OmniHuman 2.0
OmniHuman 2.0 crea videos expresivos de personajes a partir de una sola imagen y una pista de audio. Los labios, la cara, las manos y el cuerpo siguen el ritmo, el tono y el significado de la voz, y un prompt de texto opcional dirige acciones y movimientos de cámara. OmniHuman 2.0 sirve para presentadores, cantantes, escenas de cine, personajes de dibujos animados y mascotas.
Crear ahoraFunciones principales de OmniHuman 2.0
OmniHuman 2.0 es un modelo de video impulsado por audio para humanos digitales y personajes. No se limita a mover la boca sobre una cara quieta: con una imagen y una pista de voz, OmniHuman 2.0 construye una actuación completa con lenguaje corporal, emoción y trabajo de cámara acordes al sonido, y lee un prompt opcional para dar más dirección.
Sincronización labial con emoción
OmniHuman 2.0 alinea cada sílaba con la boca y además interpreta el ritmo, la entonación y el significado de la voz. Un agradecimiento emocionado trae ojos húmedos y la respiración entrecortada; una presentación segura, una mirada firme. La cara, la cabeza y los hombros siguen la interpretación, así que discursos, testimonios y diálogos parecen actuados y no animados.
- Boca ajustada a cada sílaba
- Expresiones según tono y significado
- Respiración, pausas y movimientos de cabeza naturales
Canto y videoclips
Sube una pista vocal y el personaje la canta. La boca sigue las notas largas y las frases rápidas, el cuerpo se mueve al ritmo y el ánimo de la canción se ve en la cara. Si la imagen incluye un instrumento, las manos y el rasgueo también siguen la música, lo que facilita crear clips de actuaciones, versiones y escenas de videoclip.
- Sincronización para melodía y rap
- Cuerpo y manos al ritmo
- Listo para versiones y videoclips
Cámara y movimiento corporal de cine
OmniHuman 2.0 está pensado para escenas cinematográficas, no solo para cabezas parlantes. Los personajes caminan, giran, corren y reaccionan a velocidad real, mientras la cámara puede seguir, acercarse o acompañar la acción. Describe el plano en el prompt, como un seguimiento cámara en mano por un túnel, y el modelo organiza el movimiento alrededor de la voz.
- Movimiento de cuerpo entero a velocidad real
- Seguimientos y acercamientos de cámara
- Escenas construidas alrededor del diálogo
Control de escenas y acciones con el prompt
Un prompt corto de hasta 300 caracteres controla lo que ocurre más allá de los labios: gestos, acciones, objetos y dirección de cámara. Con OmniHuman 2.0 puedes crear vlogs de fantasía y escenas surrealistas, o pedir un movimiento concreto en un momento concreto. El audio sigue marcando el tiempo, así que la acción pedida llega sincronizada con la voz.
- Gestos y acciones dirigidos
- Movimiento de cámara guiado
- Vlogs de fantasía y surrealistas
Dibujos animados, anime y mascotas
OmniHuman 2.0 no se limita a personas fotorrealistas. Personajes de anime y dibujos animados, mascotas 3D de marca, figuras de estilo píxel y animales pueden hablar o cantar manteniendo su propio aspecto. Con una sola imagen puedes crear canales de personajes, cuentos infantiles, mascotas de marca y videos divertidos de tu perro o gato.
- Estilos anime, 3D y píxel
- Mascotas y personajes animales
- Se conserva el estilo original
Cómo crear con OmniHuman 2.0
Tres pasos desde una imagen y una voz hasta el video terminado. Antes de generar, el espacio de trabajo revisa ambos archivos y muestra el presupuesto en créditos según la duración del audio.
- 01
Añade una imagen
Sube un JPG, PNG o WEBP de hasta 30 MB, con entre 300 y 6000 píxeles por lado. Una cara nítida y la boca visible dan la mejor sincronización. Sirven retratos, planos medios y de cuerpo entero, dibujos y mascotas.
- 02
Añade la voz y un prompt opcional
Sube voz hablada o cantada en MP3 o WAV, de hasta 15 MB y entre 4 y 300 segundos. El audio limpio funciona mejor. Si quieres más control, añade un prompt de hasta 300 caracteres que describa acciones, ambiente o movimiento de cámara.
- 03
Genera y descarga
Revisa el presupuesto, que depende de la duración del audio, y genera un video 720p. Mira la actuación, descarga el MP4 o ajusta el prompt y genera otra toma.
