Atlas Cloud เป็นผู้ขายต่อที่ได้รับอนุญาตในสหรัฐฯ ของ Dreamina Seedance 2.5 และ Seedream 5.0 Pro แล้ว
Avatar Omni Human 2.0 Multi-Person Avatars

Avatar Omni Human 2.0 Multi-Person Avatars

ByteDance's Avatar Omni Human 2.0 is an audio-driven model for character animation. Support for multi-person scenes and dynamic gestures extends avatar creation to shared performances with expressive character movement. On Atlas Cloud, integrate the model through API access and use its model-specific parameter schema to configure inputs for your video workflow. Start building today.

Avatar Omni Human 2.0 พัฒนาโดย ByteDance โดย Atlas Cloud (ดำเนินการโดย Atlas Cloud AI LLC) เป็นผู้ให้บริการเข้าถึงโมเดลนี้ แต่ไม่ได้เป็นเจ้าของโมเดล เครื่องหมายการค้าทั้งหมดเป็นของเจ้าของที่เกี่ยวข้อง

ข้อมูลจำเพาะอินพุตและเอาต์พุตวิดีโอของ Avatar Omni Human 2.0

เปรียบเทียบอินพุตรูปภาพและเสียง เอาต์พุตวิดีโอ และความสามารถที่ผ่านการตรวจสอบแล้วของเอนด์พอยต์ Avatar Omni Human 2.0

รูปแบบข้อมูลคำอธิบาย
Avatar Omni Human 2.0 API (Image and Audio To Video)เปลี่ยนรูปภาพหนึ่งภาพและแทร็กเสียงหนึ่งแทร็กให้เป็นวิดีโอความละเอียด 720p ที่มีตัวละครหนึ่งตัวหรือมากกว่ากำลังพูดหรือร้องเพลง Avatar Omni Human 2.0 รองรับท่าทางแบบไดนามิก ฉากที่มีหลายบุคคล การเคลื่อนกล้องที่กำกับด้วยพรอมต์ และคลิปที่มีความยาวสูงสุดห้านาที จึงเหมาะสำหรับการนำเสนอด้วยอวตาร การแสดง และวิดีโอสนทนา

Avatar Omni Human 2.0: จากเสียงสู่การแสดง

Avatar Omni Human 2.0 เปลี่ยนภาพหนึ่งภาพและแทร็กเสียงหนึ่งแทร็กให้เป็นวิดีโอพูดหรือร้องเพลงความละเอียด 720p พร้อมท่าทางที่เคลื่อนไหวเป็นธรรมชาติ ฉากที่มีหลายตัวละคร การเคลื่อนกล้องตามพรอมป์ต์ คลิปยาวสูงสุดห้านาที และการเข้าถึง API แบบรวมศูนย์ที่คิดค่าบริการตามการใช้งานผ่าน Atlas Cloud

Avatar Omni Human 2.0 จากภาพสู่การแสดง

เริ่มจากภาพหนึ่งภาพและแทร็กเสียงหนึ่งแทร็ก เพื่อสร้างวิดีโอความละเอียด 720p ที่ตัวละครพูดหรือร้องเพลง Avatar Omni Human 2.0 ใช้ภาพต้นฉบับเพื่อกำหนดลักษณะตัวละคร พร้อมสร้างการเคลื่อนไหวที่มองเห็นได้และท่าทางที่เคลื่อนไหวเป็นธรรมชาติเพื่อถ่ายทอดการแสดง เวิร์กโฟลว์ที่กระชับนี้เปลี่ยนตัวละครในภาพนิ่งให้เป็นคลิปพรีเซนเตอร์ ภาพประกอบเพลง และช่วงเหตุการณ์ในเรื่องราว โดยยังคงใช้ภาพและเสียงเป็นอินพุตหลัก

การแสดงที่ขับเคลื่อนด้วยเสียง

เสียงเป็นตัวขับเคลื่อนการพูดหรือร้องเพลง โดยกำหนดจังหวะและท่าทางที่เคลื่อนไหวเป็นธรรมชาติตลอดทั้งคลิป บทพูดและท่อนร้องช่วยกำหนดจังหวะ ขณะที่ภาพอ้างอิงใช้กำหนดตัวละครบนหน้าจอ ผลลัพธ์เหมาะกับเสียงบรรยาย การแสดงดนตรี และฉากบทสนทนาที่การถ่ายทอดผ่านภาพต้องสอดคล้องกับแทร็กเสียงตั้งแต่จังหวะแรกจนถึงจังหวะสุดท้าย

การแสดงของตัวละครที่ยาวสูงสุดห้านาที

ต้องการเวลาให้คำอธิบายหรือเพลงเต็ม ๆ หรือไม่ Avatar Omni Human 2.0 สร้างคลิปจากภาพหนึ่งภาพและแทร็กเสียงหนึ่งแทร็กได้ยาวสูงสุดห้านาที จึงรองรับเนื้อหาที่ยาวกว่าคลิปสั้นบนโซเชียลมีเดีย ใช้ความยาวนี้สำหรับบทเรียน การสาธิตผลิตภัณฑ์ การแสดง หรือคอนเทนต์ตัวละครแบบเป็นตอน วิดีโอที่ยาวขึ้นช่วยลดความจำเป็นในการแบ่งการแสดงเดียวออกเป็นหลายคลิป

