Génération de vidéos
Bientôt disponible

OmniHuman 2.0

par ByteDance

Le modèle vidéo de ByteDance piloté par l’audio.
Une photo, une piste, cinq minutes en un seul plan.

OmniHuman 2.0

Fonctionnalités clés

Fais dire ma voix off à cette photo en une seule prise continueCommencer à créer

Les spécifications viennent de BytePlus, dans son annonce de lancement du 15 octobre 2026. OmniHuman 2.0 n’est pas encore sur Morphic : les clips de cette page ont donc été réalisés sur Morphic avec Veed Fabric, qui transforme aujourd’hui une photo et une piste audio en vidéo parlante pouvant atteindre 5 minutes.

Spécifications techniques

5 min

Un seul plan continu, selon BytePlus

60 s

Le plafond d’un plan unique avant la version 2.0

Photo + audio

Une image de l’interprète et une piste

Toute piste

Voix, musique ou dialogue

Cas d'utilisation

Un professeur de jardinage en chemise de lin enseigne près de carrés potagers surélevés

Cours et formations en ligne

Une leçon entière en un seul plan : le formateur a le même visage à la quatrième minute qu’à la première, et rien n’est à monter.

Un chef en veste blanche parle face caméra dans une cuisine aux casseroles en cuivre

Explications et tutoriels vidéo

Enregistrez ou générez d’abord la voix off, puis laissez une seule photo la porter, avec les pauses et les accents qui retiennent le spectateur.

Une chanteuse en robe bordeaux tient une allumette allumée sous une chaude lumière de scène

Clips musicaux

Donnez-lui un morceau chanté : le visage porte les notes longues, les respirations et l’émotion du chant, pas seulement les paroles.

Un renard en pâte à modeler, écharpe bleue, assis à une table de bricolage avec un bateau en papier

Mascottes et personnages

Prêtez une voix à une mascotte de marque, à un personnage en pâte à modeler ou à un héros illustré, pour une pub, un contenu jeunesse ou une intro de chaîne.

Une jeune femme au carré blond sourit à la caméra dans une rue pavée

Vidéos de créateurs et réseaux sociaux

Des clips verticaux parlants pour Reels et Shorts, à partir d’un selfie et d’une piste vocale, prêts à publier.

Un homme âgé en gilet vert, près d’une fenêtre qui donne sur une rivière en hiver

Récits et podcasts

Les longs récits gardent leur rythme, de la montée discrète à la chute, sans que l’interprète reparte de zéro chaque minute.

Aperçu

OmniHuman 2.0 est le modèle vidéo de ByteDance piloté par l’audio, lancé via BytePlus le 15 octobre 2026. À partir d’une photo et d’une piste audio, il génère la vidéo de cette personne qui joue la piste. Il lit le ton, l’émotion et les mots, au lieu de seulement caler les lèvres. Un plan unique peut désormais durer jusqu’à 5 minutes, contre 60 secondes avant, sans raccord (source).

Ce qu’OmniHuman 2.0 fait différemment

La plupart des modèles de photo parlante font bouger la bouche au rythme du son. OmniHuman 2.0 écoute la façon dont la phrase est dite. Une histoire murmurée, une consigne criée par un coach et une note tenue donnent trois interprétations différentes, avec le même type d’entrée.

La prise longue compte autant. Une leçon, un récit ou une chanson entière tient en un seul plan, donc sans jointure où le visage, la lumière ou le décor pourraient changer. Pour une formation en ligne, un cours complet se génère ainsi d’un seul tenant.

OmniHuman 2.0 sur Morphic

OmniHuman 2.0 arrive bientôt sur Morphic. D’ici là, Veed Fabric fait le même travail : ouvrez Copilot, joignez une photo et une piste audio, puis demandez une vidéo parlante. Tous les clips de cette page ont été réalisés ainsi, avec des voix en anglais. Pour obtenir le meilleur résultat, consultez le guide OmniHuman 2.0.

Tarifs simples

Commencez gratuitement dès aujourd'hui, avec la possibilité de mettre à niveau ou d'annuler à tout moment.

