Geração de vídeo
Disponível agora

OmniHuman 2.0

por ByteDance

O modelo de vídeo humano guiado por áudio da ByteDance.
Uma foto, uma faixa, cinco minutos em um único plano.

OmniHuman 2.0

Principais recursos

Faça a pessoa desta foto falar minha narração em uma única tomada contínuaTeste agora

As especificações são da própria BytePlus, do post de lançamento de 15 de outubro de 2026. Os clipes desta página foram feitos no Morphic antes do lançamento do OmniHuman 2.0 na plataforma, com o Veed Fabric, que também transforma uma foto e uma faixa de áudio em um vídeo falante de até 5 minutos.

Especificações técnicas

5 min

Um plano contínuo, segundo a BytePlus

60 s

O teto de um plano único antes da versão 2.0

Foto + áudio

Uma imagem de quem atua e uma faixa

Qualquer faixa

Fala, música ou diálogo

Casos de uso

Uma instrutora de jardinagem com camisa de linho ensinando ao lado de canteiros elevados de hortaliças

Cursos e videoaulas

Uma aula completa em um único plano. O professor tem o mesmo aspecto no minuto quatro e no minuto um, e não há nada para montar depois.

Um chef de jaqueta branca falando para a câmera em uma cozinha com panelas de cobre

Vídeos explicativos e tutoriais

Grave ou gere a locução primeiro e deixe uma foto entregá-la, com as pausas e a ênfase que mantêm quem assiste até o fim.

Uma cantora de vestido bordô segurando um fósforo aceso sob uma luz de palco quente

Clipes musicais

Entregue uma faixa cantada e o rosto carrega as notas longas, as respirações e o sentimento da música, não só a letra.

Uma raposa de massinha com cachecol azul sentada em uma mesa de artesanato com um barquinho de papel

Mascotes e personagens

Dê voz a um mascote de marca, a um personagem de massinha ou a um herói ilustrado, para anúncios, conteúdo infantil e vinhetas de canal.

Uma jovem de cabelo loiro curto sorrindo para a câmera em uma rua de paralelepípedos

Vídeos para criadores e redes sociais

Clipes verticais falados para Reels, TikTok e Shorts, feitos a partir de uma foto estilo selfie e uma faixa de voz, prontos para postar.

Um senhor idoso de cardigã verde junto a uma janela com vista para um rio no inverno

Histórias e podcasts

Histórias longas mantêm o ritmo, da construção silenciosa até o desfecho, sem que quem fala precise recomeçar a cada minuto.

Visão geral

O OmniHuman 2.0 é o modelo de vídeo humano guiado por áudio da ByteDance, lançado pela BytePlus em 15 de outubro de 2026. Ele transforma uma foto e uma faixa de áudio em um vídeo daquela pessoa interpretando a faixa. Em vez de só casar o formato da boca com o som, ele lê o tom, a emoção e as palavras. Um único plano agora chega a 5 minutos, contra 60 segundos, sem emendas (fonte). Para quem faz videoaulas, conteúdo para Reels, TikTok e Kwai ou clipes com um mascote, isso significa um avatar falante que aguenta o vídeo inteiro.

O que o OmniHuman 2.0 faz de diferente

A maioria dos modelos de foto falante só mexe a boca no ritmo do som. O OmniHuman 2.0 escuta como a frase é dita. Uma história sussurrada para dormir, um grito de incentivo do treinador e uma nota longa de música saem como atuações diferentes, mesmo partindo do mesmo tipo de entrada.

O plano mais longo pesa tanto quanto isso. Uma aula, uma história ou uma música completa roda em uma única tomada. Por isso não existe a emenda em que o rosto, a luz ou o fundo poderiam mudar.

O OmniHuman 2.0 no Morphic

O OmniHuman 2.0 já está disponível no Morphic: abra o Copilot, anexe uma foto e uma faixa de áudio e peça um vídeo falante com o OmniHuman 2.0. Os clipes desta página foram feitos do mesmo jeito com o Veed Fabric, antes do lançamento do OmniHuman 2.0. Para tirar o melhor resultado, veja o guia do OmniHuman 2.0.

Preços simples

Comece grátis hoje mesmo, com a opção de fazer upgrade ou cancelar quando quiser.

