跳到主要内容
新人专享首单折扣

OmniHuman 2.0 一张照片,数字人开口说话

一张人像,配上一段语音或一首歌,就能生成对口型的 720p 视频,时长 4 秒到 5 分钟。模型出自字节跳动,在 Renoise Agent 里运行。

Renoise Agent

OmniHuman 2.0 核心功能:照片说话、唱歌、对口型

下面每段视频都是在 Renoise 里用 OmniHuman 2.0 实际生成的,角落里是输入的那张照片。鼠标移上去就能听到声音。

按你给的音频对口型

OmniHuman 2.0 不会自己编声音。它让嘴型、表情和头部动作严丝合缝地贴着你给的音频走,所以音轨多长,视频就多长。这一段先用文字转语音读出脚本,剩下的全靠一张照片。

输入照片:短铜色头发、穿米色毛衣、面带微笑的女人
输入

让照片唱歌

不只是说话,歌声一样能驱动。给它一首有主唱人声的歌,脸会跟着旋律走:长音、换气、节拍都对得上。纯伴奏会被拒绝,因为没有人声可以跟。

输入照片:长卷发、穿米色开衫的年轻女人
输入

一镜到底,最长 5 分钟

音频可以是 4 到 300 秒,视频就是同样长度的一个连续镜头,中间不拼接。这段 24 秒的讲述里,从第一个字到结尾那声笑,脸、眼镜和丝巾始终稳稳的。

输入照片:白发、戴眼镜、系丝巾、面带微笑的老年女人
输入

用提示词指挥手势和运镜

提示词可写可不写,写了就能控制表情、手势和运镜。这一段要求掰着手指数数,再加一个缓慢推近。提示词支持英语、中文、日语、韩语、西班牙语和印尼语;构图仍然跟随照片。

输入照片:留小胡子、穿棕色毛衣、倚着墙的男人
输入

同一张脸,换种语言照样说

嘴型跟的是音频里的发音,不是英文脚本,所以换成其他语言的音轨,效果一样。这句问候用的是日语文字转语音;换掉音轨,一张人像就能配成好几种语言。

输入照片:日落时分站在河边、穿深色外套的男人
输入

OmniHuman 是什么?

OmniHuman 是字节跳动的音频驱动数字人视频模型:一张人物照片加一段声音,就能生成这个人说话或唱歌的视频,嘴唇、表情、头部和手都跟着声音动。OmniHuman 2.0 由 BytePlus 于 2026 年 10 月 15 日发布,可生成 4 秒到 5 分钟的 720p 视频。

在 Renoise 里,OmniHuman 2.0 通过 Agent 使用,和另外 30 多个模型共用一份套餐。Agent 可以先帮你写好脚本并配音——用预设音色,或用你自己的录音克隆出的声音——再把音频和照片一起交给 OmniHuman。

需要 1080p,或者想要有动作的场景而不只是说话的人像?用 Seedance 2.5。想要一段由模型自己配声音的短片?用 Grok Imagine Video。

OmniHuman 2.0 规格一览

最长时长
5 分钟
音频 4–300 秒,一镜到底
输出
720p
唯一档位;构图跟随照片
输入
1 + 1
一张人像 + 一段语音或歌曲
每秒积分
14
按音频秒数计,不足一秒按一秒

规格为 2026 年 11 月 11 日在 Renoise 中核实的可用参数。

OmniHuman 2.0 怎么用:三步做出对口型数字人视频

  1. 用作输入照片的老年女人头肩人像
    第 1 步

    上传一张清晰的人像

    用一张脸和嘴都看得清的照片。头肩照、半身照、全身照都行,宽高比在 0.4 到 2.5 之间,视频会沿用照片的构图。请用你自己的脸,或已获授权使用的脸。

  2. 一段 24 秒语音的波形
    第 2 步

    加上声音

    上传 4–300 秒的语音或人声,MP3 或 WAV 都可以;也可以直接把脚本交给 Agent:预设的文字转语音音色每句约 2 积分,用你已授权的录音克隆声音 20 积分。Avatar Studio 里同样的选项都做成了按钮。

  3. 成片说话视频中的一帧
    第 3 步

    指挥、生成、下载

    想让人物怎么动可以说一句:表情、手势、镜头推近。Agent 开跑前会先报积分。10 秒的音轨大约 3 分钟出片;下载的是无水印 MP4,声音已经合在里面。

在 Renoise 中试用

OmniHuman 2.0 什么时候发布的?