OmniHuman 2.0 vs Kling AI Avatar 2.0
Ambos modelos convierten un retrato y una voz en un video que habla o canta. OmniHuman 2.0 añade movimiento de cámara, acción de cuerpo entero y clips más largos con un único precio 720p. Kling AI Avatar 2.0 se centra en presentadores en primer plano y ofrece una opción Pro en 1080p.
| Comparar | OmniHuman 2.0 | Kling AI Avatar 2.0 |
|---|---|---|
| Ideal para | Escenas de cine, videoclips, charlas largas | Presentadores, anuncios cortos y saludos |
| Entradas | Una imagen, un audio, prompt opcional | Un retrato, un audio y un prompt |
| Qué se mueve | Labios, cara, manos, cuerpo entero y cámara | Labios, cara, cabeza, manos y torso |
| Estilos de personaje | Real, anime, 3D, píxel, mascotas | Real, anime, ilustración, estilizado |
| Duración | Según el audio, 4–300 segundos | Según el audio, hasta 15 segundos |
| Calidad | 720p | 720p Standard · 1080p 48 fps Pro |
| Imagen | JPG / PNG / WEBP, hasta 30 MB | JPG / PNG, hasta 10 MB |
| Audio | MP3 / WAV, hasta 15 MB | MP3, WAV, AAC, M4A, OGG |
| Prompt | Opcional, hasta 300 caracteres | Obligatorio: personaje, expresión, estilo de movimiento |
| Movimiento de cámara | Seguimientos y acercamientos con prompt | Encuadre mayormente fijo |
| Créditos en AngryDance | 28 por segundo en 720p | 16 por segundo Standard · 32 Pro |
| Clip de 10 segundos | 280 créditos en 720p | 160 créditos Standard · 320 Pro |
Preguntas frecuentes sobre OmniHuman 2.0
Respuestas rápidas sobre archivos, duración, prompts, estilos de personaje y créditos.
¿Qué es OmniHuman 2.0?+
OmniHuman 2.0 es un modelo de video de personajes impulsado por audio. A partir de una imagen y una pista de audio crea un video en el que el personaje habla o canta con sincronización labial, expresiones, gestos y movimiento corporal acordes, con control opcional de acciones y cámara mediante prompt.
¿Qué tengo que subir?+
Una imagen (JPG, PNG o WEBP, hasta 30 MB, entre 300 y 6000 píxeles por lado) y un archivo de audio (MP3 o WAV, hasta 15 MB, de 4 a 300 segundos). El prompt de texto es opcional.
¿Cuánto puede durar un video de OmniHuman 2.0?+
El video dura lo mismo que tu audio. En AngryDance cada video usa de 4 a 300 segundos de audio, suficiente para presentaciones, explicaciones, canciones completas y charlas de cinco minutos. Para guiones largos, divide el audio y usa la misma imagen.
¿Para qué sirve el prompt?+
El audio marca el tiempo y la sincronización labial; el prompt añade dirección. Describe acciones, gestos, objetos o movimientos de cámara en hasta 300 caracteres, por ejemplo: levanta el trofeo y sonríe mientras la cámara se acerca despacio.
¿Puede cantar?+
Sí. Sube una voz cantada o un rap y la boca seguirá la melodía y el ritmo mientras el cuerpo y las manos se mueven con la música.
¿Funciona con dibujos animados y mascotas?+
Sí. Personajes de anime y dibujos animados, mascotas 3D, figuras de estilo píxel y animales pueden hablar o cantar manteniendo su estilo. Una cara nítida y visible da el mejor resultado.
¿Qué resolución tiene el resultado?+
Los videos se generan en 720p, adecuado para redes sociales, presentaciones y vistas previas. Para avatares parlantes en 1080p, usa Kling AI Avatar 2.0 Pro.
¿Cuántos créditos usa OmniHuman 2.0?+
Los créditos dependen de la duración del audio: 28 créditos por segundo, así que un clip de 10 segundos cuesta 280 créditos y uno de 30 segundos, 840. El espacio de trabajo muestra el presupuesto exacto antes de generar, y las cuentas nuevas pueden recibir créditos gratis.
¿En qué se diferencia OmniHuman 2.0 de Kling AI Avatar 2.0?+
OmniHuman 2.0 añade movimiento de cuerpo entero, cámara y clips de hasta 5 minutos, con prompt opcional. Kling AI Avatar 2.0 está ajustado para presentadores en primer plano, con prompt obligatorio, clips de hasta 15 segundos y una opción Pro en 1080p.
¿Cómo consigo los mejores resultados?+
Usa una imagen bien iluminada con la boca totalmente visible, audio limpio sin música encima de la voz y un prompt corto con una o dos acciones clave. Mantén el encuadre de la imagen cercano al plano que quieres.
¿Puedo usar los videos comercialmente?+
Usa imágenes, voces y prompts que te pertenezcan o que tengas autorización para usar, incluido el permiso de cualquier persona real cuya imagen o voz aparezca. Revisa el resultado de la IA antes de compartirlo o usarlo comercialmente, porque puede contener errores o parecidos no deseados. La página de Términos recoge todas las reglas.
