A Atlas Cloud agora é revendedora autorizada nos EUA do Dreamina Seedance 2.5 e do Seedream 5.0 Pro.
Avatar Omni Human 2.0 Multi-Person Avatars

Avatar Omni Human 2.0 Multi-Person Avatars

O Avatar Omni Human 2.0 da ByteDance é um modelo de animação de personagens orientado por áudio. O suporte a cenas com várias pessoas e gestos dinâmicos amplia a criação de avatares para apresentações compartilhadas, com movimentos expressivos dos personagens. No Atlas Cloud, integre o modelo por meio do acesso à API e use o esquema de parâmetros específico do modelo para configurar as entradas do seu fluxo de trabalho de vídeo. Comece a criar hoje.

Avatar Omni Human 2.0 foi desenvolvido pela ByteDance. A Atlas Cloud (operada pela Atlas Cloud AI LLC) fornece acesso ao modelo, mas não é sua proprietária. Todas as marcas registradas pertencem aos seus respectivos titulares.

Especificações de entrada e saída de vídeo do Avatar Omni Human 2.0

Compare as entradas de imagem e áudio, a saída de vídeo e os recursos verificados do endpoint Avatar Omni Human 2.0.

ModalidadeDescrição
Avatar Omni Human 2.0 API (Imagem e Áudio para Vídeo)Transforme uma imagem e uma faixa de áudio em um vídeo 720p com um ou mais personagens falando ou cantando. O Avatar Omni Human 2.0 oferece gestos dinâmicos, cenas com várias pessoas, movimento de câmera orientado por prompt e clipes de até cinco minutos, sendo adequado para apresentações com avatares, performances e vídeos de diálogo.

Avatar Omni Human 2.0: da voz à atuação

Avatar Omni Human 2.0 transforma uma imagem e uma faixa de áudio em vídeos 720p de fala ou canto, com gestos dinâmicos, cenas com vários personagens, movimentos de câmera orientados por prompts, clipes de até cinco minutos e acesso unificado à API com cobrança conforme o uso pelo Atlas Cloud.

Avatar Omni Human 2.0: da imagem à atuação

Comece com uma imagem e uma faixa de áudio para criar um vídeo 720p do personagem falando ou cantando. Avatar Omni Human 2.0 usa a imagem de origem para definir o personagem, enquanto os movimentos visíveis e os gestos dinâmicos dão forma à atuação. Esse fluxo enxuto transforma um personagem estático em vídeos de apresentação, visuais musicais e momentos narrativos, mantendo imagem e áudio como entradas principais.

Atuação guiada por áudio

O áudio conduz a atuação ao falar ou cantar, definindo o ritmo e os gestos dinâmicos ao longo do clipe. As falas e os trechos cantados dão o ritmo, enquanto a imagem de referência define o personagem na tela. O resultado é ideal para narrações, apresentações musicais e cenas de diálogo em que a interpretação visual precisa estar conectada à trilha sonora do primeiro ao último compasso.

Atuações de personagens com até cinco minutos

Precisa de espaço para uma explicação completa ou uma música? Avatar Omni Human 2.0 pode gerar clipes de até cinco minutos a partir de uma imagem e uma faixa de áudio, indo além dos vídeos curtos para redes sociais. Use essa duração em aulas, demonstrações de produtos, apresentações ou conteúdos seriados com personagens. Vídeos mais longos reduzem a necessidade de dividir uma única atuação em vários clipes.

Narrativas com câmera orientada por prompts

Oriente a atuação com um prompt de texto que direcione o movimento da câmera ao redor do personagem e da cena. Passe de um enquadramento fechado para uma composição mais ampla, peça um movimento orbital ou defina como o enquadramento acompanha a atuação guiada pelo áudio. Esse controle adicional dá aos criadores mais liberdade em vídeos explicativos, momentos narrativos e sequências musicais, mantendo o fluxo simples com imagem e áudio.

