مواد پر جائیں

ڈیولپرز · اپڈیٹ: اکتوبر 2026

OmniHuman 2 API: ان پٹس، حدود اور یہ کیسے کام کرتا ہے

اگر آپ کسی پروڈکٹ کے لیے OmniHuman 2 API کا جائزہ لے رہے ہیں تو اہم تفصیلات ریکویسٹ کی ساخت، ان پٹ کی حدود اور نتائج واپس آنے کا طریقہ ہیں۔ یہ صفحہ ہوسٹنگ پرووائیڈرز کی شائع کردہ وضاحتوں کی بنیاد پر انہیں ایک جگہ اکٹھا کرتا ہے، اور بتاتا ہے کہ ریکویسٹ بھیجنے سے پہلے اپنے کوڈ میں کیا سنبھالنا ہے۔

تصویر+آواز=ویڈیو

آواز
تصویر نہیں ہے؟ یہ آزمائیں:
  • مفت پریویو
  • Google سائن اِن
  • نجی اپ لوڈز
UGC اشتہارات
گانا
کئی افراد
فی ویڈیو
5 منٹ
آؤٹ پٹ
720p
افراد والے مناظر
کئی
زبانیں
6

اگر آپ کو کچھ انٹیگریٹ نہیں کرنا اور بس ویڈیوز چاہییں تو انجینئرنگ کو چھوڑ دیں: ہمارا اسٹوڈیو اسی ماڈل کو اپ لوڈ ویلیڈیشن، براؤزر ریکارڈنگ، اسٹوریج اور ڈاؤن لوڈز کے ساتھ پیش کرتا ہے۔

OmniHuman 2 API ریکویسٹ میں کیا ہوتا ہے

ریکویسٹ میں دو لازمی فیلڈز اور ایک اختیاری فیلڈ ہوتی ہے۔ امیج URL اس شخص (یا اشخاص) کی طرف اشارہ کرتا ہے جسے متحرک کرنا ہے؛ آڈیو URL اس تقریر یا گانے کی طرف جو پرفارمنس کو چلاتا ہے؛ اختیاری پرامپٹ حرکت، موڈ، منظر کی تفصیلات اور کیمرا موومنٹ بیان کرتا ہے۔ نتائج عموماً قطار کے ذریعے غیر ہم وقت (asynchronous) طور پر ملتے ہیں: آپ ریکویسٹ بھیجتے ہیں، ریکویسٹ ID ملتی ہے، پھر اسٹیٹس کے لیے پول کرتے ہیں یا ویڈیو تیار ہونے پر ویب ہُک وصول کرتے ہیں۔

  • image_url — لازمی؛ متحرک کی جانے والی ساکن تصویر۔
  • audio_url — لازمی؛ MP3 یا WAV جو لمبائی اور لپ سنک طے کرتا ہے۔
  • prompt — اختیاری؛ انگریزی، چینی، جاپانی، کوریائی، ہسپانوی (میکسیکو) اور انڈونیشیائی میں معاون۔

ان پٹ کی حدود جو پہلے جانچنی چاہییں

مسترد شدہ ریکویسٹس وقت اور کبھی کبھی پیسہ ضائع کرتی ہیں، اس لیے ماڈل کال کرنے سے پہلے اپنی طرف ویلیڈیشن کریں۔ تصویر کسی عام فارمیٹ جیسے JPEG، PNG، WEBP، BMP، TIFF، GIF یا HEIC میں ہونی چاہیے، 30 MB سے بڑی نہ ہو، ہر سائیڈ پر 300 سے 6000 پکسل ہو، اور چوڑائی اور اونچائی کا تناسب 0.4 سے 2.5 تک ہو۔ آڈیو WAV یا MP3 ہو، زیادہ سے زیادہ 15 MB، اور 4 سے 300 سیکنڈ لمبا ہو۔

