手持ちの音声に口パクを合わせる
OmniHuman 2.0 が声を勝手に作ることはありません。渡した音声どおりに口・表情・頭を動かすので、動画の長さは音声の長さそのままです。この例では台本を読み上げ音声(TTS)にし、あとは写真に任せました。

顔写真1枚に、話し声や歌を合わせるだけ。4秒から5分までの 720p リップシンク動画になります。ByteDance のモデルを Renoise Agent で動かします。
下の動画はすべて、隅に表示した写真から Renoise で生成した OmniHuman 2.0 の実際の出力です。カーソルを合わせると音声が流れます。
OmniHuman 2.0 が声を勝手に作ることはありません。渡した音声どおりに口・表情・頭を動かすので、動画の長さは音声の長さそのままです。この例では台本を読み上げ音声(TTS)にし、あとは写真に任せました。

話し声だけでなく歌声でも動きます。ボーカル入りの曲を渡せば、伸ばす音や息継ぎ、リズムまで顔がメロディを追います。ボーカルのないインスト曲は、追う声がないため受け付けられません。

音声は4〜300秒まで。動画はつなぎ合わせなしの、音声と同じ長さのワンテイクになります。この24秒の語りでも、最初のひと言から最後の笑い声まで、顔もメガネもスカーフもぶれません。

プロンプトは任意ですが、表情・手の動き・カメラワークを指示できます。この例では「指で数える」と「ゆっくり寄る」を指定しました。使える言語は英語・中国語・日本語・韓国語・スペイン語・インドネシア語。構図は写真のままです。

口の動きは英語の台本ではなく音声の発音そのものに合わせるので、ほかの言語の音声でも同じように使えます。このあいさつは日本語の読み上げ音声。音声を差し替えれば、1枚の写真を何か国語にも吹き替えられます。

OmniHuman は ByteDance の音声駆動型の人物動画モデルです。人物の写真1枚と音声を渡すと、その人が話したり歌ったりする動画になり、唇・表情・頭・手が音に合わせて動きます。2026年10月15日に BytePlus がリリースした OmniHuman 2.0 は、4秒から5分までのクリップを 720p で生成します。
Renoise では、OmniHuman 2.0 は Agent から使え、30以上のほかのモデルと同じプランで利用できます。Agent は先に台本を書いて音声化することもでき、声はプリセットの声か、あなた自身の録音から作ったクローン音声を選べます。その音声と写真を OmniHuman に渡して仕上げます。
1080p が必要、または話す顔のアップではなく動きのあるシーンを作りたいなら Seedance 2.5 へ。声もモデルに作らせる短いクリップなら Grok Imagine Video が向いています。
仕様は Renoise で使える内容(2026年11月11日確認)。

顔と口元がはっきり見える写真を1枚用意します。バストアップ・上半身・全身のどれでも使え、縦横比(幅÷高さ)は0.4〜2.5。動画は写真の構図をそのまま引き継ぎます。使うのはご自身の顔か、使用許可を得た人物の顔に限ってください。

4〜300秒の話し声か歌声を MP3 か WAV でアップロードします。台本を Agent に渡すこともでき、プリセットの読み上げ音声は1行あたり約2クレジット、許可を得た録音から作るクローン音声は20クレジットです。Avatar Studio なら同じ操作をボタンで選べます。