Movimento em conjunto no Avatar Omni Human 2.0

Reúna vários personagens na mesma cena do Avatar Omni Human 2.0 para que falem ou cantem juntos. Gestos dinâmicos e movimentos guiados pelo áudio animam o elenco na mesma composição, sem isolar cada personagem. Entrevistas, duetos, apresentações em grupo e diálogos roteirizados ganham interações mais naturais quando a história envolve mais de uma pessoa na cena.

Acesso ao Avatar Omni Human 2.0 pelo Atlas Cloud

Integre Avatar Omni Human 2.0 a um produto existente pela API unificada do Atlas Cloud e com uma única chave compatível com OpenAI. A cobrança transparente conforme o uso permite gerar apenas o volume de vídeos necessário, e a mesma integração dá acesso a outros modelos do Atlas Cloud. Essa configuração atende a aplicações e pipelines automatizados de conteúdo que precisam gerar avatares sem manter uma integração separada para cada modelo.

Avatar Omni Human 2.0 em um teste de modelos com um único prompt

Compare como Avatar Omni Human 2.0 e dois modelos de vídeo alternativos interpretam prompts idênticos em cenas de atuação realistas e de ação estilizadas.

Prompt

Crie uma sequência de ação cinematográfica de 9 segundos que preserve fielmente a identidade facial do retrato de referência, transformando a pessoa em um mecânico de observatório alpino de ficção científica retrô dos anos 1960. Em meio a uma nevasca azul-cobalto, a cúpula desgovernada começa a girar de repente, enquanto engrenagens de latão expostas se chocam e soltam faíscas. Comece com um rápido avanço em ângulo baixo sobre o chão nevado, enquanto o mecânico salta sobre trilhos cobertos de geada, agarra um telescópio de latão que balança descontroladamente e luta para avançar, com o cachecol escarlate e o casaco de trabalho estalando violentamente ao vento. Corte para um plano de acompanhamento em órbita fechada enquanto ele se abaixa sob a estrutura de uma escada que passa por cima, se firma contra o impulso do telescópio e alcança a alavanca do freio em meio à névoa de neve rodopiante e às máquinas em colisão. Corte para uma vista dramática de cima, no interior da cúpula giratória: uma rachadura no teto se alinha por um instante com a Via Láctea luminosa, banhando seu rosto, sempre consistente, com luz estelar enquanto ele puxa o freio; as engrenagens estremecem, a cúpula para e o telescópio se acomoda com peso convincente. Faça uma panorâmica rápida até o café fumegante ali perto e, em seguida, um zoom brusco na xícara quando um minúsculo meteorito brilhante cai nela com um chiado agudo; corte para um close no rosto dele, enquanto o espanto incrédulo se transforma num sorriso mal contido. Movimento energético contínuo, coreografia de acrobacias fluida, tecidos, neve, inércia, impactos, faíscas e física mecânica realistas; sem câmera lenta. Paleta Technicolor de filmes de aventura dos anos 1960, artesanato primoroso de modelos em miniatura feitos à mão, noite de neve azul-cobalto, maquinário em cobre e ouro brunidos, cachecol escarlate vibrante, contraluz dramática e intensa, granulação sutil de filme, reflexos anamórficos e efeitos analógicos táteis. Áudio: vento uivante, engrenagens metálicas se chocando, trilhos chacoalhando, cabos sob tensão, um estalo decisivo do freio, silêncio mecânico repentino e, então, o ploc cômico e o chiado do meteorito, acompanhados por uma trilha sonora ágil de ficção científica orquestral retrô. Proporção de tela 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

