Chuyển đến nội dung

Lập trình viên · Cập nhật thg 10 2026

OmniHuman 2 API: Đầu vào, giới hạn và cách hoạt động

Nếu bạn đang đánh giá OmniHuman 2 API cho một sản phẩm, những chi tiết quan trọng là cấu trúc request, giới hạn đầu vào và cách kết quả được trả về. Trang này tổng hợp chúng ở một nơi, dựa trên thông số do các nhà cung cấp lưu trữ mô hình công bố, và giải thích những gì bạn cần xử lý trong code của mình trước khi gửi request.

Ảnh+Giọng nói=Video

Giọng nói
Chưa có ảnh? Thử:
  • Xem trước miễn phí
  • Đăng nhập Google
  • Tải lên riêng tư
Quảng cáo UGC
Ca hát
Nhiều người
mỗi video
5 phút
đầu ra
720p
người mỗi cảnh
Nhiều
ngôn ngữ
6

Nếu bạn không cần tích hợp gì mà chỉ muốn có video, bạn có thể bỏ qua phần kỹ thuật: studio của chúng tôi bọc cùng mô hình đó với kiểm tra file tải lên, thu âm trên trình duyệt, lưu trữ và tải về.

Một request OmniHuman 2 API gồm những gì

Một request có hai trường bắt buộc và một trường tùy chọn. URL ảnh trỏ đến người (hoặc những người) cần làm chuyển động; URL âm thanh trỏ đến lời nói hoặc bài hát điều khiển màn trình diễn; prompt tùy chọn mô tả chuyển động, tâm trạng, chi tiết bối cảnh và chuyển động máy quay. Kết quả thường được trả về bất đồng bộ qua hàng đợi: bạn gửi request, nhận request ID, rồi poll trạng thái hoặc nhận webhook khi video sẵn sàng.

  • image_url — bắt buộc; ảnh tĩnh cần làm chuyển động.
  • audio_url — bắt buộc; MP3 hoặc WAV quyết định độ dài và khớp khẩu hình.
  • prompt — tùy chọn; hỗ trợ tiếng Anh, tiếng Trung, tiếng Nhật, tiếng Hàn, tiếng Tây Ban Nha (Mexico) và tiếng Indonesia.

Giới hạn đầu vào cần kiểm tra trước

Request bị từ chối gây mất thời gian và đôi khi mất tiền, nên hãy kiểm tra ở phía bạn trước khi gọi mô hình. Ảnh phải ở định dạng phổ biến như JPEG, PNG, WEBP, BMP, TIFF, GIF hoặc HEIC, không quá 30 MB, mỗi cạnh từ 300 đến 6000 pixel, tỷ lệ rộng/cao từ 0,4 đến 2,5. Âm thanh phải là WAV hoặc MP3, tối đa 15 MB và dài từ 4 đến 300 giây.

Bản thu trên trình duyệt thường ở định dạng WebM hoặc Opus, vốn mô hình không chấp nhận. Hãy chuyển sang WAV hoặc MP3 trước khi tải lên — studio của chúng tôi mã hóa lại bản thu thành WAV mono 22,05 kHz, giúp clip năm phút vẫn nằm dưới giới hạn dung lượng.

Đầu ra và tính phí

Một job hoàn tất trả về URL file video và thời lượng dùng để tính phí, khớp với độ dài âm thanh đầu vào. Đầu ra là MP4 720p gốc. URL của nhà cung cấp có thể hết hạn, nên hệ thống production cần sao chép file vào kho lưu trữ riêng ngay khi job xong thay vì liên kết trực tiếp tới nhà cung cấp.

Vì chi phí tăng theo số giây render, hãy đo thời lượng âm thanh trên server — đừng bao giờ tin thời lượng do trình duyệt gửi lên — và giữ trước chi phí trước khi gửi job để các job chạy song song không thể tiêu vượt số dư.

