Atlas Cloud ya es revendedor autorizado en EE. UU. de Dreamina Seedance 2.5 y Seedream 5.0 Pro.
Avatar Omni Human 2.0 Multi-Person Avatars

Avatar Omni Human 2.0 Multi-Person Avatars

Avatar Omni Human 2.0 de ByteDance es un modelo de animación de personajes basado en audio. La compatibilidad con escenas con varias personas y gestos dinámicos amplía la creación de avatares a actuaciones compartidas con movimientos expresivos. En Atlas Cloud, integra el modelo mediante acceso a la API y usa su esquema de parámetros específico para configurar las entradas de tu flujo de trabajo de vídeo. Empieza a crear hoy mismo.

Avatar Omni Human 2.0 ha sido desarrollado por ByteDance. Atlas Cloud (operado por Atlas Cloud AI LLC) proporciona acceso al modelo, pero no es su propietario. Todas las marcas comerciales pertenecen a sus respectivos titulares.

Especificaciones de entrada y salida de video de Avatar Omni Human 2.0

Compara las entradas de imagen y audio, la salida de video y las capacidades verificadas del endpoint Avatar Omni Human 2.0.

ModalidadDescripción
Avatar Omni Human 2.0 API (Image and Audio To Video)Convierte una imagen y una pista de audio en un video de 720p en el que uno o más personajes hablan o cantan. Avatar Omni Human 2.0 admite gestos dinámicos, escenas con varias personas, movimiento de cámara dirigido por prompts y clips de hasta cinco minutos, por lo que resulta adecuado para presentaciones con avatares, actuaciones y videos de diálogos.

Avatar Omni Human 2.0: de la voz a la interpretación

Avatar Omni Human 2.0 convierte una imagen y una pista de audio en vídeos 720p de personas hablando o cantando, con gestos dinámicos, escenas con varios personajes, movimiento de cámara dirigido por prompts, clips de hasta cinco minutos y acceso unificado a la API con pago por uso a través de Atlas Cloud.

Avatar Omni Human 2.0: de imagen a interpretación

Parte de una imagen y una pista de audio para crear un vídeo 720p del personaje hablando o cantando. Avatar Omni Human 2.0 usa la imagen de origen para definir al personaje, mientras que el movimiento visible y los gestos dinámicos dan forma a la interpretación. Este flujo de trabajo compacto convierte un personaje estático en clips de presentación, piezas visuales musicales y momentos narrativos, con la imagen y el audio como entradas principales.

Interpretación guiada por audio

El audio guía la interpretación al hablar o cantar y marca el ritmo y los gestos dinámicos a lo largo del clip. Las frases habladas y cantadas marcan el compás, mientras que la imagen de referencia define al personaje en pantalla. El resultado es ideal para narraciones, interpretaciones musicales y escenas de diálogo en las que la expresión visual debe acompasarse con la banda sonora de principio a fin.

Interpretaciones de personajes de hasta cinco minutos

¿Necesitas tiempo para una explicación completa o una canción? Avatar Omni Human 2.0 puede generar clips de hasta cinco minutos a partir de una imagen y una pista de audio, superando la duración de los vídeos cortos para redes sociales. Aprovecha esa duración para lecciones, recorridos de producto, interpretaciones o contenido episódico protagonizado por personajes. Los vídeos más largos reducen la necesidad de dividir una misma interpretación en muchos clips.

Historias con cámara dirigida por prompts

Guía la interpretación con un prompt de texto que puede dirigir el movimiento de cámara alrededor del personaje y la escena. Pasa de un primer plano a un encuadre más amplio, pide un movimiento orbital o define cómo sigue el encuadre la interpretación guiada por audio. Estas indicaciones adicionales dan a los creadores más control sobre vídeos explicativos, momentos narrativos y secuencias musicales, sin complicar el flujo de trabajo sencillo basado en imagen y audio.