เรื่องราวที่กำกับกล้องด้วยพรอมป์ต์

กำกับการแสดงด้วยพรอมป์ต์ข้อความที่กำหนดการเคลื่อนกล้องรอบตัวละครและฉากได้ เปลี่ยนจากภาพระยะใกล้เป็นองค์ประกอบภาพที่กว้างขึ้น สั่งให้กล้องเคลื่อนเป็นวง หรือกำหนดกรอบภาพให้ติดตามการแสดงที่ขับเคลื่อนด้วยเสียง ทิศทางเพิ่มเติมนี้ช่วยให้ครีเอเตอร์ควบคุมวิดีโออธิบาย ช่วงเหตุการณ์ในเรื่องราว และลำดับภาพที่ขับเคลื่อนด้วยดนตรีได้มากขึ้น โดยยังคงใช้เวิร์กโฟลว์ภาพและเสียงที่เรียบง่าย

การเคลื่อนไหวร่วมกันของตัวละครใน Avatar Omni Human 2.0

นำตัวละครหลายตัวมาอยู่ในฉากเดียวกันของ Avatar Omni Human 2.0 เพื่อร่วมพูดหรือร้องเพลง ท่าทางที่เคลื่อนไหวเป็นธรรมชาติและการเคลื่อนไหวที่ขับเคลื่อนด้วยเสียงช่วยให้ตัวละครทั้งหมดเคลื่อนไหวอยู่ในองค์ประกอบภาพเดียวกัน แทนที่จะแยกตัวละครแต่ละตัวออกจากกัน การสัมภาษณ์ การร้องเพลงคู่ การแสดงแบบกลุ่ม และบทสนทนาตามสคริปต์จะให้ความรู้สึกโต้ตอบกันอย่างเป็นธรรมชาติมากขึ้น เมื่อเรื่องราวมีผู้ร่วมฉากมากกว่าหนึ่งคน

เข้าถึง Avatar Omni Human 2.0 ผ่าน Atlas Cloud

เชื่อมต่อ Avatar Omni Human 2.0 เข้ากับผลิตภัณฑ์ที่มีอยู่ผ่าน API แบบรวมศูนย์ของ Atlas Cloud และคีย์ที่รองรับ OpenAI เพียงคีย์เดียว ราคาที่โปร่งใสและคิดตามการใช้งานช่วยให้นักพัฒนาสร้างวิดีโอได้ตามปริมาณที่ต้องการ และใช้การเชื่อมต่อเดียวกันเข้าถึงโมเดลอื่น ๆ ของ Atlas Cloud ได้ด้วย วิธีนี้เหมาะกับแอปพลิเคชันและไปป์ไลน์สร้างคอนเทนต์อัตโนมัติที่ต้องการสร้างอวตารโดยไม่ต้องจัดการการเชื่อมต่อแยกสำหรับแต่ละโมเดล

ทดสอบโมเดล Avatar Omni Human 2.0 ด้วยพรอมป์ต์เดียว

เปรียบเทียบวิธีที่ Avatar Omni Human 2.0 และโมเดลวิดีโอทางเลือกอีกสองโมเดลตีความพรอมป์ต์เดียวกันในฉากการแสดงสมจริงและฉากแอ็กชันสไตไลซ์

