What is OmniHuman 1.5?

OmniHuman 1.5 is a talking-head video model from ByteDance that animates a single portrait into a lifelike speaking character. It produces expressive lip-sync, facial performance, and subtle head motion from one image plus audio.

How does OmniHuman 1.5 work?

You provide a portrait and an audio track. The model analyses the voice for rhythm, prosody, and phonemes, then generates a video where the pictured person speaks in sync with the audio and performs matching facial expressions.

Is OmniHuman 1.5 free on Popcraft?

Free Popcraft accounts include credits you can spend on OmniHuman 1.5. Longer or higher-resolution renders consume more credits, and paid plans or top-ups extend your monthly budget.

Can I use OmniHuman 1.5 videos commercially?

Popcraft paid plans grant commercial rights to the videos you render. You still need consent to use the likeness of any real person pictured in your source portrait — never generate talking-head content of someone without permission.

How long can an OmniHuman 1.5 clip be?

Up to 30 seconds per render at 1080p and up to 60 seconds at 720p. Longer videos are assembled by stitching multiple clips together on the Remotion timeline.

What aspect ratios does OmniHuman 1.5 support?

9:16 for vertical short-form video, 16:9 for widescreen YouTube and landing pages, and 1:1 for square feed posts. Popcraft exposes all three from the Character Studio.

How do I try OmniHuman 1.5 on Popcraft?

Open the Character page, upload a portrait, attach your audio, pick aspect ratio and resolution, and submit. Progress streams live and the finished talking-head video lands in your gallery.

ByteDance · OmniHuman 1.5

เปลี่ยนรูปถ่ายเดียวเป็นวิดีโอพูดได้ด้วย OmniHuman 1.5

ใส่รูปพอร์ตเทรตเดียวและแทร็กเสียงใดก็ได้ แล้ว OmniHuman 1.5 จะสร้างลิปซิงค์ระดับภาพยนตร์ การแสดงสีหน้าที่มีอารมณ์ และท่าทางศีรษะที่เป็นธรรมชาติ

ลองวิดีโอพูดได้ฟรี

OmniHuman 1.5 ทำอะไรได้บ้าง

อวาตาร์จากรูปเดียว

ทำให้รูปพอร์ตเทรตเดียวเป็นตัวละครที่แสดงได้เต็มรูปแบบ — ไม่ต้อง rig ไม่ต้องเทรน ไม่ต้องถ่ายใหม่

ลิปซิงค์แม่นยำ

รูปปาก การเคลื่อนไหวขากรรไกร และจังหวะโฟนีมล็อคตรงกับแทร็กเสียงที่คุณใส่

การแสดงอารมณ์

สีหน้า การเคลื่อนไหวเล็กๆ น้อยๆ และท่าทางศีรษะตอบสนองต่อจังหวะและพลังงานของเสียง

คุณภาพระดับภาพยนตร์

ตัวสร้างที่อัปเกรดของ ByteDance ให้ผิว ผม และแสงที่เป็นธรรมชาติ คมชัดแม้ในช็อตใกล้

แนวตั้ง สี่เหลี่ยม แนวนอน

ส่งออก 9:16 สำหรับ Shorts, 1:1 สำหรับฟีด และ 16:9 สำหรับ YouTube หรือเว็บจากรูปต้นฉบับเดียวกัน

การกำหนดเป้าหมายด้วยมาสก์

ใช้มาสก์เพื่อล็อคลิปซิงค์กับบุคคลที่ถูกต้องเมื่อมีหลายใบหน้าในเฟรม

สร้างมาเพื่อครีเอเตอร์ตัวจริง

วิดีโอโฆษกบนโซเชียลมีเดีย

เปลี่ยนรูปถ่ายผู้ก่อตั้งเป็นวิดีโออธิบายบน TikTok, Reels และ Shorts ในภาษาใดก็ได้ โดยไม่ต้องจองสตูดิโอหรือนักแสดง

ครีเอทีฟโฆษณาและเดโมสินค้า

สร้างโฆษณาอวาตาร์หลายภาษาหลายสิบชิ้นจากรูปเดียว — เปลี่ยนสคริปต์และเสียงขณะที่การแสดงยังคงสม่ำเสมอ

วิดีโอคอร์สและการฝึกอบรม

สร้างโมดูลออนบอร์ด HR และ e-learning ที่ผู้สอนที่เป็นมิตรพูดตรงกับกล้องในเวลาไม่เกิน 30 วินาที

การเข้าถึงส่วนตัวและการขาย

สร้างอินโทร talking-head 15 วินาทีสำหรับอีเมลและ LinkedIn ที่รู้สึกเหมือนบันทึกจริงแต่ขยายขนาดได้เหมือนข้อความ

สเปค

ผู้ให้บริการ: ByteDance
ประเภทอินพุต: รูปพอร์ตเทรต + เสียง
รูปแบบภาพที่รองรับ: JPEG / PNG
รูปแบบเสียงที่รองรับ: MP3 / WAV / M4A
อัตราส่วนภาพ: 9:16, 16:9, 1:1
ความละเอียด: 720p, 1080p
ความยาวสูงสุด (720p): 60 วินาที
ความยาวสูงสุด (1080p): 30 วินาที
รองรับมาสก์: ใช่ (กำหนดเป้าหมายใบหน้าเฉพาะ)
การนำทางด้วยพรอมต์: เลือกได้

