Pembuatan video
Tersedia sekarang

OmniHuman 2.0

oleh ByteDance

Model video manusia berbasis audio dari ByteDance.
Satu foto, satu trek, lima menit dalam satu take.

OmniHuman 2.0

Fitur utama

Buat orang di foto ini mengucapkan narasiku dalam satu take tanpa putusCoba sekarang

Spesifikasi berasal dari BytePlus sendiri, dalam pengumuman peluncuran 15 Oktober 2026. Klip di halaman ini dibuat di Morphic sebelum OmniHuman 2.0 diluncurkan di sana, dengan Veed Fabric. Model itu juga bisa mengubah satu foto dan satu trek audio jadi video bicara hingga 5 menit.

Spesifikasi teknis

5 menit

Satu shot menerus, menurut BytePlus

60 dtk

Batas satu shot sebelum versi 2.0

Foto + audio

Satu gambar pemeran dan satu trek

Trek apa pun

Ucapan, musik, atau dialog

Contoh penggunaan

Instruktur berkebun berkemeja linen mengajar di samping bedeng sayur

Kursus dan pelajaran

Satu pelajaran penuh dalam satu take. Pengajar tampil sama di menit keempat seperti di menit pertama, dan tidak ada yang perlu disambung.

Koki berjaket putih berbicara ke kamera di dapur dengan panci tembaga

Video penjelasan dan tutorial

Rekam atau buat voiceover dulu, lalu biarkan satu foto menyampaikannya, lengkap dengan jeda dan penekanan yang menjaga penonton tetap menonton.

Penyanyi bergaun merah marun memegang korek api menyala di bawah lampu panggung hangat

Klip penampilan musik

Beri trek nyanyian, dan wajah ikut membawa nada panjang, tarikan napas, serta rasa lagunya, bukan hanya liriknya.

Karakter rubah clay bersyal biru duduk di meja kerajinan dengan perahu kertas

Maskot dan karakter

Beri suara pada maskot brand, karakter clay, atau tokoh ilustrasi untuk iklan, konten anak, dan intro kanal.

Perempuan muda berambut pirang sebahu tersenyum ke kamera di jalan berbatu

Video kreator dan media sosial

Klip bicara vertikal untuk Reels dan Shorts dari satu foto bergaya swafoto dan satu trek suara, siap diunggah.

Pria lanjut usia berkardigan hijau di dekat jendela yang menghadap sungai musim dingin

Cerita dan podcast

Cerita lisan yang panjang tetap terjaga iramanya, dari bagian pembuka yang tenang sampai kejutan di akhir, tanpa pemeran yang mengulang tiap menit.

Ikhtisar

OmniHuman 2.0 adalah model video manusia berbasis audio dari ByteDance, dirilis lewat BytePlus pada 15 Oktober 2026. Model ini mengubah satu foto dan satu trek audio menjadi video orang itu membawakan trek tersebut. Yang dibaca bukan hanya bentuk mulut, tetapi juga nada, emosi, dan kata dalam audio. Satu shot kini bisa sampai 5 menit, naik dari 60 detik, tanpa sambungan (sumber).

Bagi pemilik usaha kecil, pengajar kursus online, dan kreator konten, artinya jelas. Satu foto dan satu voiceover sudah cukup untuk video penjelasan produk, pelajaran lengkap, atau klip untuk TikTok dan Reels. Anda tidak perlu menyewa studio atau merekam ulang.

Apa yang berbeda dari OmniHuman 2.0

Kebanyakan model foto bicara hanya menggerakkan mulut mengikuti bunyi. OmniHuman 2.0 mendengarkan cara sebuah kalimat diucapkan. Dongeng yang dibisikkan, teriakan aba-aba pelatih, dan satu nada panjang dalam lagu menghasilkan penampilan yang berbeda dari jenis input yang sama.

Take yang lebih panjang sama pentingnya. Pelajaran, cerita, atau lagu penuh berjalan sebagai satu shot. Karena itu tidak ada titik sambung tempat wajah, cahaya, atau latar bisa berubah.

OmniHuman 2.0 di Morphic

OmniHuman 2.0 sudah tersedia di Morphic: buka Copilot, lampirkan foto dan trek audio, lalu minta video bicara dengan OmniHuman 2.0. Klip di halaman ini dibuat dengan cara yang sama memakai Veed Fabric, sebelum OmniHuman 2.0 diluncurkan. Tips untuk hasil terbaik ada di panduan OmniHuman 2.0.

Harga sederhana

Mulai gratis hari ini, dengan opsi untuk upgrade atau membatalkan kapan saja.