Movimiento de conjunto en Avatar Omni Human 2.0

Incluye varios personajes en una misma escena de Avatar Omni Human 2.0 para que hablen o canten juntos. Los gestos dinámicos y el movimiento guiado por audio animan al elenco en una sola composición, en lugar de mostrar a cada personaje por separado. Las entrevistas, los duetos, las interpretaciones grupales y los diálogos con guion transmiten una interacción más natural cuando la historia incluye a más de una persona en pantalla.

Acceso a Avatar Omni Human 2.0 mediante Atlas Cloud

Integra Avatar Omni Human 2.0 en un producto existente mediante la API unificada de Atlas Cloud y una sola clave compatible con OpenAI. La tarifa transparente de pago por uso permite a los desarrolladores generar solo el volumen de vídeo que necesitan, y la misma integración da acceso a otros modelos de Atlas Cloud. Esta configuración es adecuada para aplicaciones y flujos automatizados de creación de contenido que necesitan generar avatares sin gestionar una integración distinta para cada modelo.

Prueba de modelos con Avatar Omni Human 2.0 a partir de un único prompt

Compara cómo interpretan Avatar Omni Human 2.0 y dos modelos de vídeo alternativos los mismos prompts en escenas de interpretación realista y acción estilizada.

Prompt

Crea una secuencia de acción cinematográfica de 9 segundos que conserve fielmente la identidad facial del retrato de referencia y transforme al sujeto en un mecánico de un observatorio alpino de ciencia ficción retro de los años 60. En medio de una ventisca azul cobalto, la cúpula descontrolada empieza a girar de repente mientras los engranajes de latón expuestos chocan y sueltan chispas; comienza con un rápido travelling a ras de suelo mientras el mecánico se lanza sobre unos raíles cubiertos de escarcha, agarra un telescopio de latón que se balancea violentamente y lucha por avanzar, con la bufanda escarlata y el abrigo de trabajo azotados por el viento. Corta a un plano de seguimiento en órbita cerrada cuando se agacha bajo la estructura de una escalera que pasa rozándolo, se afirma contra el impulso del telescopio y busca la palanca del freno entre la nieve arremolinada y la maquinaria que choca. Corta a una espectacular vista cenital del interior de la cúpula giratoria: una grieta en el techo se alinea brevemente con la luminosa Vía Láctea, bañando su rostro inconfundible de luz estelar mientras tira del freno; los engranajes tiemblan, la cúpula se detiene y el telescopio se asienta con un peso convincente. Haz un barrido rápido hacia su taza de café humeante, cercana, y luego un zoom brusco hasta la taza cuando un diminuto meteorito resplandeciente cae dentro con un siseo seco; corta a un primer plano suyo mientras la incredulidad inicial se convierte en una sonrisa apenas contenida. Movimiento enérgico y continuo, coreografía de acción fluida, telas, nieve, inercia, impactos, chispas y física mecánica realistas; sin cámara lenta. Paleta de película de aventuras Technicolor de los años 60, exquisita artesanía de maquetas en miniatura, noche nevada azul cobalto, maquinaria de cobre y oro bruñidos, bufanda escarlata intensa, contraluz duro y dramático, grano de película sutil, destellos anamórficos, efectos analógicos táctiles. Audio: viento rugiente, choques de engranajes metálicos, raíles traqueteantes, cables tensos, un golpe seco y decisivo del freno, silencio mecánico repentino y, después, el cómico plop y chisporroteo del meteorito, acompañados por una animada banda sonora retro de ciencia ficción orquestal. Relación de aspecto 16:9.