Micronarrativa cinematográfica de 9 segundos: o mesmo entregador fotorrealista, usando uma capa de chuva vermelho-vermílhão vibrante e mantendo o rosto, as roupas e as proporções consistentes do início ao fim, entra por acidente numa colossal cidade de origami artesanal logo após um temporal torrencial. Num beco azul-ciano frio, entre edifícios altos de papel dobrado, com luz âmbar quente brilhando pelas dobras das janelas, um enorme grou de papel agarra a encomenda do entregador e sai voando. Comece com um plano de acompanhamento rente ao chão, em velocidade máxima ao lado das botas do entregador, que corre a passos fortes por poças espelhadas; os reflexos formam composições simétricas marcantes. Gotas de chuva espirram em direção à lente e enormes formas de papel dobrado passam em primeiro plano, criando uma perspectiva acentuada. O entregador salta sobre uma poça e se abaixa sob uma ponte de papel curvada que se flexiona, enruga e estala com física convincente de papel. Faça uma panorâmica rápida e fluida para a perspectiva aérea, de cima para baixo, do grou enquanto ele inclina as asas entre os telhados de origami, com o entregador ainda correndo lá embaixo; em seguida, mergulhe rapidamente em direção a ele e faça a transição para uma órbita fechada de 360 graus enquanto o entregador salta, agarra o grou e recupera a encomenda no ar. Assim que aterrissa, a encomenda se desdobra de maneira divertida, com vincos precisos de animação em stop-motion, transformando-se num enorme guarda-chuva de papel; sua cobertura se abre com um estalo e ergue o entregador assustado e o grou batendo as asas até o céu chuvoso, numa revelação final fantasiosa. Estética híbrida que combina uma atuação humana realista com chuva e reflexos cinematográficos e a textura tátil de origami artesanal em stop-motion; fibras de papel nítidas, superfícies molhadas, peso, impulso, respingos, dobras flexionadas e movimento complexo contínuo convincentes. Enquadramento em camadas através das bordas de papel em primeiro plano, distorção dramática de grande angular, luz fria de tempestade em tons de azul-petróleo, realçada pelo casaco vermelho e pelas janelas amarelas quentes. Áudio rítmico sincronizado: gotas de chuva, passos em superfícies molhadas, estalos secos de papel, batidas de asas e o estalo percussivo final do guarda-chuva perfeitamente alinhados a cada movimento; uma percussão minimalista e divertida cresce durante a perseguição e culmina na reviravolta aérea. Sem telas, interfaces, painéis, barras de progresso, gráficos, legendas, logotipos, texto na tela, poses congeladas, trechos de câmera lenta sem propósito, mudanças de identidade ou figurino, membros duplicados, anatomia deformada, teletransporte, movimentos descontínuos, cortes incoerentes, papel com aparência de plástico ou física implausível. Proporção de tela 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

Dirija cada performance com Avatar Omni Human 2.0

De explicações de produtos e aulas a diálogos entre várias pessoas, performances de canto, histórias para redes sociais e atualizações longas, Avatar Omni Human 2.0 transforma uma imagem e um áudio em um vídeo de avatar em 720p dirigido por prompts.

Demonstrações de produtos com Avatar Omni Human 2.0

Transforme a imagem de um personagem e uma faixa de narração em um vídeo de apresentador em 720p, com movimentos de câmera dirigidos por prompts. Equipes de produto podem produzir demonstrações guiadas, explicações de lançamentos e apresentações passo a passo de recursos sem filmar um apresentador real.

Cursos e treinamento de equipes

Crie vídeos didáticos de cinco minutos a partir de uma única imagem e de um áudio de aula gravado, com o apoio de gestos dinâmicos. Educadores e equipes de treinamento podem publicar aulas, módulos de integração e comunicados sobre políticas com um apresentador consistente na tela.

Cenas de diálogo com Avatar Omni Human 2.0

Encene conversas a partir de uma imagem e de uma faixa de áudio enquanto Avatar Omni Human 2.0 anima várias pessoas. Criadores de conteúdo podem desenvolver segmentos de entrevistas, discussões em painel ou diálogos entre personagens com performances de fala coordenadas.

Canto com Avatar Omni Human 2.0

Combine a imagem de um personagem com música ou vocais para gerar uma performance de canto em 720p, com gestos expressivos. Artistas e equipes de entretenimento podem criar performances virtuais, vídeos promocionais de música e conteúdo para fãs protagonizado por personagens.

