Atlas Cloud 現已成為 Dreamina Seedance 2.5 與 Seedream 5.0 Pro 的美國授權經銷商。
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 由 ByteDance 開發。Atlas Cloud(由 Atlas Cloud AI LLC 營運)僅提供接取服務,並不擁有該模型。所有商標均歸其各自所有者所有。

Avatar Omni Human 2.0 輸入與影片輸出規格

比較 Avatar Omni Human 2.0 端點的圖像與音訊輸入、影片輸出,以及已驗證的功能。

模態說明
Avatar Omni Human 2.0 API(圖像與音訊轉影片)將一張圖像和一段音訊轉換為 720p 影片,呈現一名或多名角色說話或歌唱。Avatar Omni Human 2.0 支援動態手勢、多人場景、由提示詞控制的鏡頭運動,以及最長 5 分鐘的影片片段,適合用於虛擬角色簡報、表演和對話影片。

Avatar Omni Human 2.0:從聲音到演出

Avatar Omni Human 2.0 可將一張圖片和一段音軌轉換為 720p 的說話或歌唱影片,支援動態手勢、多角色場景、由提示詞引導的鏡頭移動、最長 5 分鐘的片段,並透過 Atlas Cloud 提供統一的隨用隨付 API 存取。

Avatar Omni Human 2.0:從圖片到演出

只需一張圖片和一段音軌,即可生成角色說話或歌唱的 720p 影片。Avatar Omni Human 2.0 以來源圖片設定角色形象,再透過可見動作與動態手勢呈現演出。這套精簡流程能將靜態角色轉化為主持影片、音樂視覺內容和敘事片段,並以圖片和音訊作為核心輸入。

由音訊驅動的演出

音訊驅動說話或歌唱的演出,掌握片段中的節奏與動態手勢。口語台詞和歌唱樂句帶出韻律,參考圖片則確立畫面中的角色形象。適合旁白、音樂演出和對話場景,讓畫面中的表演從第一拍到最後一拍都與配樂緊密連結。

長達 5 分鐘的角色演出

需要完整呈現一段解說或歌曲嗎?Avatar Omni Human 2.0 可根據一張圖片和一段音軌,生成最長 5 分鐘的片段,不再受限於短篇社群影片。這樣的片長適合課程、產品導覽、演出或系列角色內容,也能減少將單場演出拆成多支影片的需求。

由提示詞引導的鏡頭敘事

輸入文字提示詞來引導演出,指示鏡頭如何環繞角色與場景移動。可從近景切換至較寬的構圖、要求鏡頭環繞,或設定取景方式如何配合音訊驅動的演出。這項功能讓創作者更能掌控解說影片、敘事片段和音樂場景,同時保留簡單的圖片與音訊工作流程。

Avatar Omni Human 2.0 多角色動態演出

讓多個角色同時出現在 Avatar Omni Human 2.0 場景中,一起說話或歌唱。動態手勢與音訊驅動的動作會讓整個角色陣容在同一構圖中演出,而非將每個角色分開呈現。當故事涉及多位可見人物時,訪談、對唱、群體演出和劇本對話都能呈現更自然的互動感。

透過 Atlas Cloud 使用 Avatar Omni Human 2.0

透過 Atlas Cloud 的統一 API 和一組 OpenAI 相容金鑰,將 Avatar Omni Human 2.0 整合至既有產品。透明的隨用隨付定價讓開發者只需為所需的影片生成量付費,同一套整合也能連接其他 Atlas Cloud 模型。此方案適合需要生成虛擬角色影片,又不想為每個模型分別管理整合的應用程式和自動化內容流程。