พรอมต์

สร้างฉากแอ็กชันสไตล์ภาพยนตร์ความยาว 9 วินาที โดยคงเอกลักษณ์ใบหน้าของบุคคลในภาพอ้างอิงไว้อย่างแม่นยำ เปลี่ยนบุคคลนั้นให้เป็นช่างเครื่องประจำหอดูดาวบนเทือกเขาแอลป์ในโลกไซไฟย้อนยุคยุค 1960 ท่ามกลางพายุหิมะสีน้ำเงินโคบอลต์ โดมที่ควบคุมไม่อยู่เริ่มหมุนอย่างฉับพลัน เฟืองทองเหลืองที่เปิดโล่งกระทบกันจนเกิดประกายไฟ เปิดฉากด้วยช็อตดันกล้องมุมต่ำอย่างรวดเร็วไปตามพื้นหิมะ ขณะที่ช่างเครื่องพุ่งขึ้นไปบนรางที่ปกคลุมด้วยน้ำค้างแข็ง คว้ากล้องโทรทรรศน์ทองเหลืองที่แกว่งอย่างรุนแรง และฝ่าตัวไปข้างหน้า ผ้าพันคอสีแดงสดกับเสื้อคลุมทำงานสะบัดอย่างแรงท่ามกลางลม Cut ไปยังช็อตติดตามแบบโคจรรอบระยะใกล้ ขณะที่เขาก้มหลบโครงบันไดที่กวาดผ่าน ยันตัวต้านแรงเหวี่ยงของกล้องโทรทรรศน์ และเอื้อมไปคว้าคันเบรกท่ามกลางละอองหิมะที่หมุนวนกับเครื่องจักรที่กระแทกกัน Cut ไปยังภาพมุมสูงอันน่าตื่นตาภายในโดมที่กำลังหมุน รอยแยกบนหลังคาเรียงตรงกับทางช้างเผือกที่ส่องสว่างชั่วขณะ อาบใบหน้าที่คงเดิมของเขาด้วยแสงดาวขณะที่เขากระชากเบรก เฟืองสั่นสะเทือน โดมหยุดหมุน และกล้องโทรทรรศน์หยุดนิ่งด้วยน้ำหนักที่สมจริง แพนกล้องฉับไวไปยังกาแฟร้อนที่กำลังมีไอกรุ่นอยู่ใกล้ ๆ จากนั้นซูมเข้าแก้วอย่างรวดเร็ว ขณะที่อุกกาบาตจิ๋วเรืองแสงตกลงไปพร้อมเสียงฉ่าฟู่คมชัด Cut ไปยังภาพระยะใกล้ของเขา เมื่อความตกตะลึงไม่อยากเชื่อค่อย ๆ เปลี่ยนเป็นรอยยิ้มที่แทบกลั้นไว้ไม่อยู่ การเคลื่อนไหวมีพลังต่อเนื่อง การแสดงฉากเสี่ยงลื่นไหลไร้รอยต่อ ผ้า หิมะ แรงเฉื่อย แรงกระแทก ประกายไฟ และฟิสิกส์ของเครื่องจักรสมจริง ไม่มีภาพสโลว์โมชัน โทนสีแบบภาพยนตร์ผจญภัย Technicolor ยุค 1960 งานประดิษฐ์โมเดลจิ๋วประกอบฉากที่ละเอียดประณีต หิมะยามค่ำคืนสีน้ำเงินโคบอลต์ เครื่องจักรสีทองแดงและทองที่ผ่านการขัดเงา ผ้าพันคอสีแดงสด แสงย้อนที่แข็งและดรามาติก เกรนฟิล์มบาง ๆ แฟลร์แบบอนามอร์ฟิก และเอฟเฟกต์แอนะล็อกที่สัมผัสได้ เสียง: ลมคำราม เฟืองโลหะกระแทก รางสั่น สายเคเบิลตึงส่งเสียงคราง เสียงคันเบรกกระแทกดังฉับพลัน ความเงียบของเครื่องจักรที่เกิดขึ้นทันที ตามด้วยเสียงอุกกาบาตตกแหมะและเสียงฉ่าฟู่ชวนขำ คั่นจังหวะด้วยดนตรีไซไฟออร์เคสตราย้อนยุคที่เร้าใจ อัตราส่วนภาพ 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