Histórias sociais dirigidas

Dirija os movimentos de câmera e o comportamento dos personagens por meio de prompts e deixe que o áudio fornecido conduza a performance. Equipes de redes sociais obtêm clipes reutilizáveis de personagens falantes para anúncios, histórias roteirizadas, publicações de campanhas e conteúdo episódico.

Atualizações de liderança em formato longo

Mantenha um avatar falando ou cantando em clipes de até cinco minutos, com gestos que acompanham o áudio. As organizações podem publicar atualizações executivas, mensagens para eventos, explicações narradas e comunicações recorrentes em um formato consistente.

Avatar Omni Human 2.0 entre os principais modelos de vídeo

Compare o Avatar Omni Human 2.0 com três modelos de vídeo da Atlas Cloud por provedor, fluxo de entrada, duração do clipe, resolução e preço base do catálogo.

ModeloProvedorFluxo de entradaDuração máxima do clipeResolução de saídaPreço base do catálogo
Avatar Omni Human 2.0ByteDanceImagem + áudio + prompt opcionalAté 5 minutos720p$0.07
Avatar Omni Human 1.5ByteDanceImagem + áudio + prompt opcionalAté 60 segundos em 720p720p ou 1080p$0.12
MiniMax H3 Image-to-VideoMiniMaxPrimeiro quadro + último quadro opcional + prompt5 a 15 segundosAté 2K$0.038 por segundo
Veo 3.1 Lite Start-End Frame to VideoGooglePrimeiro quadro + último quadro + prompt8 segundos720p ou 1080p$0.05

Como Usar Avatar Omni Human 2.0 no Atlas Cloud

Comece em minutos — siga estes passos simples para integrar e implantar modelos pela plataforma da Atlas Cloud.

Crie uma Conta no Atlas Cloud

Cadastre-se em atlascloud.ai e conclua a verificação. Novos usuários recebem créditos gratuitos para explorar a plataforma e testar modelos.

Por Que Usar Avatar Omni Human 2.0 no Atlas Cloud

Combine modelos avançados de Avatar Omni Human 2.0 com a plataforma acelerada por GPU do Atlas Cloud, fornecendo desempenho, escalabilidade e experiência de desenvolvimento incomparáveis.

Desempenho e Flexibilidade

Baixa Latência:
Inferência otimizada por GPU para respostas em tempo real.

API Unificada:
Uma única integração para acessar Avatar Omni Human 2.0, GPT, Gemini e DeepSeek.

Preços Transparentes:
Faturamento por Token, suporta modo Serverless.

Empresa e Escala

Experiência do Desenvolvedor:
SDK, análise de dados, ferramentas de ajuste fino e modelos tudo em um.

Confiabilidade:
99.99% de disponibilidade, controle de permissões RBAC, logs de conformidade.

Segurança e Conformidade:
Certificação SOC 2 Type II, conformidade HIPAA, soberania de dados nos EUA.

FAQ para desenvolvedores do Avatar Omni Human 2.0

O Avatar Omni Human 2.0 é um modelo de vídeo de avatar orientado por áudio da ByteDance. Ele transforma uma imagem e uma faixa de áudio em um vídeo 720p do personagem falando ou cantando, com expressões e gestos sincronizados.

Crie apresentadores falantes, cantores digitais, performances de personagens e cenas com várias pessoas a partir de uma única imagem de referência. Prompts opcionais podem orientar ações, elementos da cena e movimentos de câmera para obter resultados mais direcionados.

Crie uma chave de API do Atlas Cloud e selecione bytedance/avatar-omni-human-v2.0 como modelo na sua solicitação. Forneça uma imagem e uma faixa de áudio e inclua um prompt opcional quando precisar de mais controle sobre a performance ou a câmera.