Basic

$19/ mois
facturé comme $0 par an

2400 mensuel crédits

1 utilisateur uniquement

Tous les modèles

Workflows

Standard

$24/ mois
facturé comme $0 par an

3625 mensuel crédits

1 utilisateur uniquement

Tous les modèles

Workflows

Pro

$45/ mois
facturé comme $0 par an

6350 partagé mensuel crédits

1 utilisateur

+ jusqu'à 4 plus à un coût supplémentaire

Tous les modèles

Workflows

Max

$170/ mois
facturé comme $0 par an

24650 partagé mensuel crédits

1 utilisateur

+ jusqu'à 9 plus à un coût supplémentaire

Tous les modèles

Workflows

Enterprise

Pour des limites plus élevées

Personnalisé

conditions de tarification et de facturation

Crédits à haut volume
Limites de sièges personnalisées
Tous les modèles
Workflows
Pricing Gradient

Free

Pour expérimenter

$0

gratuit pour toujours

Jusqu'à 20 crédits
1 utilisateur uniquement
Modèles limités
Workflows
Comparer les détails des plans

Questions fréquentes

Qu’est-ce qu’OmniHuman 2.0 ?
OmniHuman 2.0 est le modèle vidéo de ByteDance piloté par l’audio, lancé via BytePlus le 15 octobre 2026. Vous lui donnez une photo et une piste audio, voix, musique ou dialogue. Il génère la vidéo de cette personne qui joue la piste, avec ton, émotion et paroles synchronisés, en un seul plan pouvant durer 5 minutes.
Quand OmniHuman 2.0 arrive-t-il sur Morphic ?
OmniHuman 2.0 arrive bientôt sur Morphic. D’ici là, Veed Fabric fait le même travail sur Morphic : il transforme une photo et une piste audio en vidéo parlante pouvant durer 5 minutes. Tous les clips de cette page ont été réalisés avec lui.
Quelles sont les nouveautés d’OmniHuman 2.0 ?
Trois, d’après BytePlus. Il lit le ton, l’émotion et les mots de l’audio pour les jouer, au lieu de seulement caler les lèvres. Un plan peut durer jusqu’à 5 minutes, contre 60 secondes avant, sans raccord. Enfin, il coûte moins cher à faire tourner que la version précédente.
OmniHuman 2.0 peut-il faire chanter une photo ?
Oui. BytePlus indique qu’il accepte n’importe quelle piste, musique comprise, et la joue. Avec un morceau chanté dont la voix est claire et bien en avant, le visage suit les paroles, les notes tenues et les respirations.
En quoi OmniHuman 2.0 diffère-t-il d’un modèle de synchronisation labiale ?
Un modèle de synchronisation labiale retouche la bouche d’une vidéo qui existe déjà. OmniHuman 2.0 part d’une seule photo et génère toute la performance, visage, tête et corps, à partir de l’audio. La synchronisation labiale sert à redoubler des images que vous avez déjà. Un modèle piloté par l’audio sert quand vous n’avez qu’une image.
Pourquoi le décor bouge-t-il dans certaines vidéos OmniHuman ?
Quelques premiers spectateurs de la démo de lancement de BytePlus ont remarqué un décor qui bouge. Les modèles pilotés par l’audio animent souvent plus d’éléments d’une photo chargée que prévu, autres visages compris. Un fond uni et un seul visage net dans la photo laissent moins de choses à animer. Le guide OmniHuman 2.0 contient un test côte à côte.
Peut-on utiliser la photo d’une autre personne avec OmniHuman 2.0 ?
Partez de votre propre photo, ou d’une photo dont vous détenez les droits. Si une personne reconnaissable y figure, son accord est nécessaire avant de publier la vidéo, au titre du droit à l’image. Une mascotte ou un personnage illustré évite la question.
Les clips de cette page ont-ils été réalisés avec OmniHuman 2.0 ?
Non. OmniHuman 2.0 n’est pas encore sur Morphic : tous les clips ont donc été réalisés sur Morphic avec d’autres modèles. Les photos avec Krea 2 Large, les voix avec ElevenLabs v4, la chanson avec ElevenLabs music et la vidéo parlante avec Veed Fabric. Les voix des clips sont en anglais.

En savoir plus sur OmniHuman 2.0

Guides, prompts et comparatifs pour OmniHuman 2.0.

Guide OmniHuman 2.0

Comment utiliser OmniHuman 2.0 : bien choisir la photo, préparer l’audio, lancer un plan-séquence de cinq minutes et empêcher le fond de scintiller.

Autres modèles

Explorez le reste du catalogue de modèles Morphic.

Voir tous les modèles →

Mirelo SFX 2.0

Mirelo AI

Le modèle vidéo vers son de Mirelo. Un nouveau son pour votre vidéo, les mêmes dialogues.

Fish Audio Drama 3

Fish Audio

Le modèle vocal le plus expressif de Fish Audio. Vous dirigez le jeu, mot après mot.

Vidu Q4

Shengshu Technology

Dernier modèle vidéo de Shengshu. Jusqu’à 12 images de référence et 3 voix tenues sur tout le clip, audio natif, du 540p à la 4K.

Nano Banana 2.1

Google DeepMind

Le modèle d’image Flash de Google DeepMind. Design soigné, retouches fines, sujets stables.