секунд, так что полноценный обзор продукта, фрагмент подкаста или целый припев помещаются в один рендер, а не склеиваются из коротких кусков.
Второе изменение — кто может быть в кадре. В 1.5 вы передаёте необязательную маску, чтобы выбрать, кто из людей на изображении будет говорить. Версия 2.0 создана для выступлений нескольких людей, поэтому групповое фото может стать диалогом, а не монологом с молчаливой массовкой.
Длинные дубли без склейки
Короткие лимиты влияют на то, как вы пишете. С потолком в одну минуту сценарии приходится резать на сегменты, и каждая склейка — шанс, что свет, положение головы или выражение лица «прыгнут». Потолок в пять минут убирает большинство таких швов. Уроки, отзывы и истории с закадровым голосом могут идти непрерывно, а модель сохраняет одну и ту же внешность и кадрирование на протяжении всего дубля.
Длина влияет и на планирование расходов. В нашем сервисе вы платите за каждую отрендеренную секунду (10 кредитов в секунду), поэтому один длинный дубль стоит столько же, сколько несколько коротких той же общей длительности, — но без монтажа, чтобы их соединить.
Больше контроля над камерой, телом и жестами
Обе версии принимают текстовый промпт. На практике 1.5 воспринимает его как ориентир для настроения и движения, а 2.0 позиционируется вокруг явного управления движением камеры, тела и жестами. Промпты вроде «slow push-in» (медленный наезд), «turns toward the second speaker» (поворачивается ко второму собеседнику) или «raises the product on the last line» (поднимает товар на последней фразе) — как раз та режиссура, которой должен следовать новый релиз.
Кроме того, для версии 2.0 заявлены шесть языков промптов — английский, китайский, японский, корейский, испанский (Мексика) и индонезийский, — что удобно командам, пишущим режиссёрские заметки на родном языке.
Разрешение и результат
Здесь у 1.5 остаётся одно преимущество: для коротких роликов она умеет выдавать 1080p. Версия 2.0 рендерит в нативном 720p. Для соцсетей, рекламы и презентаций, которые смотрят с телефона, 720p после сжатия платформой обычно неотличимо; для показа на большом экране вариант 1080p у старой модели на роликах короче 30 секунд всё ещё может иметь смысл.
- Выбирайте 2.0 для всего, что длиннее минуты, для любой сцены с несколькими людьми или когда нужно режиссировать движения камеры.
- Выбирайте 1.5 только для очень коротких роликов с одним говорящим, где вывод в 1080p важнее управления движением.
Какие входные данные принимает каждая версия
Версия 2.0 принимает одно изображение (JPG, PNG, WEBP и другие распространённые форматы, 300–6000 пикселей по каждой стороне, до 30 МБ, соотношение сторон от 0,4 до 2,5) и один файл MP3 или WAV до 15 МБ. Версия 1.5 принимает ту же базовую пару плюс необязательную маску говорящего и более быстрый режим «turbo». Наша студия проверяет каждый файл на соответствие лимитам 2.0 ещё до оплаты, так что вы никогда не потратите кредиты на файл, который модель отклонила бы.
Переход с 1.5 на 2.0
Существующие процессы на 1.5 переносятся без изменения входных данных: принимаются те же фото и аудио, а промпты подходят как есть. Уберите шаг с маской говорящего, поскольку групповые сцены обрабатываются нативно, и удалите логику, которая делила длинные сценарии на минутные куски.
OmniHuman 2.0 в сравнении с OmniHuman 1.5
| Возможность | OmniHuman 1.5 | OmniHuman 2.0 |
|---|---|---|
| Макс. длина аудио | 30 с в 1080p · 60 с в 720p | 4–300 с |
| Людей в сцене | Один говорящий, выбирается маской | Выступления нескольких людей |
| Режиссура | Ориентир через промпт | Управление камерой, телом и жестами |
| Разрешение на выходе | 720p или 1080p | Нативное 720p |
| Языки промптов | Не указаны | 6 заявленных языков |
Вопросы и ответы
OmniHuman 2 лучше, чем OmniHuman 1.5?
Для большинства задач — да: она поддерживает ролики до пяти минут, сцены с несколькими людьми и явную режиссуру камеры. Старая версия выигрывает только выводом в 1080p для очень коротких роликов.
Выдаёт ли OmniHuman 2.0 видео в 1080p?
Нет. Версия 2.0 нативно рендерит в 720p. Версия 1.5 предлагала 1080p, но только для аудио короче примерно 30 секунд.
Можно ли использовать промпты от 1.5 в 2.0?
Да. Промпты с описанием настроения и движения подходят как есть. В 2.0 можно пойти дальше, добавив движения камеры и конкретные жесты.
Какую версию использует omnihuman2.ai?
Каждый рендер на этом сайте делается в OmniHuman 2.0. Мы не переключаемся на старые версии ради экономии.
Длинные видео стоят дороже?
Да, пропорционально. Рендер стоит 10 кредитов за секунду результата, так что 60-секундное видео расходует 600 кредитов, как его ни дели.
Зачем кому-то до сих пор использовать 1.5?
В основном для роликов короче 30 секунд с одним говорящим, где нужен файл в 1080p, а режиссура камеры не требуется.