พรอมต์

เรื่องสั้นสไตล์ภาพยนตร์ความยาว 9 วินาที: พนักงานส่งของคนเดิมที่ดูสมจริงราวกับภาพถ่าย สวมเสื้อกันฝนสีแดงชาดสดใส โดยคงใบหน้า เสื้อผ้า และสัดส่วนให้เหมือนเดิมตลอดทั้งเรื่อง เผลอเข้าไปในเมืองโอริกามิที่สร้างด้วยมือขนาดมหึมา หลังฝนห่าใหญ่เพิ่งหยุดตกไม่นาน ในตรอกสีฟ้าไซแอนเย็นเยียบที่มีอาคารพับกระดาษสูงตระหง่าน แสงสีเหลืองอำพันอุ่น ๆ ส่องผ่านรอยพับของอาคาร นกกระเรียนกระดาษยักษ์ฉกพัสดุของพนักงานส่งของแล้วโผหนีไป เปิดฉากด้วยช็อตติดตามระดับพื้นดินมุมต่ำมาก เคลื่อนแข่งไปข้าง ๆ รองเท้าบูตที่กระทืบพื้นของพนักงานส่งของขณะวิ่งฝ่ากองน้ำที่สะท้อนภาพราวกระจก เงาสะท้อนก่อเป็นองค์ประกอบสมมาตรสะดุดตา หยดฝนกระเซ็นเข้าหาเลนส์ และรูปทรงกระดาษพับขนาดมหึมาในฉากหน้ากวาดผ่านไปด้วยมุมมองที่ลึกชัด พนักงานส่งของกระโดดข้ามแอ่งน้ำและก้มหลบใต้สะพานกระดาษที่ม้วนโค้ง ซึ่งยืดหยุ่น ย่น และส่งเสียงกรอบแกรบด้วยฟิสิกส์ของกระดาษที่น่าเชื่อถือ แพนกล้องฉับไวอย่างลื่นไหลเข้าสู่มุมมองทางอากาศจากด้านบนของนกกระเรียน ขณะที่มันเอียงตัวบินระหว่างหลังคาโอริกามิ โดยมีพนักงานส่งของวิ่งตามอยู่ด้านล่าง จากนั้นดิ่งลงหาเขาอย่างรวดเร็วและเปลี่ยนเป็นช็อตโคจรรอบ 360 องศาในระยะใกล้ ขณะที่พนักงานส่งของกระโดด คว้านกกระเรียน และแย่งพัสดุกลับกลางอากาศ ทันทีที่ลงถึงพื้น พัสดุคลี่ตัวเองอย่างสนุกสนานเป็นรอยพับแบบสต็อปโมชันที่แม่นยำ กลายเป็นร่มกระดาษขนาดมหึมา หลังร่มดีดกางออกก็ยกทั้งพนักงานส่งของที่กำลังตกใจและนกกระเรียนที่กระพือปีกขึ้นสู่ท้องฟ้าฝนพรำ เผยฉากจบชวนพิศวง สุนทรียภาพแบบผสมผสานระหว่างการแสดงของมนุษย์ที่ดูมีชีวิตจริง ฝนและเงาสะท้อนแบบภาพยนตร์ กับพื้นผิวสต็อปโมชันโอริกามิทำมือที่สัมผัสได้ เส้นใยกระดาษคมชัด พื้นผิวเปียกชื้น น้ำหนักและแรงส่งที่น่าเชื่อถือ น้ำกระเซ็น รอยพับที่งอได้ และการเคลื่อนไหวซับซ้อนต่อเนื่อง การจัดเฟรมหลายชั้นผ่านขอบกระดาษในฉากหน้า การบิดเบือนแบบเลนส์มุมกว้างที่ดรามาติก แสงพายุสีเขียวอมฟ้าเย็นตา โดยมีเสื้อโค้ตสีแดงและหน้าต่างสีเหลืองอุ่นเป็นจุดเด่น เสียงประกอบมีจังหวะสอดประสานกัน: หยดฝน ฝีเท้าบนพื้นเปียก เสียงกระดาษกรอบแกรบคมชัด เสียงปีกกระพือ และเสียงร่มดีดกางดังป๊อบในตอนท้าย ซึ่งตรงกับทุกการเคลื่อนไหวอย่างแม่นยำ ดนตรีเพอร์คัสชันเรียบง่ายขี้เล่นค่อย ๆ เพิ่มจังหวะระหว่างการไล่ล่าและจบลงพร้อมเหตุการณ์พลิกผันกลางอากาศ ไม่มีหน้าจอ อินเทอร์เฟซ แดชบอร์ด แถบความคืบหน้า แผนภูมิ คำบรรยาย โลโก้ ซับไตเติล ข้อความที่อ่านได้ ท่าทางนิ่งค้าง ภาพสโลว์โมชันที่ใส่มาโดยไม่จำเป็น ใบหน้าหรือตัวตนที่เปลี่ยนไป ชุดที่เปลี่ยน แขนขาซ้ำซ้อน กายวิภาคผิดรูป การเคลื่อนย้ายฉับพลัน การเคลื่อนไหวขาดตอน การตัดต่อไม่สมเหตุสมผล กระดาษที่ดูเหมือนพลาสติก หรือฟิสิกส์ที่ไม่น่าเชื่อถือ อัตราส่วนภาพ 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

กำกับทุกการแสดงด้วย Avatar Omni Human 2.0

ตั้งแต่วิดีโออธิบายผลิตภัณฑ์และบทเรียน ไปจนถึงบทสนทนาหลายคน การแสดงร้องเพลง เรื่องราวบนโซเชียล และอัปเดตแบบยาว Avatar Omni Human 2.0 เปลี่ยนภาพเดียวพร้อมเสียงให้เป็นวิดีโออวตารความละเอียด 720p ที่กำกับด้วยพรอมต์

การสาธิตผลิตภัณฑ์ด้วย Avatar Omni Human 2.0

เปลี่ยนภาพตัวละครหนึ่งภาพและแทร็กเสียงบรรยายให้เป็นวิดีโอพรีเซนเตอร์ความละเอียด 720p พร้อมการเคลื่อนกล้องที่กำกับด้วยพรอมต์ ทีมผลิตภัณฑ์สามารถสร้างการสาธิตแบบมีคำแนะนำ วิดีโออธิบายการเปิดตัว และการแนะนำฟีเจอร์แบบทีละขั้นตอนได้โดยไม่ต้องถ่ายทำโฮสต์จริง

หลักสูตรและการฝึกอบรมทีม

สร้างวิดีโอการสอนความยาว 5 นาทีจากภาพเดียวและเสียงบทเรียนที่บันทึกไว้ พร้อมรองรับท่าทางแบบไดนามิก นักการศึกษาและทีมฝึกอบรมสามารถเผยแพร่การบรรยาย โมดูลปฐมนิเทศ และการชี้แจงนโยบายด้วยพรีเซนเตอร์บนหน้าจอที่มีรูปแบบสม่ำเสมอ

ฉากบทสนทนาด้วย Avatar Omni Human 2.0

จัดฉากบทสนทนาจากภาพเดียวและแทร็กเสียง ขณะที่ Avatar Omni Human 2.0 ทำให้คนหลายคนเคลื่อนไหว ผู้สร้างสื่อสามารถสร้างช่วงสัมภาษณ์ การเสวนา หรือบทสนทนาโต้ตอบระหว่างตัวละครด้วยการแสดงพูดที่ประสานกัน