从第一篇 OmniHuman 论文,到 OmniHuman 2.0 上线 Renoise Agent。

  1. OmniHuman-1 论文

    字节跳动研究人员发表 OmniHuman-1:一张图片加音频或视频,就能驱动头像、半身或全身人物。没有公开发布。

  2. OmniHuman-1.5

    后续版本支持一分钟以上的片段、多人场景,以及用文字控制运镜和动作。之后它为字节跳动 Dreamina 应用里的数字人提供支持。

  3. OmniHuman 2.0 API

    BytePlus 发布 OmniHuman 2.0:音频 4–300 秒,原生 720p,可选提示词支持六种语言。

  4. 上线 Renoise Agent

    Renoise 向 Agent 和 MCP 开放 OmniHuman 2.0,按音频每秒 14 积分计费。

来源:OmniHuman 实验室页面与 arXiv、BytePlus OmniHuman 2.0 API 文档、Renoise 上线记录。 最后更新

OmniHuman 2.0 和 1.5 有什么区别

Renoise 只接入了 2.0。下面对照两版 BytePlus API,说说它和 OmniHuman 1.5 的不同。

  1. 音频时长是原来的五倍

    OmniHuman 1.5 每段只接受 60 秒以内的音频,OmniHuman 2.0 接受 4 到 300 秒,一整段讲解,或者一首歌的主歌加副歌,一个镜头就能放下。

  2. 只剩 720p,去掉了 1080p

    OmniHuman 1.5 能出 720p 或 1080p,OmniHuman 2.0 只有原生 720p。要 1080p,就用 Seedance 2.5 这类通用视频模型。

  3. 不能指定谁说话

    OmniHuman 1.5 可以指定照片里哪个人开口,2.0 的 API 没有这项控制。两个人的场景,就每个说话人各做一段,再剪到一起。

  4. 能传更大的照片

    图片上限从 5 MB 提高到 30 MB,每边 300–6,000 像素,手机照片不用缩小就能直接用。

OmniHuman 2.0 vs Grok Imagine Video 1.5 vs Seedance 2.5

Renoise 里能让人物开口说话的三个视频模型,按 Renoise 开放的参数对比。

OmniHuman 2.0 与 Grok Imagine Video 1.5、Seedance 2.5 在 Renoise 中的输入、声音、时长、分辨率和积分对比
在 Renoise 中OmniHuman 2.0Grok Imagine Video 1.5Seedance 2.5
在哪里用Agent、API、MCPVideos 菜单、Canvas、AgentVideos 菜单、Canvas、Agent
声音来自你的音轨模型生成模型生成或音频参考
片段时长4–300 秒,跟随音频1–15 秒4–30 秒
最高分辨率720p720p1080p
积分 · 10 秒 720p140170320
最适合指定声音的长段说话或唱歌短说话片段、快速出草稿有动作的场景、1080p

Renoise 模型列表与积分估算(2026-11-11 核实)。

在 Renoise 中试用

有多少创作者在用 Renoise?

截至 2026 年 10 月,170 多个国家和地区的 10 万多名创作者在使用 Renoise AI——一个 AI 视频、图片和音频创作平台——用 30 多个模型生成了 30 万多张图片和视频。

创作者
10 万+
2026 年 3 月以来在 Renoise 注册的账号
国家和地区
170+
近 90 天创作者登录所在的国家和地区
已生成的图片和视频
30 万+
2026 年 3 月至 10 月完成的生成
AI 模型
30+
Seedance、Kling、GPT Image、Midjourney 等,一个订阅全部可用

数据来源:Renoise 内部数据,2026 年 3 月至 10 月。数字向下取整,每季度更新。 最后更新

创作者怎么评价 Renoise

来自用 Renoise AI 做视频、图片和广告的创作者的真实反馈。

Lộc Bùi Nguyễn Vinh
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.
Faith Joy Cloma
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.
柏木望由
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。
Wani Ruvaid
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!
sergio ramos
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!
Zeus
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!
Michał Reszka
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.

选择你的计划

一个 Renoise 套餐解锁 OmniHuman 2.0 以及其余所有视频、图像和音频模型,按次从套餐积分里扣。

Starter

适合初次尝试 AI 创作

$20

按月计费

1,200 ©/mo

≈ 150 次 GPT Image 2 生成

≈ 60 条 Seedance 2.0 视频

Director Mode
不限量生成
MiniMax H3不支持不限量
Seedance 2.0 Mini不支持不限量
Seedream 5.0 Pro不支持不限量
✓生成不限并发
✓Renoise Agent(Beta)对话式创作
✓无限 LLM 对话
✓商业使用
✓无水印导出