Cada solicitação combina uma imagem de referência com uma faixa de áudio. Você também pode fornecer um prompt de texto para orientar a cena, os movimentos do personagem, ações específicas e o comportamento da câmera.

Sim, o modelo pode animar personagens realizando falas ou cantando e oferece suporte a cenas com várias pessoas. O áudio conduz a performance, enquanto os gestos e as reações são gerados de acordo com a composição selecionada.

Os vídeos são gerados em 720p e podem ter até 5 minutos de duração. Essa duração permite criar apresentações, performances e conteúdos narrados com personagens mais longos sem dividir o projeto em vários clipes curtos.

O Atlas Cloud informa o preço padrão de $0.07 por segundo. O uso segue o modelo de pagamento conforme o consumo, portanto o custo total varia de acordo com a duração do vídeo gerado.

As ferramentas básicas de lip sync coordenam principalmente o movimento da boca com a fala. Este modelo também sincroniza expressões e gestos com o áudio, além de aceitar orientações por prompt para ações, detalhes da cena e movimentos de câmera.

Primeiro, confirme se a solicitação inclui uma imagem e uma faixa de áudio e se todas as URLs de mídia referenciadas estão acessíveis. Compare cada campo com o schema atual do playground do Atlas Cloud e use os detalhes do erro retornado para corrigir o payload antes de tentar novamente.

Explorar Mais Séries

Seedance 2.5

A API do Seedance 2.5 já está disponível no Atlas Cloud! Ela oferece aos desenvolvedores o mais novo modelo de vídeo da ByteDance. Ele gera até 30 segundos de vídeo nativo em uma única passagem a partir de texto, uma única imagem ou até 50 referências multimodais, com áudio sincronizado e texto multilíngue no quadro. No Atlas Cloud, você o acessa por meio de uma única chave, com consistência de sujeito e física aprimorada mantendo a coerência em tomadas longas.

Ver Série

Wan 3.0

A API Wan 3.0 é a próxima geração da família de vídeos Wan da Alibaba, desenvolvida para elevar a geração de formato longo, o controle de múltiplas referências e a qualidade audiovisual a novos patamares. O Atlas Cloud já hospeda o Wan 2.7, 2.6 e 2.5, e o Wan 3.0 funciona com a mesma chave unificada, sem necessidade de configuração separada. Comece a construir hoje mesmo. Role a tela para baixo até a vitrine para ver o que o Wan 3.0 pode criar.

Ver Série

MiniMax H3

MiniMax H3 é a família de vídeo multimodal da MiniMax para criação guiada por texto, imagem e referências. Nas rotas compatíveis, preserva os elementos das mídias de referência, oferece proporções flexíveis e combina som gerado com elementos visuais por meio do H3 Developer, com perfis de saída selecionados por endpoint. O Atlas Cloud unifica a família com uma única chave compatível com a OpenAI e preços transparentes de pagamento conforme o uso, a partir da tarifa padrão de $0.038 por segundo. Comece a criar hoje.

Ver Série

GPT Image 2.5

A família gpt-image-2.5 da OpenAI oferece aos desenvolvedores a opção entre Flare e Sunburst para fluxos de trabalho de imagens em produção. Renderize em resoluções arbitrárias de até 3840x2160 e escolha entre cinco níveis de qualidade, incluindo xhigh e max, para atender a requisitos específicos de saída. A Atlas Cloud oferece inferência REST pronta para uso, sem cold starts, com preços padrão a partir de US$ 0,004 por geração. Comece a criar hoje.

Ver Série

Seedream 5.0 Pro

A API do Seedream 5.0 Pro fornece aos desenvolvedores o modelo de edição de imagens controlável da ByteDance no Atlas Cloud. Ela posiciona as edições com precisão usando âncoras e coordenadas, separa as imagens em camadas editáveis, funde múltiplas referências e combina cores e materiais exatos, com texto multilíngue em 2K e 3K. No Atlas Cloud, você pode acessá-lo por meio de uma única chave!