การร้องเพลงด้วย Avatar Omni Human 2.0

จับคู่ภาพตัวละครกับเพลงหรือเสียงร้องเพื่อสร้างการแสดงร้องเพลงความละเอียด 720p พร้อมท่าทางที่สื่ออารมณ์ ศิลปินและทีมงานบันเทิงสามารถสร้างการแสดงเสมือนจริง โปรโมชันเพลง และคอนเทนต์สำหรับแฟน ๆ ที่มีตัวละครเป็นศูนย์กลาง

เรื่องราวบนโซเชียลที่กำกับได้

กำกับการเคลื่อนกล้องและพฤติกรรมตัวละครผ่านพรอมต์ แล้วให้เสียงที่ป้อนเข้ามาขับเคลื่อนการแสดง ทีมโซเชียลสามารถใช้คลิปตัวละครพูดซ้ำได้สำหรับประกาศ เรื่องราวตามบทความ โพสต์แคมเปญ และคอนเทนต์แบบตอนต่อเนื่อง

อัปเดตจากผู้บริหารแบบยาว

ให้อวตารเดิมพูดหรือร้องเพลงในคลิปยาวสูงสุด 5 นาที พร้อมท่าทางที่สอดคล้องกับเสียง องค์กรสามารถเผยแพร่อัปเดตจากผู้บริหาร ข้อความในงานอีเวนต์ วิดีโออธิบายแบบมีเสียงบรรยาย และการสื่อสารเป็นประจำในรูปแบบที่สม่ำเสมอ

Avatar Omni Human 2.0 กับโมเดลวิดีโอชั้นนำ

เปรียบเทียบ Avatar Omni Human 2.0 กับโมเดลวิดีโอของ Atlas Cloud สามรายการตามผู้ให้บริการ เวิร์กโฟลว์อินพุต ความยาวคลิป ความละเอียด และราคาเริ่มต้นในแค็ตตาล็อก

โมเดลผู้ให้บริการเวิร์กโฟลว์อินพุตความยาวคลิปสูงสุดความละเอียดเอาต์พุตราคาเริ่มต้นในแค็ตตาล็อก
Avatar Omni Human 2.0ByteDanceรูปภาพ + เสียง + พรอมต์เสริมสูงสุด 5 นาที720p$0.07
Avatar Omni Human 1.5ByteDanceรูปภาพ + เสียง + พรอมต์เสริมสูงสุด 60 วินาทีที่ 720p720p หรือ 1080p$0.12
MiniMax H3 Image-to-VideoMiniMaxเฟรมแรก + เฟรมสุดท้ายเสริม + พรอมต์5–15 วินาทีสูงสุด 2K$0.038 ต่อวินาที
Veo 3.1 Lite Start-End Frame to VideoGoogleเฟรมแรก + เฟรมสุดท้าย + พรอมต์8 วินาที720p หรือ 1080p$0.05

วิธีใช้ Avatar Omni Human 2.0 บน Atlas Cloud

เริ่มต้นได้ในไม่กี่นาที — ทำตามขั้นตอนง่าย ๆ เหล่านี้เพื่อเชื่อมต่อและใช้งานโมเดลผ่านแพลตฟอร์ม Atlas Cloud

สร้างบัญชี Atlas Cloud

สมัครสมาชิกที่ atlascloud.ai และยืนยันตัวตน ผู้ใช้ใหม่จะได้รับเครดิตฟรีเพื่อสำรวจแพลตฟอร์มและทดสอบโมเดล

ทำไมต้องใช้ Avatar Omni Human 2.0 บน Atlas Cloud

การรวมโมเดล Avatar Omni Human 2.0 ขั้นสูงเข้ากับแพลตฟอร์มที่เร่งด้วย GPU ของ Atlas Cloud ให้ประสิทธิภาพ ความสามารถในการขยาย และประสบการณ์นักพัฒนาที่ไม่มีใครเทียบได้

ประสิทธิภาพและความยืดหยุ่น

เวลาแฝงต่ำ:
inference ที่ปรับแต่ง GPU เพื่อการตอบสนองแบบเรียลไทม์

API แบบรวมศูนย์:
รัน Avatar Omni Human 2.0, GPT, Gemini และ DeepSeek ด้วยการเชื่อมต่อเดียว

ราคาโปร่งใส:
ชำระเงินต่อโทเค็นที่คาดเดาได้พร้อมตัวเลือก serverless

องค์กรและขนาด

ประสบการณ์นักพัฒนา:
SDK, การวิเคราะห์, เครื่องมือปรับแต่ง และเทมเพลต

ความน่าเชื่อถือ:
ความพร้อมใช้งาน 99.99%, RBAC และการบันทึกที่พร้อมสำหรับการปฏิบัติตาม

ความปลอดภัยและการปฏิบัติตาม:
SOC 2 Type II, สอดคล้อง HIPAA, อธิปไตยข้อมูลในสหรัฐอเมริกา