Avatar Omni Human 2.0 單一提示詞模型測試

比較 Avatar Omni Human 2.0 與兩款替代影片模型如何詮釋相同提示詞,涵蓋寫實演出與風格化動作場景。

提示詞

創作一段 9 秒的電影感動作片段,忠實保留參考肖像的臉部身分特徵,將主角化身為 1960 年代復古科幻風格的高山天文台機械師。在鈷藍色暴風雪中,失控的圓頂突然旋轉,裸露的黃銅齒輪彼此撞擊、迸出火花;鏡頭從貼近雪地的低角度快速推進,機械師猛撲上覆滿冰霜的軌道,抓住劇烈擺盪的黃銅望遠鏡,奮力向前,猩紅色圍巾與工作外套在風中猛烈翻飛。切換至緊密環繞的跟拍鏡頭,他躲過橫掃而來的梯架,抵住望遠鏡的慣性,並在雪霧翻湧、機械碰撞之際伸手扳向煞車桿。切換至旋轉圓頂內的戲劇性俯視鏡頭:屋頂裂縫短暫對準明亮的銀河,星光映照著始終一致的臉龐,他猛拉煞車;齒輪劇烈震動,圓頂停止旋轉,望遠鏡也帶著可信的重量感緩緩停穩。鏡頭快速甩向他身旁冒著熱氣的咖啡,接著急速推近杯子,一顆微小發光的隕石啪地落入杯中,伴隨清脆嘶響;切至他的臉部特寫,驚愕逐漸化為強忍不住的笑意。動作持續俐落有勁,特技編排流暢無縫,布料、雪、慣性、撞擊、火花與機械物理效果皆寫實;不使用慢動作。採用 Technicolor 1960 年代冒險電影的色彩風格,展現精雕細琢的實景微縮模型工藝;鈷藍色雪夜、拋光銅金色機械、鮮明猩紅色圍巾、戲劇性強烈逆光、細微底片顆粒、變形鏡頭光斑與觸感鮮明的類比特效。音效:呼嘯狂風、金屬齒輪撞擊、軌道震響、纜線繃緊聲、果斷的煞車鏗鏘聲、機械聲驟然停止,接著是隕石滑稽的落水聲與嘶嘶聲,並搭配節奏明快的復古管弦科幻配樂。16:9 長寬比。

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

提示詞

一段 9 秒的電影感微型故事:一名穿著鮮豔朱紅色雨衣的寫實風格快遞員,在傾盆大雨剛停後,意外闖入一座巨型手工摺紙城市。全程保持臉部、服裝與身形比例一致。在冷冽的青藍色巷弄中,高聳的摺紙建築間透出溫暖琥珀色窗光,一隻巨大的紙鶴突然叼走快遞員的包裹,迅速飛離。鏡頭從貼地超低角度開始,緊貼快遞員奮力奔跑的靴子追拍;他穿過如鏡面般的水窪,倒影構成醒目的對稱畫面,雨滴濺向鏡頭,巨大的摺紙前景掠過,營造強烈透視感。快遞員飛身越過水窪,躲進向下彎曲的紙橋下方;紙橋以符合真實紙張物理特性的方式彎曲、起皺並發出喀啦聲。鏡頭流暢地快速甩向紙鶴的俯視空拍視角,它在摺紙屋頂間轉向飛行,快遞員仍在下方奔跑;接著鏡頭迅速俯衝向快遞員,轉為緊密的 360 度環繞鏡頭,捕捉他縱身一躍、抓住紙鶴並在半空中奪回包裹。落地瞬間,包裹以精準的定格動畫摺痕俏皮地自行展開,變成一把巨大的紙傘;傘面啪地張開,將嚇了一跳的快遞員和拍動翅膀的紙鶴一同帶上雨空,帶出奇幻的最後揭示。混合美學結合栩栩如生的人物演出、電影感雨景與倒影,以及觸感鮮明的手工摺紙定格動畫質地;呈現清晰的紙纖維、濕潤表面、可信的重量與動量、水花、彎折紙痕,以及連續複雜的動態。透過前景紙邊分層構圖,搭配戲劇性廣角變形;冷冽的藍綠色暴風雨光線,以紅色雨衣和溫暖黃色窗光點綴。節奏層次分明且同步的音效:雨滴、濕漉漉的腳步聲、清脆的紙張喀啦聲、拍翅聲,以及與每個動作精準同步、為結尾畫龍點睛的紙傘爆開聲;輕快簡約的打擊樂隨追逐逐漸堆疊,並在飛向空中的反轉場面奏出亮點。不要出現螢幕、介面、儀表板、進度列、圖表、說明文字、標誌、字幕、可辨識文字、定格姿勢、拖慢節奏的慢動作、身分特徵漂移、服裝變化、重複肢體、解剖結構錯誤、瞬間移動、動作中斷、不連貫的剪接、塑膠質感的紙張或不合理的物理效果。16:9 長寬比。