Generated with Avatar Omni Human 2.0 on Atlas Cloud

Generated with Gemini Omni Flash Image-to-Video on Atlas Cloud

Generated with Avatar Omni Human 1.5 on Atlas Cloud

Prompt

Microhistoria cinematográfica de 9 segundos: el mismo mensajero fotorrealista, con un impermeable bermellón intenso y rostro, ropa y proporciones coherentes durante toda la escena, entra por accidente en una colosal ciudad de origami artesanal justo después de un aguacero torrencial. En un callejón azul cian y frío, entre edificios de papel plegado que se alzan hacia el cielo, la cálida luz ámbar de las ventanas brilla entre los pliegues; una grulla gigante de papel arrebata el paquete del mensajero y sale disparada. Empieza con un plano de seguimiento ultrabajo a ras del suelo, corriendo junto a las botas del mensajero mientras este avanza a toda velocidad por charcos como espejos, cuyas reflexiones crean composiciones simétricas impactantes; las gotas de lluvia salpican hacia el objetivo y enormes formas de papel plegado en primer plano pasan rápidamente con una marcada perspectiva. El mensajero salta un charco y se agacha bajo un puente de papel curvado que se flexiona, se arruga y cruje con una física de papel convincente. Haz un barrido rápido y fluido hasta la vista aérea cenital en POV de la grulla, que gira entre los tejados de origami mientras el mensajero sigue corriendo abajo; luego lánzate rápidamente hacia él y pasa a una órbita cerrada de 360 grados cuando el mensajero salta, atrapa la grulla y le arrebata el paquete en el aire. En el instante en que aterriza, el paquete se despliega juguetonamente por sí solo, con pliegues precisos de stop-motion, hasta convertirse en un enorme paraguas de papel; la cubierta se abre de golpe y eleva al mensajero sobresaltado y a la grulla aleteante hacia el cielo lluvioso, en una revelación final llena de fantasía. Estética híbrida que combina una actuación humana realista, lluvia y reflejos cinematográficos con la textura táctil del origami artesanal en stop-motion; fibras de papel nítidas, superficies mojadas, peso, impulso, salpicaduras y pliegues flexibles convincentes, con movimiento complejo y continuo. Encuadre en capas a través de bordes de papel en primer plano, distorsión dramática de gran angular, luz fría de tormenta en tonos verde azulado, realzada por el abrigo rojo y las ventanas de luz amarilla cálida. Audio rítmico y sincronizado: gotas de lluvia, pasos sobre suelo mojado, crujidos secos de papel, aleteos y el golpe percusivo final del paraguas, perfectamente sincronizados con cada movimiento; una percusión minimalista y juguetona va creciendo durante la persecución y culmina con el giro en el aire. Sin pantallas, interfaces, paneles de control, barras de progreso, gráficos, rótulos, logotipos, subtítulos, texto legible, poses congeladas, relleno a cámara lenta, cambios de identidad, cambios de vestuario, extremidades duplicadas, anatomía rota, teletransportación, movimientos discontinuos, cortes incoherentes, papel de aspecto plástico ni física inverosímil. Relación de aspecto 16:9.

Generated with Avatar Omni Human 2.0 on Atlas Cloud

Generated with Gemini Omni Flash Image-to-Video on Atlas Cloud

Generated with Avatar Omni Human 1.5 on Atlas Cloud

Dirige cada interpretación con Avatar Omni Human 2.0

Desde explicaciones de productos y lecciones hasta diálogos entre varias personas, actuaciones musicales, historias para redes sociales y actualizaciones de formato largo, Avatar Omni Human 2.0 convierte una imagen y audio en un vídeo de avatar de 720p dirigido mediante prompts.

Demostraciones de productos con Avatar Omni Human 2.0

Convierte la imagen de un personaje y una pista de narración en un vídeo de presentación de 720p con movimiento de cámara dirigido mediante prompts. Los equipos de producto pueden crear demostraciones guiadas, explicaciones de lanzamientos y recorridos por funcionalidades sin grabar a un presentador en directo.

Cursos y formación de equipos

Crea vídeos didácticos de 5 minutos a partir de una sola imagen y el audio grabado de una lección, con gestos dinámicos. Los equipos educativos y de formación pueden publicar clases, módulos de incorporación y sesiones informativas sobre políticas con un presentador en pantalla coherente.

Escenas de diálogo con Avatar Omni Human 2.0

Escenifica conversaciones a partir de una imagen y una pista de audio mientras Avatar Omni Human 2.0 anima a varias personas. Los creadores de contenido pueden producir segmentos de entrevistas, debates de panel o intercambios entre personajes con actuaciones de habla coordinadas.