Basic

$19/ bulan
ditagih sebagai $228 per tahun

2400 bulanan kredit

1 pengguna saja

Semua model

Workflows

Standard

$24/ bulan
ditagih sebagai $288 per tahun

3625 bulanan kredit

1 pengguna saja

Semua model

Workflows

Pro

$45/ bulan
ditagih sebagai $540 per tahun

6350 bersama bulanan kredit

1 pengguna

+ hingga 4 lainnya dengan biaya tambahan

Semua model

Workflows

Max

$170/ bulan
ditagih sebagai $2040 per tahun

24650 bersama bulanan kredit

1 pengguna

+ hingga 9 lainnya dengan biaya tambahan

Semua model

Workflows

Enterprise

Untuk batas yang lebih tinggi

Khusus

ketentuan harga dan penagihan

Kredit volume tinggi
Batas kursi khusus
Semua model
Workflows
Pricing Gradient

Free

Untuk bereksperimen

$0

gratis selamanya

Hingga 20 kredit
Hanya 1 pengguna
Model terbatas
Workflows
Bandingkan detail paket

FAQ

Apa itu OmniHuman 2.0?
OmniHuman 2.0 adalah model video manusia berbasis audio dari ByteDance, dirilis lewat BytePlus pada 15 Oktober 2026. Anda memberi satu foto dan satu trek audio, bisa ucapan, musik, atau dialog. Hasilnya video orang itu membawakan trek tersebut, dengan nada, emosi, dan kata yang sinkron, dalam satu shot menerus hingga 5 menit.
Apakah OmniHuman 2.0 ada di Morphic?
Ya. OmniHuman 2.0 sudah tersedia di Morphic: lampirkan satu foto dan satu trek audio di Copilot, dan model ini mengembalikan video bicara hingga 5 menit. Veed Fabric mengerjakan hal yang sama di Morphic, dan semua klip di halaman ini dibuat dengan Fabric sebelum OmniHuman 2.0 diluncurkan.
Apa yang baru di OmniHuman 2.0?
Menurut BytePlus, ada tiga hal. Model membaca nada, emosi, dan kata dalam audio lalu memerankannya, tidak sekadar mencocokkan bentuk mulut. Satu shot kini bisa sampai 5 menit, naik dari 60 detik, tanpa sambungan. Biaya menjalankannya juga lebih rendah daripada versi sebelumnya.
Bisakah satu foto dipakai untuk video jualan UMKM?
Bisa, itu salah satu pemakaian yang paling masuk akal. Pakai foto pemilik usaha atau maskot toko, lalu pasang voiceover yang menjelaskan produk. Satu take bisa sampai 5 menit, cukup untuk penjelasan lengkap. OmniHuman 2.0 dan Veed Fabric sama-sama tersedia di Morphic untuk pekerjaan ini.
Bisakah OmniHuman 2.0 membuat foto bernyanyi?
Bisa. BytePlus menyebut model ini menerima trek apa pun, termasuk musik, lalu memerankannya. Beri trek nyanyian dengan vokal yang jelas dan berada di depan, dan wajah akan mengikuti lirik, nada panjang, serta tarikan napas.
Apa bedanya OmniHuman 2.0 dengan lip sync?
Model lip sync mengubah mulut pada video yang sudah ada. OmniHuman 2.0 berangkat dari satu foto dan membuat seluruh penampilan dari audio: wajah, kepala, dan tubuh. Pakai lip sync untuk mengganti suara pada rekaman yang Anda punya. Pakai model berbasis audio saat Anda hanya punya gambar.
Mengapa latar bergerak di sebagian video OmniHuman?
Sebagian penonton awal demo peluncuran BytePlus melihat latarnya bergeser. Model berbasis audio cenderung menggerakkan lebih banyak bagian foto ramai daripada yang Anda maksud, termasuk wajah lain. Latar polos dan satu wajah yang jelas di foto memberi model lebih sedikit hal untuk digerakkan. Panduan OmniHuman 2.0 memuat uji perbandingan berdampingan.
Apakah klip di halaman ini dibuat dengan OmniHuman 2.0?
Bukan. Klip ini dibuat sebelum OmniHuman 2.0 diluncurkan di Morphic, dengan model lain di Morphic: foto dengan Krea 2 Large, suara dengan ElevenLabs v4, lagu dengan ElevenLabs music, dan video bicara dengan Veed Fabric. Suara dalam klip berbahasa Inggris.

Selengkapnya tentang OmniHuman 2.0

Panduan, prompt, dan perbandingan untuk OmniHuman 2.0.

Panduan OmniHuman 2.0

Cara pakai OmniHuman 2.0: pilih foto yang tepat, siapkan audio, buat take tunggal 5 menit, dan cegah latar belakang berkedip.

Model lainnya

Jelajahi katalog model Morphic selengkapnya.

Lihat semua model →

Gemini Omni Flash 1.2

Google DeepMind

Model video Google, sekarang sampai 15 detik. Edit seluruh take, 30% lebih hemat per detik.

ChatGPT Images 2.6

OpenAI

Model gambar OpenAI, dirilis November 2026. GIF animasi, ekspor SVG, draf lebih cepat.

SAM 3.1

Meta

Model Segment Anything dari Meta. Lacak subjek apa pun sebagai mask yang mengikutinya.

Seed Audio 1.5

ByteDance

Model audio satu adegan dari ByteDance. Dialog, musik, dan efek di track terpisah.