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

用 Avatar Omni Human 2.0 導演每一場表演

從產品解說與課程教學,到多人對話、歌唱表演、社群故事與長篇更新,Avatar Omni Human 2.0 能將一張圖片與音訊轉換為由提示詞導控的 720p 虛擬人影片。

使用 Avatar Omni Human 2.0 製作產品示範

只需一張角色圖片和一段旁白音軌,即可製作搭配提示詞導控鏡頭運動的 720p 主持人影片。產品團隊無須拍攝真人主持人,就能製作導覽式示範、上市解說與功能操作導覽。

課程與團隊培訓

只需一張圖片和錄製好的課程音訊,即可製作五分鐘教學影片,並搭配動態手勢。教育工作者與培訓團隊可以一致的螢幕主持人形象,發布講課影片、新人訓練模組與政策簡報。

Avatar Omni Human 2.0 對話場景

只需一張圖片和一段音訊,即可設計對話場景,讓 Avatar Omni Human 2.0 為多人生成動畫。媒體創作者可以製作訪談片段、座談討論或角色交流,呈現協調一致的說話表演。

使用 Avatar Omni Human 2.0 歌唱

將角色圖片與音樂或人聲結合,即可生成搭配富有表現力手勢的 720p 歌唱表演。藝術家與娛樂團隊可以製作虛擬演出、音樂宣傳片與角色主導的粉絲內容。

導演社群故事

透過提示詞導控鏡頭運動與角色行為,再讓提供的音訊驅動表演。社群團隊可以取得可重複使用的角色口播片段,用於公告、腳本故事、行銷活動貼文與系列內容。

長篇領導者更新

讓同一個虛擬人持續說話或歌唱,製作最長五分鐘的影片,並讓手勢跟隨音訊變化。組織可以用一致的格式發布高階主管動態、活動訊息、旁白解說與定期溝通內容。

Avatar Omni Human 2.0 與領先影片模型比較

依供應商、輸入流程、片段長度、解析度與目錄基準價格,比較 Avatar Omni Human 2.0 與三款 Atlas Cloud 影片模型。

模型供應商輸入流程最大片段長度輸出解析度目錄基準價格
Avatar Omni Human 2.0ByteDance圖片 + 音訊 + 可選提示詞最多 5 分鐘720p$0.07
Avatar Omni Human 1.5ByteDance圖片 + 音訊 + 可選提示詞720p 下最多 60 秒720p 或 1080p$0.12
MiniMax H3 Image-to-VideoMiniMax首幀 + 可選末幀 + 提示詞5 至 15 秒最高 2K每秒 $0.038
Veo 3.1 Lite Start-End Frame to VideoGoogle首幀 + 末幀 + 提示詞8 秒720p 或 1080p$0.05