Basic

$19/ mês
cobrado como $228 por ano

2400 mensal créditos

1 apenas usuário

Todos os modelos

Workflows

Standard

$24/ mês
cobrado como $288 por ano

3625 mensal créditos

1 apenas usuário

Todos os modelos

Workflows

Pro

$45/ mês
cobrado como $540 por ano

6350 compartilhado mensal créditos

1 usuário

+ até 4 mais com custo adicional

Todos os modelos

Workflows

Max

$170/ mês
cobrado como $2040 por ano

24650 compartilhado mensal créditos

1 usuário

+ até 9 mais com custo adicional

Todos os modelos

Workflows

Enterprise

Para limites maiores

Personalizado

termos de preços e cobrança

Créditos de alto volume
Limites de vagas personalizados
Todos os modelos
Workflows
Pricing Gradient

Free

Para experimentar

$0

grátis para sempre

Até 20 créditos
apenas 1 usuário
Modelos limitados
Workflows
Comparar detalhes dos planos

Perguntas frequentes

O que é o OmniHuman 2.0?
O OmniHuman 2.0 é o modelo de vídeo humano guiado por áudio da ByteDance, lançado pela BytePlus em 15 de outubro de 2026. Você dá a ele uma foto e uma faixa de áudio, fala, música ou diálogo, e ele gera um vídeo daquela pessoa interpretando a faixa, com tom, emoção e palavras em sincronia, em um único plano contínuo de até 5 minutos.
O OmniHuman 2.0 está no Morphic?
Está. O OmniHuman 2.0 já está disponível no Morphic: anexe no Copilot uma foto e uma faixa de áudio e ele devolve um vídeo falante de até 5 minutos. O Veed Fabric faz o mesmo trabalho no Morphic, e todos os clipes desta página foram feitos com ele, antes do lançamento do OmniHuman 2.0.
O OmniHuman 2.0 funciona com áudio em português?
A BytePlus não informa quais idiomas o modelo aceita, então não dá para prometer suporte ao português. No Morphic, vale testar uma faixa curta em português antes de gravar o vídeo inteiro. Os clipes desta página usam voz em inglês.
O que muda no OmniHuman 2.0?
Três coisas, segundo a BytePlus. Ele lê o tom, a emoção e as palavras do áudio e as interpreta, indo além de casar o formato da boca. Um único plano pode chegar a 5 minutos, contra 60 segundos, sem emendas. E ele custa menos para rodar do que a versão anterior.
O OmniHuman 2.0 consegue fazer uma foto cantar?
Sim. Segundo a BytePlus, ele aceita qualquer faixa, inclusive música, e a interpreta. Com uma faixa cantada em que a voz fique clara e à frente, o rosto acompanha a letra, as notas longas e as respirações.
Qual a diferença entre o OmniHuman 2.0 e a sincronia labial?
Um modelo de sincronia labial altera a boca em um vídeo que já existe. O OmniHuman 2.0 parte de uma única foto e gera a atuação inteira, rosto, cabeça e corpo, a partir do áudio. Use a sincronia labial para trocar a voz de uma filmagem que você já tem, e um modelo guiado por áudio quando tudo o que você tem é uma imagem.
Por que o fundo se mexe em alguns vídeos do OmniHuman?
Alguns dos primeiros espectadores da demonstração de lançamento da BytePlus notaram o fundo se movendo. Modelos guiados por áudio costumam animar mais da foto do que você queria, inclusive outros rostos. Um fundo liso e um único rosto nítido dão menos coisa para o modelo mexer. O guia do OmniHuman 2.0 traz um teste lado a lado.
Os clipes desta página foram feitos com o OmniHuman 2.0?
Não. Estes clipes foram feitos antes do lançamento do OmniHuman 2.0 no Morphic, com outros modelos no Morphic: as fotos com o Krea 2 Large, as vozes com o ElevenLabs v4, a música com o ElevenLabs music e o vídeo falante com o Veed Fabric.

Mais sobre o OmniHuman 2.0

Guias, prompts e comparações para o OmniHuman 2.0.

Guia do OmniHuman 2.0

Como usar o OmniHuman 2.0: escolha a foto certa, prepare o áudio, rode um plano único de cinco minutos e evite que o fundo trema.

Outros modelos

Explore o restante do catálogo de modelos do Morphic.

Ver todos os modelos →

Gemini Omni Flash 1.2

Google DeepMind

O modelo de vídeo do Google, agora com quinze segundos. Edite a tomada inteira pagando 30% menos por segundo.

ChatGPT Images 2.6

OpenAI

Modelo de imagem da OpenAI, lançado em novembro de 2026. GIFs animados, exportação em SVG, rascunhos mais rápidos.

SAM 3.1

Meta

O Segment Anything da Meta. Rastreie qualquer sujeito com uma máscara que o acompanha.

Seed Audio 1.5

ByteDance

Áudio de cena completa da ByteDance. Diálogo, música e efeitos, em faixas separadas.