براؤزر ریکارڈنگز عموماً WebM یا Opus ہوتی ہیں، جنہیں ماڈل قبول نہیں کرتا۔ اپ لوڈ سے پہلے انہیں WAV یا MP3 میں تبدیل کریں — ہمارا اسٹوڈیو ریکارڈنگز کو 22.05 kHz مونو WAV میں دوبارہ انکوڈ کرتا ہے، جس سے پانچ منٹ کا کلپ بھی سائز کی حد کے اندر رہتا ہے۔

آؤٹ پٹ اور بلنگ

مکمل ہونے والی جاب ویڈیو فائل کا URL اور بلنگ میں استعمال ہونے والا دورانیہ واپس کرتی ہے، جو ان پٹ آڈیو کی لمبائی کے برابر ہوتا ہے۔ آؤٹ پٹ نیٹو 720p MP4 ہے۔ پرووائیڈر کے URLs ایکسپائر ہو سکتے ہیں، اس لیے پروڈکشن سسٹمز کو پرووائیڈر سے براہِ راست لنک کرنے کے بجائے جاب مکمل ہوتے ہی فائل اپنے اسٹوریج میں کاپی کر لینی چاہیے۔

چونکہ لاگت رینڈر شدہ سیکنڈز کے ساتھ بڑھتی ہے، اس لیے آڈیو کا دورانیہ سرور پر ناپیں — براؤزر سے بھیجے گئے دورانیے پر کبھی بھروسہ نہ کریں — اور ریکویسٹ بھیجنے سے پہلے لاگت ریزرو کریں تاکہ بیک وقت چلنے والی جابز بیلنس سے زیادہ خرچ نہ کر سکیں۔

پروڈکشن کے لیے تیار فلو

وہ طریقہ جو ہم اس سائٹ پر ہر رینڈر کے لیے چلاتے ہیں:

  1. 1نجی اسٹوریج میں اپ لوڈمختصر مدت کے سائن شدہ اپ لوڈ URLs جاری کریں؛ صارفین کی تصاویر کے لیے کبھی طویل مدتی پبلک لنکس ظاہر نہ کریں۔
  2. 2سرور پر تصدیقکوئی بھی چارج کرنے سے پہلے آڈیو کی لمبائی دوبارہ ناپیں اور تصدیق کریں کہ دونوں فائلیں موجود ہیں۔
  3. 3پہلے ریزرو، پھر سبمٹکریڈٹس ایٹامک طریقے سے ریزرو کریں، جاب سبمٹ کریں، اور سبمشن ناکام ہونے پر خودبخود ریفنڈ کریں۔
  4. 4آئیڈمپوٹنٹ طریقے سے مکمل کریںویب ہُک یا پول پر نتیجہ حاصل کریں، MP4 محفوظ کریں، اور جاب کو صرف ایک بار مکمل نشان زد کریں۔

کب بغیر کوڈ کا اسٹوڈیو بہتر انتخاب ہے

اوپر والی پائپ لائن بنانے میں کئی دن لگتے ہیں: اسٹوریج، ویلیڈیشن، قطاریں، ویب ہُکس، ری ٹرائیز اور بلنگ۔ اگر آپ کا مقصد پروڈکٹ فیچر نہیں بلکہ مواد ہے تو ہمارا اسٹوڈیو آپ کو یہ سب پہلے سے تیار حالت میں وہی OmniHuman 2.0 آؤٹ پٹ دیتا ہے۔ ہم خود کوئی پبلک API پیش نہیں کرتے؛ یہ سائٹ ان کری ایٹرز اور مارکیٹرز کے لیے بنائی گئی ہے جو تیار ویڈیوز چاہتے ہیں۔