Một quy trình sẵn sàng cho production

Mô hình chúng tôi áp dụng cho mọi lần render trên trang này:

  1. 1Tải lên kho lưu trữ riêng tưCấp URL tải lên có chữ ký, thời hạn ngắn; không bao giờ để lộ liên kết công khai dài hạn tới ảnh của người dùng.
  2. 2Xác minh phía serverĐo lại độ dài âm thanh và xác nhận cả hai file tồn tại trước khi trừ bất kỳ khoản phí nào.
  3. 3Giữ trước rồi mới gửiGiữ credit một cách nguyên tử, gửi job và tự động hoàn lại nếu gửi thất bại.
  4. 4Hoàn tất một cách idempotentKhi nhận webhook hoặc poll, lấy kết quả, lưu file MP4 và đánh dấu job hoàn tất đúng một lần.

Khi nào studio no-code là lựa chọn tốt hơn

Xây dựng quy trình trên mất nhiều ngày công: lưu trữ, kiểm tra đầu vào, hàng đợi, webhook, thử lại và thanh toán. Nếu mục tiêu của bạn là nội dung chứ không phải một tính năng sản phẩm, studio của chúng tôi cho bạn cùng đầu ra OmniHuman 2.0 với tất cả những thứ đó đã được làm sẵn. Bản thân chúng tôi không cung cấp API công khai; trang này được thiết kế cho nhà sáng tạo và marketer muốn có video hoàn chỉnh.

Xử lý lỗi và thử lại

Hãy coi mọi job đều có thể thất bại: nhà cung cấp có thể từ chối đầu vào, hết thời gian chờ khi quá tải, hoặc trả về kết quả không tải được. Giữ một cột trạng thái (queued, running, done, failed) cho mỗi job, làm cho bước hoàn tất có tính idempotent để webhook trùng lặp không bị xử lý hai lần, và hoàn lại số dư đã giữ khi thất bại.

Vẫn dùng poll làm phương án dự phòng ngay cả khi đã dùng webhook. Máy phát triển local không nhận được webhook, và webhook trên production đôi khi bị trễ.

  • Lưu request ID của nhà cung cấp trước khi phản hồi lại người dùng.
  • Ký lại URL đầu vào với thời hạn hiệu lực dài hơn thời gian chờ hàng đợi dự kiến.
  • Ghi log nguyên văn lỗi từ nhà cung cấp; chúng thường nêu chính xác giới hạn nào bị vượt.

Câu hỏi thường gặp

omnihuman2.ai có cung cấp API công khai không?

Không. Chúng tôi vận hành mô hình cho nhà sáng tạo qua studio trên web. Lập trình viên có thể truy cập OmniHuman 2 qua các nhà cung cấp mô hình chính thức.

Độ dài âm thanh tối đa của OmniHuman 2 API là bao nhiêu?

300 giây. Tối thiểu là 4 giây, và file phải là MP3 hoặc WAV dưới 15 MB.

API trả về độ phân giải bao nhiêu?

Phiên bản 2.0 render gốc ở 720p và trả về file MP4.

API có đồng bộ không?

Thường là không. Job mất vài phút, nên các nhà cung cấp dùng hàng đợi với poll hoặc webhook.

Tôi có thể gửi bản thu WebM không?

Không trực tiếp. Hãy chuyển sang WAV hoặc MP3 trước; hầu hết bản thu trên trình duyệt đều cần mã hóa lại.

Mức sử dụng được tính phí thế nào?

Theo số giây đầu ra, bằng đúng độ dài âm thanh đầu vào của bạn.

Tôi có nên sao chép video đầu ra vào kho lưu trữ riêng không?

Có. URL kết quả của nhà cung cấp có thể hết hạn, nên hãy tải file MP4 về kho lưu trữ của bạn ngay khi job hoàn tất.

Một job thường mất bao lâu?

Tùy vào độ dài clip và tải của hàng đợi. Trong thử nghiệm của chúng tôi, một clip khoảng năm giây hoàn tất trong khoảng hai phút từ đầu đến cuối, nên hãy thiết kế giao diện tính theo phút, không phải giây.

Khám phá thêm

Cho ảnh của bạn biết nói.

Xem trước miễn phí.