Popcraft ใช้ OmniHuman 1.5 อย่างไร

OmniHuman 1.5 ขับเคลื่อนเวิร์กโฟลว์วิดีโอพูดได้ของ Character Studio ใน Popcraft อัปโหลดรูปพอร์ตเทรต แนบแทร็กเสียงจาก ElevenLabs TTS หรือจากการบันทึกของคุณ เลือกอัตราส่วนภาพและความละเอียด แล้ว Popcraft จัดการการเลือกมาสก์ การส่งผ่าน Batch AI gateway และการสตรีมความคืบหน้าผ่าน SSE คลิปสำเร็จจะบันทึกในโปรเจกต์ Avatar และแกลเลอรีสื่อ พร้อมตัดเข้าไปป์ไลน์ AI Agent ข้าง B-roll SFX และเพลงประกอบบนไทม์ไลน์หลายแทร็กของ Remotion

คำถามที่พบบ่อย

OmniHuman 1.5 คือโมเดลวิดีโอ talking-head จาก ByteDance ที่ทำให้รูปพอร์ตเทรตเดียวเป็นตัวละครพูดที่เหมือนจริง สร้างลิปซิงค์ที่มีอารมณ์ การแสดงสีหน้า และการเคลื่อนไหวศีรษะที่ละเอียดอ่อนจากรูปเดียวกับเสียง

คุณใส่รูปพอร์ตเทรตและแทร็กเสียง โมเดลจะวิเคราะห์เสียงสำหรับจังหวะ โทนเสียง และโฟนีม จากนั้นสร้างวิดีโอที่บุคคลในรูปพูดซิงค์กับเสียงและแสดงสีหน้าที่สอดคล้องกัน

บัญชีฟรี Popcraft รวมเครดิตที่ใช้กับ OmniHuman 1.5 ได้ การเรนเดอร์ที่ยาวกว่าหรือความละเอียดสูงกว่าจะใช้เครดิตมากขึ้น แพลนแบบชำระเงินหรือเติมเครดิตเพิ่มงบประมาณรายเดือนของคุณ

แพลนแบบชำระเงินของ Popcraft ให้สิทธิ์เชิงพาณิชย์สำหรับวิดีโอที่คุณเรนเดอร์ คุณยังคงต้องได้รับความยินยอมในการใช้รูปลักษณ์ของบุคคลจริงในรูปต้นฉบับ — ห้ามสร้างวิดีโอ talking-head ของบุคคลโดยไม่ได้รับอนุญาต

สูงสุด 30 วินาทีต่อการเรนเดอร์ที่ 1080p และสูงสุด 60 วินาทีที่ 720p วิดีโอที่ยาวกว่าสร้างได้โดยต่อหลายคลิปบนไทม์ไลน์ Remotion

9:16 สำหรับวิดีโอสั้นแนวตั้ง, 16:9 สำหรับ YouTube แนวนอนและหน้าแลนดิ้ง, และ 1:1 สำหรับโพสต์ฟีดสี่เหลี่ยม Popcraft เปิดให้ใช้ทั้งสามจาก Character Studio

เปิดหน้า Character อัปโหลดรูปพอร์ตเทรต แนบเสียง เลือกอัตราส่วนภาพและความละเอียด แล้วส่ง ความคืบหน้าสตรีมสดและวิดีโอ talking-head สำเร็จจะอยู่ในแกลเลอรีของคุณ

พร้อมลอง OmniHuman 1.5 แล้วหรือยัง?

เริ่มสร้างได้ในไม่กี่วินาทีด้วยเครดิตฟรี 100 เครดิต — ไม่ต้องใช้บัตร

ลองวิดีโอพูดได้ฟรี

สำรวจต่อ

โมเดลที่เกี่ยวข้อง

Kling Avatar

Kuaishou

สร้างวิดีโออวาตาร์พูดได้แบบยาวด้วย Kling Avatar บน Popcraft เอาต์พุต 9:16, 16:9 และ 1:1 ยาวสูงสุด 60 วินาทีจากรูปเดียวและเสียง

Seedance 2.5

ByteDance

Seedance 2.5 สร้างวิดีโอได้สูงสุด 30 วินาทีในครั้งเดียว พร้อมสินทรัพย์อ้างอิงสูงสุด 50 รายการ ตัดต่อวิดีโอที่ควบคุมได้ ขยายเวลาแบบความเที่ยงตรงสูง อัตราส่วนภาพตั้งแต่ 0.4 ถึง 2.5 และพรอมต์ภาษาท้องถิ่นในกว่า 10 ภาษา พร้อมใช้งานบน Popcraft

MiniMax H3

MiniMax

MiniMax H3 สร้างวิดีโอ 2K 24fps พร้อมเสียงสเตอริโอที่ซิงค์กัน ทั้งเอฟเฟกต์ เสียงบรรยากาศ และบทสนทนาในงานเดียว ถ่ายหลายช็อตจากพรอมต์เดียว ความยาว 5 ถึง 15 วินาที พร้อมระบบควบคุมเฟรมแรกและเฟรมสุดท้าย ใช้งานได้แล้วบน Popcraft

Seedance 2.0 4K

ByteDance

สร้างวิดีโอระดับภาพยนตร์ความละเอียด 4K จากข้อความ รูปภาพ หรือคลิปด้วย Seedance 2.0 บน Popcraft เสียงซิงค์เนทีฟ ลำดับหลายช็อต และรายละเอียดคมชัดสูงสุดถึง 4K (2160p)