Standard

适合每周持续创作

$60

按月计费

3,600 ©/mo

≈ 450 次 GPT Image 2 生成

≈ 180 条 Seedance 2.0 视频

Director Mode
不限量生成
MiniMax H3不支持不限量
Seedance 2.0 Mini不支持不限量
Seedream 5.0 Pro不支持不限量
✓生成不限并发
✓Renoise Agent(Beta)对话式创作
✓前沿 Agent 模型
✓无限 LLM 对话
✓商业使用
✓无水印导出

Advanced

适合专业规模产出

$200

按月计费

14,000 ©/mo2,000© BONUS

≈ 1,750 次 GPT Image 2 生成

≈ 700 条 Seedance 2.0 视频

Director Mode免费
不限量生成
MiniMax H3每月 7 天不限量
Seedance 2.0 Mini每月 7 天不限量
Seedream 5.0 Pro每月 7 天不限量
✓生成不限并发
✓Renoise Agent(Beta)对话式创作
✓前沿 Agent 模型
✓无限 LLM 对话
✓商业使用
✓无水印导出

OmniHuman 2.0 常见问题

1.OmniHuman 2.0 现在能用了吗?

能。BytePlus 于 2026 年 10 月 15 日发布 OmniHuman 2.0 API,Renoise 于 2026 年 10 月 23 日向 Agent 开放。在 Renoise 里,直接让 Agent 用它,或通过 API、CLI、MCP 调用 `omnihuman-2.0`;它不在 Videos 的模型菜单里。

2.OmniHuman 是谁做的?

OmniHuman 出自字节跳动的研究团队,OmniHuman-1 和 1.5 都以论文形式发表。字节跳动旗下的云业务 BytePlus 以 API 形式提供 OmniHuman 2.0。Renoise 不训练视频模型,而是把 OmniHuman 2.0 和 Seedance、Kling、Grok 等模型一起接入,共用一份套餐。

3.OmniHuman 2.0 数字人视频最长多长?

和音频一样长:4 到 300 秒之间都可以,一个连续镜头。时长不能单独设置,想要多长就把音频剪到多长。超过 5 分钟的话,把音频拆开分段生成,再在剪辑软件里拼起来。

4.OmniHuman 2.0 输出什么分辨率?

只有 720p,构图跟随你的照片:竖版人像出竖版视频,横版照片出横版视频。OmniHuman 2.0 没有 1080p 选项。想要人物在动态场景里的 1080p 画面,改用 Seedance 2.5。

5.OmniHuman 2.0 多少钱?

在 Renoise 里按音频每秒 14 积分,不足一秒按一秒算:10 秒的片段 140 积分,一分钟 840 积分,满 5 分钟 4,200 积分。文字转语音配音每句另加约 2 积分,克隆声音 20 积分。套餐详见价格页。

6.OmniHuman 免费吗?

不免费。OmniHuman 2.0 按次从 Renoise 套餐积分里扣,也不参加任何 Unlimited 活动。最短的片段是 4 秒音频,需要 56 积分。

7.OmniHuman 开源吗?能下载吗?

不开源,也不能下载。字节跳动在 arXiv 上发表了 OmniHuman-1 和 1.5 的论文,但没有放出模型权重、代码或应用,实验室页面也写明不提供下载。OmniHuman 2.0 只能通过 API 使用,渠道是 BytePlus 或 Renoise 这样的平台。

8.OmniHuman 能让照片唱歌吗?

能。给它一首有人声演唱的歌,脸就会跟着旋律走,就像上面唱歌的示例,用的是在 Renoise 里生成的歌。纯伴奏会被拒绝。想省积分,截取歌曲的一段,不要整首都放进去。

9.OmniHuman 能用我自己的声音对口型吗?

能。上传你自己的录音;或者让 Agent 根据一段简短的授权录音克隆你的声音,再用它读任何脚本。别人的脸或声音,只有在对方同意后才能用。

10.OmniHuman 能做两个人对话或卡通形象吗?

一段视频只跟一条音轨;OmniHuman 2.0 不能指定谁说话,所以每个说话人各做一段。BytePlus 表示卡通和动物也能驱动,但我们还没在 Renoise 里测过。想看其他数字人平台,见 Renoise vs HeyGen。

11.OmniHuman 生成的视频能商用吗?

能。用 Renoise 付费套餐生成的视频没有水印,可以用在广告、商品页和客户项目里。前提是你拥有这张脸和这个声音的使用权:你自己的,或已授权给你的人。不要生成公众人物或未成年人。

OmniHuman 2.0 已上线 Renoise Agent。 一张照片、你的声音,最长 5 分钟。

上传一张人像,把脚本或录音交给 Agent,就能拿到对口型的说话或唱歌视频。

By Max, RenoiseLast reviewed Models verified: OmniHuman 2.0, Gemini 3.8 Flash TTS, Mureka V9