OmniHuman 2.0

개요

OmniHuman 2.0은 2026년 10월 15일 BytePlus를 통해 공개된 ByteDance의 오디오 기반 인물 영상 모델입니다. 사진 한 장과 오디오 트랙 하나를 넣으면 그 사람이 트랙을 연기하는 영상이 나옵니다. 입 모양만 맞추지 않고 오디오의 톤, 감정, 단어를 읽습니다. 한 번의 샷은 기존 60초에서 최대 5분으로 늘었고, 이어 붙일 필요도 없습니다 (출처). 유튜브 강의, 릴스와 쇼츠 같은 숏폼, 직접 만든 노래 영상처럼 길게 말하고 노래하는 콘텐츠에 맞는 모델입니다.

OmniHuman 2.0이 다른 점

말하는 사진 모델 대부분은 소리에 맞춰 입만 움직입니다. OmniHuman 2.0은 말하는 방식을 듣습니다. 속삭이는 동화, 코치의 힘찬 구령, 노래에서 길게 끄는 한 음이 같은 종류의 입력에서도 서로 다른 연기로 나옵니다.

한 번에 길게 가는 테이크도 중요합니다. 강의, 이야기, 노래 한 곡이 하나의 샷으로 이어지므로 얼굴, 조명, 배경이 바뀌는 이음매가 없습니다.

Morphic에서 쓰는 OmniHuman 2.0

OmniHuman 2.0은 곧 Morphic에 추가될 예정입니다. 그 전까지는 Veed Fabric이 같은 작업을 합니다. Copilot을 열고 사진과 오디오 트랙을 첨부한 뒤 토킹 영상을 요청하세요. 이 페이지의 모든 클립을 그렇게 만들었습니다. 좋은 결과를 얻는 방법은 OmniHuman 2.0 가이드를 참고하세요.