Canto con Avatar Omni Human 2.0

Combina la imagen de un personaje con música o voces para generar una actuación de canto en 720p con gestos expresivos. Los artistas y equipos de entretenimiento pueden crear actuaciones virtuales, promociones musicales y contenido para fans protagonizado por personajes.

Historias sociales dirigidas

Dirige el movimiento de la cámara y el comportamiento del personaje mediante prompts, y deja que el audio proporcionado impulse la actuación. Los equipos de redes sociales obtienen clips reutilizables de personajes parlantes para anuncios, historias guionizadas, publicaciones de campañas y contenido episódico.

Actualizaciones ejecutivas de formato largo

Mantén a un avatar hablando o cantando durante clips de hasta 5 minutos, con gestos que siguen el audio. Las organizaciones pueden publicar actualizaciones ejecutivas, mensajes para eventos, explicaciones narradas y comunicaciones recurrentes con un formato coherente.

Avatar Omni Human 2.0 en los principales modelos de vídeo

Compara Avatar Omni Human 2.0 con tres modelos de vídeo de Atlas Cloud según el proveedor, el flujo de entrada, la duración del clip, la resolución y el precio base del catálogo.

ModeloProveedorFlujo de entradaDuración máxima del clipResolución de salidaPrecio base del catálogo
Avatar Omni Human 2.0ByteDanceImagen + audio + prompt opcionalHasta 5 minutos720p$0.07
Avatar Omni Human 1.5ByteDanceImagen + audio + prompt opcionalHasta 60 segundos en 720p720p o 1080p$0.12
MiniMax H3 Image-to-VideoMiniMaxPrimer fotograma + último fotograma opcional + promptDe 5 a 15 segundosHasta 2K$0.038 por segundo
Veo 3.1 Lite Start-End Frame to VideoGooglePrimer fotograma + último fotograma + prompt8 segundos720p o 1080p$0.05

Cómo usar Avatar Omni Human 2.0 en Atlas Cloud

Empieza en minutos — sigue estos sencillos pasos para integrar y desplegar modelos a través de la plataforma de Atlas Cloud.

Crea una cuenta en Atlas Cloud

Regístrate en atlascloud.ai y completa la verificación. Los nuevos usuarios reciben créditos gratuitos para explorar la plataforma y probar modelos.

Por Qué Usar Avatar Omni Human 2.0 en Atlas Cloud

Combina modelos avanzados de Avatar Omni Human 2.0 con la plataforma acelerada por GPU de Atlas Cloud, proporcionando rendimiento, escalabilidad y experiencia de desarrollo incomparables.

Rendimiento y Flexibilidad

Baja Latencia:
Inferencia optimizada por GPU para respuestas en tiempo real.

API Unificada:
Una sola integración para acceder a Avatar Omni Human 2.0, GPT, Gemini y DeepSeek.

Precios Transparentes:
Facturación por Token, soporta modo Serverless.

Empresa y Escala

Experiencia del Desarrollador:
SDK, análisis de datos, herramientas de ajuste fino y plantillas todo en uno.

Confiabilidad:
99.99% de disponibilidad, control de permisos RBAC, registros de cumplimiento.

Seguridad y Cumplimiento:
Certificación SOC 2 Type II, cumplimiento HIPAA, soberanía de datos en EE.UU.

Preguntas frecuentes para desarrolladores sobre Avatar Omni Human 2.0

Avatar Omni Human 2.0 es el modelo de vídeo de avatares controlados por audio de ByteDance. Transforma una imagen y una pista de audio en un vídeo de 720p del personaje hablando o cantando, con expresiones y gestos sincronizados.

Crea presentadores parlantes, cantantes digitales, actuaciones de personajes y escenas con varias personas a partir de una sola imagen de referencia. Los prompts opcionales pueden definir las acciones, los elementos de la escena y el movimiento de la cámara para obtener resultados más dirigidos.

Crea una clave de API de Atlas Cloud y selecciona bytedance/avatar-omni-human-v2.0 como modelo en tu solicitud. Proporciona una imagen y una pista de audio, e incluye un prompt opcional cuando necesites un mayor control sobre la actuación o la cámara.