คำถามที่พบบ่อยสำหรับนักพัฒนาเกี่ยวกับ Avatar Omni Human 2.0

Avatar Omni Human 2.0 คือโมเดลวิดีโออวตารที่ขับเคลื่อนด้วยเสียงของ ByteDance โดยแปลงภาพ 1 ภาพและแทร็กเสียง 1 แทร็กให้เป็นวิดีโอความละเอียด 720p ที่ตัวละครพูดหรือร้องเพลง พร้อมสีหน้าและท่าทางที่สอดคล้องกับเสียง

สร้างวิดีโอผู้ดำเนินรายการพูด นักร้องดิจิทัล การแสดงของตัวละคร และฉากที่มีหลายคนได้จากภาพอ้างอิงเพียง 1 ภาพ คุณสามารถใช้พรอมป์ต์เพิ่มเติมเพื่อกำหนดการเคลื่อนไหว องค์ประกอบของฉาก และการเคลื่อนกล้อง เพื่อให้ได้ผลลัพธ์ที่ตรงตามต้องการยิ่งขึ้น

สร้างคีย์ Atlas Cloud API และเลือก bytedance/avatar-omni-human-v2.0 เป็นโมเดลในคำขอของคุณ ระบุภาพ 1 ภาพและแทร็กเสียง 1 แทร็ก จากนั้นเพิ่มพรอมป์ต์เพิ่มเติมเมื่อจำเป็นต้องควบคุมการแสดงหรือกล้องมากขึ้น

แต่ละคำขอจะรวมภาพอ้างอิง 1 ภาพเข้ากับแทร็กเสียง 1 แทร็ก คุณยังสามารถส่งพรอมป์ต์ข้อความเพื่อกำกับฉาก การเคลื่อนไหวของตัวละคร การกระทำเฉพาะ และพฤติกรรมของกล้องได้

ได้ โมเดลนี้สามารถทำให้ตัวละครแสดงการพูดหรือร้องเพลง และรองรับฉากที่มีคนหลายคน เสียงจะเป็นตัวขับเคลื่อนการแสดง ขณะที่ท่าทางและปฏิกิริยาจะถูกสร้างขึ้นภายในองค์ประกอบที่เลือก

วิดีโอจะถูกสร้างที่ความละเอียด 720p และมีความยาวได้สูงสุด 5 นาที ระยะเวลาดังกล่าวรองรับการนำเสนอ การแสดง และเนื้อหาตัวละครแบบมีคำบรรยายที่ยาวขึ้น โดยไม่ต้องแบ่งโปรเจกต์ออกเป็นคลิปสั้นหลายคลิป

Atlas Cloud ระบุราคามาตรฐานไว้ที่ $0.07 ต่อวินาที การใช้งานคิดค่าบริการตามการใช้งานจริง ดังนั้นค่าใช้จ่ายทั้งหมดจะแปรผันตามระยะเวลาของวิดีโอที่สร้าง

เครื่องมือซิงก์ริมฝีปากพื้นฐานจะเน้นประสานการเคลื่อนไหวของปากให้ตรงกับเสียงพูดเป็นหลัก ส่วนโมเดลนี้ยังทำให้สีหน้าและท่าทางสอดคล้องกับเสียง พร้อมรองรับการกำกับการกระทำ รายละเอียดฉาก และการเคลื่อนกล้องด้วยพรอมป์ต์

ตรวจสอบก่อนว่าคำขอมีทั้งภาพและแทร็กเสียง และ URL ของสื่อที่อ้างถึงสามารถเข้าถึงได้ จากนั้นเปรียบเทียบทุกฟิลด์กับสคีมาปัจจุบันของ Atlas Cloud playground แล้วใช้รายละเอียดข้อผิดพลาดที่ได้รับเพื่อแก้ไข payload ก่อนลองใหม่

สำรวจกลุ่มเพิ่มเติม

Seedance 2.5

Seedance 2.5 API พร้อมใช้งานแล้วบน Atlas Cloud! มอบโมเดลวิดีโอใหม่ล่าสุดของ ByteDance ให้กับนักพัฒนา สร้างวิดีโอเนทีฟได้นานถึง 30 วินาทีในการประมวลผลเพียงครั้งเดียวจากข้อความ รูปภาพเดียว หรือการอ้างอิงหลายรูปแบบสูงสุด 50 รายการ พร้อมเสียงที่ซิงโครไนซ์และข้อความหลายภาษาในเฟรม บน Atlas Cloud คุณสามารถเข้าถึงได้ผ่านคีย์เดียว โดยมีความสอดคล้องของวัตถุและระบบฟิสิกส์ที่ได้รับการปรับปรุงซึ่งช่วยให้ภาพระยะยาวมีความต่อเนื่อง