表情や身ぶり、カメラが寄る動きなど、必要なら動き方を指示します。Agent は実行前に消費クレジットを提示します。10秒の音声ならおよそ3分。音声入りの透かしなし MP4 をダウンロードできます。
最初の OmniHuman 論文から、Renoise Agent で OmniHuman 2.0 が使えるようになるまで。
ByteDance の研究チームが OmniHuman-1 を発表。画像1枚と音声または動画から、顔のアップ・上半身・全身の人物を動かします。一般公開はなし。
後継モデルで、1分を超えるクリップ、複数人が登場するシーン、テキストによるカメラと動作の制御が加わりました。のちに ByteDance のアプリ Dreamina のアバター機能にも使われています。
BytePlus が OmniHuman 2.0 をリリース。音声は4〜300秒、ネイティブ 720p、プロンプトは任意で6言語に対応。
Renoise が Agent と MCP で OmniHuman 2.0 を公開。料金は音声1秒あたり14クレジット。
出典:OmniHuman lab のページと arXiv、BytePlus の OmniHuman 2.0 API ドキュメント、Renoise の導入記録。 最終更新
Renoise で使えるのは 2.0 のみです。BytePlus の2つの API を比べて、OmniHuman 1.5 との違いをまとめました。
OmniHuman 1.5 は1本あたり60秒未満の音声まで。OmniHuman 2.0 は4〜300秒に対応するので、解説動画1本分や、歌の1番からサビまでもワンテイクに収まります。
OmniHuman 1.5 は 720p か 1080p で出力できました。OmniHuman 2.0 はネイティブ 720p のみです。1080p が必要なら、Seedance 2.5 などの汎用動画モデルを使ってください。
OmniHuman 1.5 は、写真の中のどの人物にしゃべらせるかを指定できました。2.0 の API にはこの指定がないため、2人のシーンは話者ごとに1本ずつ作ってつなげます。
画像の上限は 5 MB から 30 MB に、1辺は300〜6,000ピクセルに広がりました。スマホで撮った写真もリサイズせずに使えます。
人物にセリフをしゃべらせられる Renoise の3つの動画モデルを、Renoise での上限値で比べました。
| Renoise での仕様 | Grok Imagine Video 1.5 | Seedance 2.5 | |
|---|---|---|---|
| 使える場所 | Agent、API、MCP | 動画メニュー、Canvas、Agent | 動画メニュー、Canvas、Agent |
| 声の出どころ | 手持ちの音声 | モデルが生成 | モデルが生成、または音声参照 |
| クリップの長さ | 4〜300秒(音声に合わせる) | 1〜15秒 | 4〜30秒 |
| 最大解像度 | 720p | 720p | 1080p |
| クレジット・720p で10秒 | 140 | 170 | 320 |
| 向いている用途 | 決まった声での長い口パク・歌唱 | 短いトーク動画、手早い下書き | 動きのあるシーン、1080p |
Renoise のモデル一覧とクレジット見積もり(2026年11月11日確認)。
2026年10月時点で、170以上の国と地域の10万人以上のクリエイターが、AI動画・画像・音声プラットフォームの Renoise AI を使い、30以上のモデルで30万点以上の画像と動画を生成しています。
出典:Renoise 社内データ(2026年3月〜10月)。数値は切り捨てで、四半期ごとに更新します。 最終更新
Renoise AI で動画・画像・広告をつくるクリエイターからの実際の声。
Renoise is pretty easy to use, with a clean and smooth interface. The results from Seedance 2.5 also feel noticeably smoother in action sequences.
Renoise Ai is a good tool for making ai videos and photos. it puts several Ai models in one place, so you don't need to use many different apps.
あまりAIツールを使ったりしたことなかったですが、キャラクターの固定や動画を続いて作成できて使いやすいです。これからどんどん進んでいくアップデートが楽しみです。
Renoise has been a great platform for AI creativity. The tools are easy to use, the experience is smooth, and it makes creating content more enjoyable and efficient. I really appreciate the work the team is doing and look forward to seeing more improvements. Highly recommended!
What I like about Renoise AI compared to other platforms: Fast generation speed: Slow generation takes up way too much time, but Renoise AI is surprisingly about 30% faster. Intuitive and user-friendly UI: Cheaply made platforms have terrible UIs that make me not even want to log in, but Renoise is very clean and convenient. Remembers my previous settings: It helpfully remembers my last workspace settings. Some odd platforms force you to re-adjust everything every single time you generate a video, which is extremely frustrating. Overall preference: For all these reasons, Renoise AI is definitely my preferred platform. Thank you!
Renoise is your go to one stop all for ai creators. all view and use all models in one place, for any type of content you have your mind on!
I have a creat experience with the app. Consistent characters but also unique. THere were some issues with storyline continuity and non-typical humanoid characters.
ひとつの Renoise プランで、OmniHuman 2.0 も、ほかの動画・画像・音声モデルもすべて使えます。生成ごとにプランのクレジットから消費されます。
初めてのAI制作に
月額
GPT Image 2 の生成 約 150 回分
Seedance 2.0 の動画 約 60 本分