Cada solicitud combina una imagen de referencia con una pista de audio. También puedes proporcionar un prompt de texto para guiar la escena, el movimiento del personaje, acciones específicas y el comportamiento de la cámara.

Sí, el modelo puede animar personajes que interpretan diálogos o canciones y admite escenas con varias personas. El audio dirige la actuación, mientras que los gestos y las reacciones se generan según la composición seleccionada.

Los vídeos se generan en 720p y pueden durar hasta cinco minutos. Esta duración permite crear presentaciones, actuaciones y contenido narrado con personajes más largos sin dividir el proyecto en varios clips breves.

Atlas Cloud establece un precio estándar de $0.07 por segundo. El uso se factura según el modelo de pago por uso, por lo que el coste total aumenta en función de la duración del vídeo generado.

Las herramientas básicas de sincronización labial coordinan principalmente el movimiento de la boca con el habla. Este modelo también sincroniza las expresiones y los gestos con el audio, y admite indicaciones mediante prompts para las acciones, los detalles de la escena y el movimiento de la cámara.

Primero, confirma que la solicitud incluye tanto una imagen como una pista de audio y que las URL de los recursos multimedia referenciados sean accesibles. Compara todos los campos con el esquema actual del playground de Atlas Cloud y utiliza los detalles del error devuelto para corregir la carga útil antes de volver a intentarlo.

Explorar Más Series

Seedance 2.5

¡La API de Seedance 2.5 ya está disponible en Atlas Cloud! Ofrece a los desarrolladores el modelo de video más reciente de ByteDance. Genera hasta 30 segundos de video nativo en una sola pasada a partir de texto, una sola imagen o hasta 50 referencias multimodales, con audio sincronizado y texto multilingüe en el encuadre. En Atlas Cloud puede acceder a él mediante una única clave, con consistencia del sujeto y físicas mejoradas que mantienen la coherencia en las tomas largas.

Ver Serie

Wan 3.0

La API Wan 3.0 es la próxima generación de la familia de videos Wan de Alibaba, diseñada para llevar la generación de formato largo, el control de múltiples referencias y la calidad audiovisual a nuevas alturas. Atlas Cloud ya aloja Wan 2.7, 2.6 y 2.5, y Wan 3.0 se ejecuta con la misma clave unificada sin necesidad de configuración adicional. Empieza a construir hoy mismo. Desplázate hacia abajo hasta la galería para ver lo que Wan 3.0 puede crear.

Ver Serie

MiniMax H3

MiniMax H3 es la familia de vídeo multimodal de MiniMax para la creación guiada por texto, imagen y referencias. En las rutas compatibles, conserva los sujetos del material de referencia, ofrece relaciones de aspecto flexibles y combina el sonido generado con los elementos visuales mediante H3 Developer, con perfiles de salida seleccionados según el endpoint. Atlas Cloud reúne toda la familia bajo una única clave compatible con OpenAI, con precios transparentes de pago por uso a partir de la tarifa estándar de $0.038 por segundo. Empieza a crear hoy mismo.

Ver Serie

GPT Image 2.5

La familia gpt-image-2.5 de OpenAI ofrece a los desarrolladores la posibilidad de elegir entre Flare y Sunburst para flujos de trabajo de producción de imágenes. Renderiza con resoluciones arbitrarias de hasta 3840x2160 y elige entre cinco niveles de calidad, incluidos xhigh y max, para adaptarte a requisitos de salida específicos. Atlas Cloud proporciona inferencia REST lista para usar, sin arranques en frío y con precios estándar desde $0.004 por generación. Empieza a crear hoy mismo.

Ver Serie

Seedream 5.0 Pro

La API de Seedream 5.0 Pro ofrece a los desarrolladores el modelo de edición de imágenes controlable de ByteDance en Atlas Cloud. Sitúa las ediciones con precisión mediante anclajes y coordenadas, separa las imágenes en capas editables, fusiona múltiples referencias y empareja colores y materiales exactos, con texto multilingüe a 2K y 3K. ¡En Atlas Cloud puede acceder a él mediante una sola clave!