Ver Série

Seedance 2.0

Seedance 2.0 é o modelo de vídeo para produção da ByteDance, desenvolvido para a criação precisa de planos. Transforme prompts em vídeo, anime uma imagem do primeiro quadro com orientação opcional do último quadro ou defina os resultados com mídia de referência e pesquisa opcional na web. O Atlas Cloud reúne esses fluxos de trabalho em uma única API, com preços transparentes conforme o uso e uma única chave compatível com OpenAI. Comece a desenvolver hoje.

Ver Série

Kling V3.0

A Kling 3.0 API leva a suíte de vídeo principal da Kuaishou para a Atlas Cloud através de uma chave compatível com OpenAI. Ela abrange dois modelos: Kling 3.0 para narrativa AI Director, sincronização labial multilíngue e texto preciso na tela, e Kling 3.0 Omni (O3) para clonagem de sujeito e voz a partir de um vídeo curto ou imagem. Ambos geram áudio nativo na mesma passagem, com saída de até 4K. Crie narrativas cinematográficas, marketing global, anúncios multilíngues e conteúdo de personagens em série em uma infraestrutura confiável.

Ver Série

Grok Imagine Video

Grok Imagine Video dá aos desenvolvedores acesso à família de modelos de vídeo da xAI para criar, animar, estender e editar clipes. Gere vídeos de 1 a 15 segundos a partir de prompts, oriente pessoas, objetos ou estilos com até sete imagens de referência e trabalhe em 480p ou 720p. A Atlas Cloud reúne esses recursos por meio de endpoints compatíveis com a OpenAI, com preços transparentes conforme o uso. Comece a desenvolver hoje.

Ver Série

Vidu Q4 Preview

O Vidu Q4 é o mais recente modelo de vídeo topo de linha da Vidu, desenvolvido para geração de imagem para vídeo e referência para vídeo. Ele pode animar uma única imagem estática e criar transições automáticas de cena, oferecendo aos desenvolvedores dois caminhos de entrada para diferentes fluxos de trabalho de produtos. A Atlas Cloud fornece endpoints de API dedicados com esquemas de parâmetros publicados pelo preço padrão verificado de $0.04 por segundo. Comece a desenvolver hoje.

Ver Série

Gemini Omni 1.1 Flash

Gemini Omni 1.1 Flash é a família de vídeos nativamente multimodal do Google DeepMind, criada para fluxos de produção flexíveis. Edite filmagens existentes por meio de instruções de texto, mantenha a consistência visual com até 10 imagens de referência e 3 clipes de vídeo ou estenda uma tomada em segmentos encadeáveis de até 40 segundos. Acesse todos os fluxos de trabalho no Atlas Cloud com uma única chave de API compatível com a OpenAI, preços conforme o uso e disponibilidade desde o Dia 0. Comece a desenvolver hoje.

Ver Série

Nano Banana 2.1

Nano Banana 2.1 é a família de modelos de imagem do Google baseada no Gemini 3.6 Flash. Oferece geração e edição de nível Pro com a velocidade do Flash, permite edições em linguagem natural e combinações entre 1 e 14 imagens de entrada, além de manter a consistência de até 4 personagens e 10 objetos. Por meio do Atlas Cloud, os desenvolvedores podem acessar a família com uma única chave compatível com OpenAI, disponibilidade confiável e disponibilidade desde o Dia 0. Comece a criar hoje.

Ver Série

Nano Banana 2

Construa com a API Nano Banana 2, desenvolvida com o modelo Gemini 3.1 Flash Image do Google. Ele gera imagens em 4K nativo de até 4096x2304 com renderização de texto precisa e personagens consistentes em até 14 imagens de referência para geração e edição. No Atlas Cloud, você pode acessá-lo por meio de uma API unificada junto com mais de 300 modelos, com preços a partir de US$ 0,04 por imagem, 99,99% de tempo de atividade e créditos gratuitos para começar.

Ver Série

Uma API para toda a IA de mídia.

Explorar Todos os Modelos