ناکامیوں اور ری ٹرائیز کو سنبھالنا

ہر جاب کو ایسی چیز سمجھیں جو ناکام ہو سکتی ہے: پرووائیڈر کوئی ان پٹ مسترد کر سکتا ہے، لوڈ کی وجہ سے ٹائم آؤٹ ہو سکتا ہے، یا ایسا نتیجہ واپس کر سکتا ہے جو ڈاؤن لوڈ نہ ہو سکے۔ ہر جاب کے لیے ایک اسٹیٹس کالم (queued، running، done، failed) رکھیں، مکمل کرنے والے مرحلے کو آئیڈمپوٹنٹ بنائیں تاکہ ڈپلیکیٹ ویب ہُک دو بار پروسیس نہ ہو، اور ناکامی پر ریزرو کیا گیا بیلنس واپس کریں۔

ویب ہُکس استعمال کرتے ہوئے بھی بیک اپ کے طور پر پول کریں۔ لوکل ڈیولپمنٹ مشینیں انہیں وصول نہیں کر سکتیں، اور پروڈکشن ویب ہُکس کبھی کبھار تاخیر سے آتے ہیں۔

  • صارف کو جواب دینے سے پہلے پرووائیڈر کی ریکویسٹ ID محفوظ کریں۔
  • ان پٹ URLs کو قطار کے متوقع وقت سے لمبی مدت کے ساتھ دوبارہ سائن کریں۔
  • پرووائیڈر کی ایررز لفظ بہ لفظ لاگ کریں؛ ان میں عموماً بالکل وہی حد درج ہوتی ہے جو پار ہوئی۔

عام سوالات

کیا omnihuman2.ai پبلک API پیش کرتا ہے؟

نہیں۔ ہم ویب اسٹوڈیو کے ذریعے کری ایٹرز کے لیے ماڈل چلاتے ہیں۔ ڈیولپرز سرکاری ماڈل پرووائیڈرز کے ذریعے OmniHuman 2 تک رسائی حاصل کر سکتے ہیں۔

OmniHuman 2 API کے لیے آڈیو کی زیادہ سے زیادہ لمبائی کیا ہے؟

300 سیکنڈ۔ کم از کم 4 سیکنڈ ہے، اور فائل MP3 یا WAV میں 15 MB سے کم ہونی چاہیے۔

API کس ریزولوشن میں ویڈیو واپس کرتا ہے؟

ورژن 2.0 نیٹو طور پر 720p میں رینڈر کرتا ہے اور MP4 فائل واپس کرتا ہے۔

کیا API ہم وقت (synchronous) ہے؟

عام طور پر نہیں۔ جابز میں منٹ لگتے ہیں، اس لیے پرووائیڈرز پولنگ یا ویب ہُکس کے ساتھ قطار استعمال کرتے ہیں۔

کیا WebM ریکارڈنگ بھیجی جا سکتی ہے؟

براہِ راست نہیں۔ پہلے اسے WAV یا MP3 میں تبدیل کریں؛ زیادہ تر براؤزر ریکارڈنگز کو دوبارہ انکوڈ کرنا پڑتا ہے۔

استعمال کا بل کیسے بنتا ہے؟

آؤٹ پٹ کے سیکنڈز کے حساب سے، جو آپ کے ان پٹ آڈیو کی لمبائی کے برابر ہوتے ہیں۔

کیا آؤٹ پٹ ویڈیو اپنے اسٹوریج میں کاپی کرنی چاہیے؟

جی ہاں۔ پرووائیڈر کے نتیجے والے URLs ایکسپائر ہو سکتے ہیں، اس لیے جاب مکمل ہوتے ہی MP4 اپنے اسٹوریج میں ڈاؤن لوڈ کر لیں۔

ایک جاب میں عموماً کتنا وقت لگتا ہے؟

یہ کلپ کی لمبائی اور قطار کے لوڈ پر منحصر ہے۔ ہمارے اپنے ٹیسٹ میں تقریباً پانچ سیکنڈ کا کلپ شروع سے آخر تک تقریباً دو منٹ میں مکمل ہوا، اس لیے اپنا UI سیکنڈز نہیں بلکہ منٹوں کو ذہن میں رکھ کر ڈیزائن کریں۔

مزید دیکھیں

اپنی تصویر کو بولنے دیں۔

پریویو مفت ہے۔