Foto + Audio → sprechendes Video
OmniHuman 2
Laden Sie ein Foto und eine Audiospur hoch und erhalten Sie ein Video, in dem diese Person spricht oder singt.
Zwei Eingaben. Keine Timeline, keine Keyframes, kein separater Gesangsmodus.
Ein Foto + eine Audiospur
Das Foto bestimmt die auftretende Person. Das Audio steuert die Performance.
So funktioniert OmniHuman 2
Bringen Sie ein Gesicht und einen Ton mit. Den Rest übernimmt das Modell.
- 01
Ein Foto hochladen
Ein Porträt, ein Selfie oder ein beliebiges klares Bild einer einzelnen Person, frontal aufgenommen und mit vollständig sichtbarem Gesicht.
- 02
Eine Audiospur hinzufügen
Ein gesprochener Satz oder ein Song. Das Audio ist die Performance – was gesagt wird und wie es gesagt wird, landet beides im Video.
- 03
Das Video generieren
Wählen Sie die Cliplänge und den Bildausschnitt und laden Sie das fertige Video herunter, sobald es bereit ist.
Ein schlichter Hintergrund und ein einzelnes klares Gesicht liefern die besten Ergebnisse. Halten Sie das Audio sauber und frei von Hintergrundgeräuschen.
Beispiele
Acht Wege, wie aus einem Foto und einer Audiospur eine Performance wird.
Fahren Sie über einen Clip, um das Eingabe-Rezept zu sehen.
Die Beispielclips auf dieser Seite sind KI-generierte Illustrationen des Workflows aus Foto und Audio. Sie stammen nicht aus Ihren Uploads und sind kein Versprechen eines bestimmten Ergebnisses.
Das bekommen Sie
Vier Punkte, die entscheiden, ob das zu Ihrem Workflow passt.
Foto und Audio sind die gesamte Eingabe
Es gibt keinen Prompt zu schreiben und keine Timeline zu schneiden. Laden Sie ein Bild einer Person hoch, fügen Sie die Spur hinzu, die sie performen soll, und generieren Sie.
Sprache und Gesang, ein Workflow
Ein gesprochener Absatz und eine gesungene Strophe nutzen dieselben zwei Eingaben. Es gibt keinen separaten Gesangsmodus, den man einschalten müsste.
Ein Studio, das Sie heute nutzen können
Der Generator auf dieser Seite ist live. Öffnen Sie das Studio, laden Sie Ihr Foto und Ihr Audio hoch und generieren Sie einen Clip, statt sich auf eine Warteliste zu setzen.
Zehn Sprachen, durchgängig
Der gesamte Arbeitsbereich – von der Landingpage über das Studio bis zur Support-Adresse – ist in zehn Sprachen verfügbar.
Anwendungsfälle
Alles, wofür Sie Stimme und Gesicht bereits haben.
Erklärvideos und Lektionen
Machen Sie aus dem Foto einer Lehrkraft und einer aufgezeichneten Erklärung einen kurzen Lektionsclip, ohne einen Dreh zu buchen.
Songs und Lyric-Clips
Geben Sie dem Porträt einer Sängerin oder eines Sängers eine gesungene Zeile für einen Lyric-Teaser oder einen Musik-Clip.
Podcasts und Hörbücher
Geben Sie einem erzählten Abschnitt ein Gesicht, damit ein Audio-Projekt auch etwas zu zeigen hat.
Social Shorts
Produzieren Sie vertikale sprechende Clips für Feeds und Stories aus einem Foto, das Sie bereits besitzen.
Produkt- und Werbezeilen
Lesen Sie eine einzelne Werbezeile mit einem Porträt einer präsentierenden Person vor und schneiden Sie sie anschließend in einen längeren Edit.
Figuren und Maskottchen
Bringen Sie eine gezeichnete oder modellierte Figur für eine kurze Zeile oder eine Reaktionseinstellung vor die Kamera.
Preise
Jede Generierung wird in Credits abgerechnet, und die Kosten werden vor der Generierung angezeigt.
Preise ansehenPläne und Credit-Pakete sind auf der Preisseite aufgeführt.
Fragen und Antworten
Was die Leute vor ihrem ersten Clip wissen wollen.
Ein Bild einer Person und eine Audiodatei. Das Bild legt fest, wer erscheint und wie die Aufnahme gerahmt ist; das Audio ist das, was performed wird. Beides ist erforderlich.
Geben Sie Ihrem Audio ein Gesicht
Ein Foto, eine Audiospur und ein fertiger sprechender oder singender Clip.
Studio öffnen