エージェントがアイデアから完成動画まで仕上げます
Starter と Standard:Director Mode の制作は使用量に応じてクレジットを消費します。Advanced:無料。
キュー待ちはありません。有料生成を好きなだけ同時に開始できます。
Renoise.aiで生成したコンテンツは、利用規約に従って商用利用できます
毎週の継続制作に
月額
GPT Image 2 の生成 約 450 回分
Seedance 2.0 の動画 約 180 本分
エージェントがアイデアから完成動画まで仕上げます
Starter と Standard:Director Mode の制作は使用量に応じてクレジットを消費します。Advanced:無料。
キュー待ちはありません。有料生成を好きなだけ同時に開始できます。
Renoise Agent は大手 AI ラボの最先端モデルで動作し、ショットの構成、プロンプトの作成、ショットごとに最適なモデルの選択を行います。エージェントとのチャットはすべてのプランで無料です。
Renoise.aiで生成したコンテンツは、利用規約に従って商用利用できます
プロ規模の制作に
月額
GPT Image 2 の生成 約 1,750 回分
Seedance 2.0 の動画 約 700 本分
エージェントがアイデアから完成動画まで仕上げます
Starter と Standard:Director Mode の制作は使用量に応じてクレジットを消費します。Advanced:無料。
キュー待ちはありません。有料生成を好きなだけ同時に開始できます。
Renoise Agent は大手 AI ラボの最先端モデルで動作し、ショットの構成、プロンプトの作成、ショットごとに最適なモデルの選択を行います。エージェントとのチャットはすべてのプランで無料です。
Renoise.aiで生成したコンテンツは、利用規約に従って商用利用できます
初めてのAI制作に
月あたり・年払い
$48 お得(月払いとの比較)
GPT Image 2 の生成 約 150 回分
Seedance 2.0 の動画 約 60 本分
エージェントがアイデアから完成動画まで仕上げます
Starter と Standard:Director Mode の制作は使用量に応じてクレジットを消費します。Advanced:無料。
キュー待ちはありません。有料生成を好きなだけ同時に開始できます。
Renoise.aiで生成したコンテンツは、利用規約に従って商用利用できます
毎週の継続制作に
月あたり・年払い
$216 お得(月払いとの比較)
GPT Image 2 の生成 約 450 回分
Seedance 2.0 の動画 約 180 本分
エージェントがアイデアから完成動画まで仕上げます
Starter と Standard:Director Mode の制作は使用量に応じてクレジットを消費します。Advanced:無料。
キュー待ちはありません。有料生成を好きなだけ同時に開始できます。
Renoise Agent は大手 AI ラボの最先端モデルで動作し、ショットの構成、プロンプトの作成、ショットごとに最適なモデルの選択を行います。エージェントとのチャットはすべてのプランで無料です。
Renoise.aiで生成したコンテンツは、利用規約に従って商用利用できます
プロ規模の制作に
月あたり・年払い
$960 お得(月払いとの比較)
GPT Image 2 の生成 約 1,750 回分
Seedance 2.0 の動画 約 700 本分
エージェントがアイデアから完成動画まで仕上げます
Starter と Standard:Director Mode の制作は使用量に応じてクレジットを消費します。Advanced:無料。
キュー待ちはありません。有料生成を好きなだけ同時に開始できます。
Renoise Agent は大手 AI ラボの最先端モデルで動作し、ショットの構成、プロンプトの作成、ショットごとに最適なモデルの選択を行います。エージェントとのチャットはすべてのプランで無料です。
Renoise.aiで生成したコンテンツは、利用規約に従って商用利用できます
はい。BytePlus が2026年10月15日に OmniHuman 2.0 の API をリリースし、Renoise は2026年10月23日に Agent で使えるようにしました。Renoise では Agent に頼むか、API・CLI・MCP から `omnihuman-2.0` を呼び出します。動画メニューのモデル一覧には表示されません。
OmniHuman は ByteDance の研究チームによるモデルで、OmniHuman-1 と 1.5 は論文として発表されています。OmniHuman 2.0 は ByteDance のクラウド事業である BytePlus が API として提供しています。Renoise は動画モデルを自社で学習させてはおらず、OmniHuman 2.0 を Seedance、Kling、Grok などと並べて1つのプランで使えるようにしています。
音声と同じ長さで、4〜300秒のワンテイクです。長さだけを別に指定することはできないので、作りたい長さに音声を切ってください。5分を超える場合は、音声を分けて生成し、編集ソフトでクリップをつなげます。
720p のみで、構図は写真に合わせます。縦長の写真なら縦長の動画に、横長の写真なら横長の動画になります。OmniHuman 2.0 に 1080p の選択肢はありません。動きのあるシーンで人物を 1080p で撮りたいなら、Seedance 2.5 を使ってください。
Renoise では音声1秒あたり14クレジットで、端数は1秒単位で切り上げます。10秒のクリップは140クレジット、1分は840クレジット、最長の5分は4,200クレジットです。読み上げ音声を使う場合は1行あたり約2クレジット、クローン音声は20クレジットが加わります。プランは料金ページをご覧ください。
いいえ。OmniHuman 2.0 は生成ごとに Renoise プランのクレジットから消費され、Unlimited の対象にも含まれません。最短の4秒の音声でも56クレジットかかります。
いいえ。ByteDance は OmniHuman-1 と 1.5 の論文を arXiv で公開していますが、モデルの重み・コード・アプリは公開しておらず、研究ページでもダウンロードは提供していないと明記しています。OmniHuman 2.0 は API でのみ、BytePlus や Renoise などのプラットフォームを通じて使えます。
はい。ボーカル入りの曲を渡せば、顔がメロディに合わせて動きます。上の歌の例は、Renoise で生成した曲から作りました。ボーカルのないインスト曲は受け付けられません。曲を丸ごとではなく一部だけ切り出して使えば、コストを抑えられます。
はい。自分の録音をアップロードするか、許可を得た短い録音から Agent に声をクローンさせて、好きな台本を読ませられます。他人の顔や声を使うのは、本人の許可がある場合だけにしてください。
1本のクリップが追うのは1本の音声です。OmniHuman 2.0 には誰がしゃべるかを指定する機能がないため、話者ごとに1本ずつ作ってください。BytePlus はアニメキャラや動物にも対応するとしていますが、Renoise では未検証です。ほかのアバターサービスについては Renoise vs HeyGen をご覧ください。
はい。Renoise の有料プランで作った動画は透かしなしで、広告、商品ページ、クライアントワークに使えます。ただし顔と声の権利が必要です。ご自身のもの、または許可を得た人物のものに限ってください。著名人や未成年者は描写しないでください。
顔写真をアップロードして、台本か録音を Agent に渡すだけ。口パクでしゃべる・歌う動画が完成します。