ดูกลุ่ม

Wan 3.0

Wan 3.0 API คือเจเนอเรชันถัดไปของตระกูลวิดีโอ Wan จาก Alibaba ซึ่งสร้างขึ้นเพื่อยกระดับการสร้างวิดีโอแบบยาว การควบคุมแบบหลายข้อมูลอ้างอิง และคุณภาพของภาพและเสียงให้ก้าวไปอีกขั้น Atlas Cloud ได้โฮสต์ Wan 2.7, 2.6 และ 2.5 ไว้แล้ว และ Wan 3.0 สามารถทำงานบนคีย์แบบรวมเดียวกันโดยไม่ต้องตั้งค่าแยกต่างหาก เริ่มต้นสร้างสรรค์ได้ตั้งแต่วันนี้ เลื่อนลงไปที่ส่วนจัดแสดงเพื่อดูว่า Wan 3.0 สามารถสร้างอะไรได้บ้าง

ดูกลุ่ม

MiniMax H3

MiniMax H3 คือผลิตภัณฑ์วิดีโอแบบมัลติโมดัลของ MiniMax สำหรับการสร้างสรรค์โดยใช้ข้อความ รูปภาพ และข้อมูลอ้างอิง ในเส้นทาง API ที่รองรับ ระบบจะคงลักษณะของวัตถุจากสื่ออ้างอิงไว้ มีอัตราส่วนภาพที่ยืดหยุ่น และจับคู่เสียงที่สร้างขึ้นกับภาพผ่าน H3 Developer โดยโปรไฟล์เอาต์พุตจะถูกเลือกตาม endpoint Atlas Cloud รวมผลิตภัณฑ์ในตระกูลนี้ไว้เบื้องหลังคีย์เดียวที่รองรับ OpenAI พร้อมการคิดค่าบริการตามการใช้งานอย่างโปร่งใส เริ่มต้นที่อัตรามาตรฐาน $0.038 ต่อวินาที เริ่มพัฒนาได้วันนี้

ดูกลุ่ม

GPT Image 2.5

ตระกูล gpt-image-2.5 จาก OpenAI มอบทางเลือก Flare และ Sunburst ให้แก่นักพัฒนาสำหรับกระบวนการทำงานด้านการสร้างภาพเพื่อใช้งานจริง เรนเดอร์ด้วยความละเอียดตามต้องการสูงสุด 3840x2160 และเลือกได้จากระดับคุณภาพ 5 ระดับ รวมถึง xhigh และ max เพื่อให้ตรงตามข้อกำหนดของเอาต์พุตแต่ละแบบ Atlas Cloud ให้บริการอนุมานผ่าน REST ที่พร้อมใช้งาน โดยไม่มี cold start และคิดค่าบริการตามมาตรฐานเริ่มต้นที่ $0.004 ต่อการสร้างภาพ เริ่มพัฒนาได้วันนี้

ดูกลุ่ม

Seedream 5.0 Pro

Seedream 5.0 Pro API มอบโมเดลการแก้ไขภาพที่ควบคุมได้ของ ByteDance บน Atlas Cloud ให้กับนักพัฒนา โดยจะวางการแก้ไขอย่างแม่นยำด้วยจุดยึดและพิกัด แยกภาพออกเป็นเลเยอร์ที่แก้ไขได้ ผสานข้อมูลอ้างอิงหลายรายการ และจับคู่สีและวัสดุที่แน่นอน พร้อมข้อความหลายภาษาที่ความละเอียด 2K และ 3K บน Atlas Cloud คุณสามารถเข้าถึงได้ผ่านคีย์เดียว!

ดูกลุ่ม

Seedance 2.0

Seedance 2.0 คือโมเดลวิดีโอสำหรับการใช้งานจริงของ ByteDance ที่ออกแบบมาเพื่อสร้างช็อตได้อย่างแม่นยำ เปลี่ยนพรอมป์ต์เป็นวิดีโอ ทำให้ภาพเฟรมแรกเคลื่อนไหวโดยมีตัวเลือกให้ใช้คำแนะนำจากเฟรมสุดท้าย หรือปรับแต่งผลลัพธ์ด้วยสื่ออ้างอิงและการค้นหาเว็บแบบเลือกใช้ได้ Atlas Cloud รวมเวิร์กโฟลว์เหล่านี้ไว้ใน API เดียว พร้อมการคิดค่าบริการตามการใช้งานจริงอย่างโปร่งใสและคีย์เดียวที่เข้ากันได้กับ OpenAI เริ่มสร้างสรรค์ได้วันนี้

ดูกลุ่ม

Kling V3.0

Kling 3.0 API นำชุดเครื่องมือวิดีโอระดับเรือธงของ Kuaishou มาสู่ Atlas Cloud ผ่านคีย์ที่รองรับ OpenAI เพียงคีย์เดียว โดยครอบคลุมสองโมเดล ได้แก่ Kling 3.0 สำหรับการเล่าเรื่องผ่าน AI Director การลิปซิงค์หลายภาษา และข้อความบนหน้าจอที่แม่นยำ และ Kling 3.0 Omni (O3) สำหรับการโคลนวัตถุและเสียงจากวิดีโอสั้นหรือรูปภาพ ทั้งสองโมเดลสร้างเสียงต้นฉบับในกระบวนการเดียวกัน พร้อมเอาต์พุตสูงสุดถึง 4K สร้างการเล่าเรื่องแบบภาพยนตร์ การตลาดระดับโลก โฆษณาหลายภาษา และเนื้อหาตัวละครแบบซีรีส์บนโครงสร้างพื้นฐานที่เชื่อถือได้