Ver Serie

Seedance 2.0

Seedance 2.0 es el modelo de vídeo para producción de ByteDance, diseñado para crear planos con precisión. Convierte prompts en vídeo, anima una imagen del primer fotograma con orientación opcional del último fotograma o da forma a los resultados mediante medios de referencia y búsqueda web opcional. Atlas Cloud reúne estos flujos de trabajo en una única API unificada, con precios transparentes de pago por uso y una sola clave compatible con OpenAI. Empieza a crear hoy mismo.

Ver Serie

Kling V3.0

La Kling 3.0 API lleva la suite de video insignia de Kuaishou a Atlas Cloud mediante una clave compatible con OpenAI. Abarca dos modelos: Kling 3.0 para la narración de AI Director, sincronización labial multilingüe y texto en pantalla preciso, y Kling 3.0 Omni (O3) para la clonación de sujetos y voz a partir de un video corto o imagen. Ambos generan audio nativo en la misma pasada, con una salida de hasta 4K. Construya narrativas cinematográficas, marketing global, anuncios multilingües y contenido de personajes en serie sobre una infraestructura confiable.

Ver Serie

Grok Imagine Video

Grok Imagine Video brinda a los desarrolladores acceso a la familia de modelos de video de xAI para crear, animar, ampliar y editar clips. Genera videos de 1 a 15 segundos a partir de indicaciones, guía personas, objetos o estilos con hasta siete imágenes de referencia y trabaja en 480p o 720p. Atlas Cloud reúne estas capacidades mediante endpoints compatibles con OpenAI y precios transparentes de pago por uso. Empieza a crear hoy mismo.

Ver Serie

Vidu Q4 Preview

Vidu Q4 es el último modelo de vídeo insignia de Vidu, diseñado para la generación de vídeo a partir de imágenes y referencias. Puede animar una sola imagen estática y crear transiciones automáticas entre escenas, ofreciendo a los desarrolladores dos vías de entrada para distintos flujos de trabajo de producto. Atlas Cloud proporciona endpoints de API dedicados con esquemas de parámetros publicados, a un precio estándar verificado de $0.04 por segundo. Empieza a desarrollar hoy mismo.

Ver Serie

Gemini Omni 1.1 Flash

Gemini Omni 1.1 Flash es la familia de vídeo nativamente multimodal de Google DeepMind para flujos de producción flexibles. Edita material existente mediante instrucciones de texto, mantén la coherencia visual con hasta 10 imágenes de referencia y 3 clips de vídeo, o amplía una toma en segmentos encadenables de hasta 40 segundos. Accede a todos los flujos de trabajo en Atlas Cloud con una sola clave de API compatible con OpenAI, precios de pago por uso y disponibilidad desde el día 0. Empieza a desarrollar hoy mismo.

Ver Serie

Nano Banana 2.1

Nano Banana 2.1 es la familia de modelos de imagen de Google basada en Gemini 3.6 Flash. Ofrece generación y edición con calidad Pro a la velocidad de Flash, admite ediciones y combinaciones mediante lenguaje natural con entre 1 y 14 imágenes de entrada, y mantiene la coherencia de hasta 4 personajes y 10 objetos. A través de Atlas Cloud, los desarrolladores pueden acceder a la familia con una única clave compatible con OpenAI, disponibilidad fiable y disponibilidad desde el día 0. Empieza a crear hoy mismo.

Ver Serie

Nano Banana 2

Construya con la API Nano Banana 2, impulsada por el modelo Gemini 3.1 Flash Image de Google. Genera imágenes en 4K nativo de hasta 4096x2304 con una representación de texto precisa y personajes consistentes en hasta 14 imágenes de referencia, tanto para generación como para edición. En Atlas Cloud puede acceder a ella a través de una API unificada junto con más de 300 modelos, con precios desde $0.04 por imagen, un tiempo de actividad del 99.99% y créditos gratuitos para comenzar.

Ver Serie

Una sola API para toda la IA multimedia.

Explorar Todos los Modelos