ดูกลุ่ม

Grok Imagine Video

Grok Imagine Video เปิดให้นักพัฒนาเข้าถึงตระกูลวิดีโอของ xAI เพื่อสร้าง ทำให้เคลื่อนไหว ขยาย และตัดต่อคลิป สร้างวิดีโอความยาว 1 ถึง 15 วินาทีจากพรอมต์ กำกับบุคคล วัตถุ หรือสไตล์ด้วยภาพอ้างอิงได้สูงสุดเจ็ดภาพ และทำงานที่ความละเอียด 480p หรือ 720p Atlas Cloud รวมความสามารถเหล่านี้ไว้ผ่าน endpoint ที่เข้ากันได้กับ OpenAI พร้อมการคิดค่าบริการแบบจ่ายตามการใช้งานอย่างโปร่งใส เริ่มสร้างสรรค์ได้วันนี้

ดูกลุ่ม

Vidu Q4 Preview

Vidu Q4 คือโมเดลวิดีโอเรือธงรุ่นล่าสุดของ Vidu ออกแบบมาสำหรับการสร้างวิดีโอจากภาพและจากภาพอ้างอิง สามารถทำให้ภาพนิ่งภาพเดียวมีชีวิตขึ้นมาและสร้างการเปลี่ยนฉากโดยอัตโนมัติ ช่วยให้นักพัฒนามีช่องทางป้อนข้อมูล 2 รูปแบบสำหรับเวิร์กโฟลว์ผลิตภัณฑ์ที่แตกต่างกัน Atlas Cloud มี API endpoints เฉพาะ พร้อมสคีมาพารามิเตอร์ที่เผยแพร่ไว้ ในราคามาตรฐานที่ยืนยันแล้วที่ $0.04 ต่อวินาที เริ่มสร้างสรรค์ได้วันนี้

ดูกลุ่ม

Gemini Omni 1.1 Flash

Gemini Omni 1.1 Flash เป็นตระกูลวิดีโอแบบมัลติโมดัลโดยกำเนิดของ Google DeepMind สำหรับเวิร์กโฟลว์การผลิตที่ยืดหยุ่น แก้ไขฟุตเทจที่มีอยู่ด้วยคำสั่งข้อความ รักษาความสอดคล้องทางภาพด้วยภาพอ้างอิงสูงสุด 10 ภาพและคลิปวิดีโอ 3 คลิป หรือขยายช็อตเป็นช่วงที่ต่อเนื่องกันได้สูงสุด 40 วินาที เข้าถึงทุกเวิร์กโฟลว์บน Atlas Cloud ด้วยคีย์ API ที่เข้ากันได้กับ OpenAI เพียงคีย์เดียว ราคาตามการใช้งาน และพร้อมให้บริการตั้งแต่ Day-0 เริ่มสร้างสรรค์ได้วันนี้

ดูกลุ่ม

Nano Banana 2.1

Nano Banana 2.1 คือกลุ่มโมเดลภาพของ Google ที่สร้างขึ้นบน Gemini 3.6 Flash ให้ความสามารถในการสร้างและแก้ไขภาพระดับ Pro ด้วยความเร็วระดับ Flash รองรับการแก้ไขและผสานภาพด้วยภาษาธรรมชาติจากภาพอินพุต 1 ถึง 14 ภาพ พร้อมรักษาความสอดคล้องของตัวละครสูงสุด 4 ตัวและวัตถุ 10 รายการ ผ่าน Atlas Cloud นักพัฒนาสามารถเข้าถึงกลุ่มโมเดลนี้ด้วยคีย์เดียวที่รองรับ OpenAI พร้อมความเสถียรในการให้บริการและพร้อมใช้งานตั้งแต่ Day-0 เริ่มสร้างสรรค์ได้ตั้งแต่วันนี้

ดูกลุ่ม

Nano Banana 2

สร้างสรรค์ผลงานด้วย Nano Banana 2 API ที่ขับเคลื่อนโดยโมเดล Gemini 3.1 Flash Image ของ Google ซึ่งสามารถสร้างภาพ 4K แบบเนทีฟที่ความละเอียดสูงสุด 4096x2304 พร้อมการเรนเดอร์ข้อความที่แม่นยำและตัวละครที่สอดคล้องกันผ่านรูปภาพอ้างอิงสูงสุด 14 รูป สำหรับทั้งการสร้างและการแก้ไข บน Atlas Cloud คุณสามารถเข้าถึงได้ผ่าน API แบบรวมศูนย์ร่วมกับโมเดลอื่นๆ มากกว่า 300 โมเดล โดยมีราคาเริ่มต้นที่ 0.04 ดอลลาร์ต่อรูปภาพ มีอัปไทม์ 99.99% และเครดิตฟรีสำหรับการเริ่มต้น

ดูกลุ่ม

API เดียวสำหรับ AI สื่อทุกประเภท

สำรวจโมเดลทั้งหมด