如何在 Atlas Cloud 上使用 Avatar Omni Human 2.0

幾分鐘即可上手 — 按照以下簡單步驟,透過 Atlas Cloud 平台整合和部署模型。

建立 Atlas Cloud 帳戶

在 atlascloud.ai 註冊並完成驗證。新用戶可獲得免費額度,用於探索平台和測試模型。

為何在 Atlas Cloud 使用 Avatar Omni Human 2.0

將先進的 Avatar Omni Human 2.0 模型與 Atlas Cloud 的 GPU 加速平台相結合,提供無與倫比的效能、可擴展性和開發體驗。

效能與靈活性

低延遲:
GPU 最佳化推理,實現即時回應。

統一 API:
一次整合,暢用 Avatar Omni Human 2.0、GPT、Gemini 和 DeepSeek。

透明定價:
按 Token 計費,支援 Serverless 模式。

企業與規模

開發者體驗:
SDK、資料分析、微調工具和模板一應俱全。

可靠性:
99.99% 可用性、RBAC 權限控制、合規日誌。

安全與合規:
SOC 2 Type II 認證、HIPAA 合規、美國資料主權。

Avatar Omni Human 2.0 開發者常見問題

Avatar Omni Human 2.0 是 ByteDance 的音訊驅動虛擬角色影片模型。它能將一張圖片和一段音訊轉換為角色說話或唱歌的 720p 影片,並同步呈現表情與手勢。

只要一張參考圖片,就能建立口播主持人、數位歌手、角色表演,以及多人場景。選用提示詞後,還能控制動作、場景元素和鏡頭移動,獲得更具導向性的結果。

建立 Atlas Cloud API key,並在請求中選擇 bytedance/avatar-omni-human-v2.0 作為模型。提供一張圖片和一段音訊;如需進一步控制表演或鏡頭,也可以加入選用的提示詞。

每個請求都需將一張參考圖片與一段音訊結合。你也可以提供文字提示詞,用來引導場景、角色移動、特定動作和鏡頭行為。

可以。模型能讓角色進行說話或唱歌等表演,也支援包含多人的場景。音訊會驅動表演,而手勢與反應則會根據所選構圖生成。

影片會以 720p 生成,最長可達 five minutes。這項時長限制可支援較長的簡報、表演和角色旁白內容,無需將專案拆分成多個短片段。

Atlas Cloud 列出的標準價格為每秒 $0.07。使用量採隨用隨付計價,因此總費用會隨生成影片的時長增加。

基本的 lip sync 工具主要是讓嘴型與語音同步。此模型除了能讓表情和手勢配合音訊,還能接受提示詞指引,以控制動作、場景細節和鏡頭移動。

首先確認請求同時包含圖片和音訊,並確認所有引用的媒體 URL 都可存取。將每個欄位與目前的 Atlas Cloud playground schema 逐一比對,再根據回傳的錯誤詳細資訊修正 payload,然後重試。

探索更多系列

Seedance 2.5

Seedance 2.5 API 現已在 Atlas Cloud 上線!它為開發者提供了 ByteDance 最新的影片模型。該模型可透過文本、單張影像或多達 50 個多模態參考,一次性生成長達 30 秒的原生影片,並包含同步音訊和畫面內的多語言文本。在 Atlas Cloud 上,您可以透過單個金鑰存取它,其主體一致性和改進的物理特性可保持長鏡頭的連貫性。

檢視系列

Wan 3.0

Wan 3.0 API 是阿里巴巴 Wan 影片系列的下一代產品,旨在將長影片生成、多參考控制和影音品質推向新的高度。Atlas Cloud 已經代管了 Wan 2.7、2.6 和 2.5,而 Wan 3.0 透過相同的統一金鑰運行,無需額外設定。立即開始建置吧。向下捲動至展示區,查看 Wan 3.0 的創作能力。

檢視系列

MiniMax H3

MiniMax H3 是 MiniMax 的多模態影片系列,支援文字、影像與參考素材引導創作。在支援的路由中,它能保留參考媒體中的主體、提供彈性的長寬比,並透過 H3 Developer 將生成的聲音與畫面配對;輸出設定檔則依端點選定。Atlas Cloud 以一組 OpenAI-compatible 金鑰統一整個系列,並提供透明的隨用隨付定價,標準費率為每秒 $0.038。立即開始打造。

檢視系列

GPT Image 2.5

OpenAI 的 gpt-image-2.5 系列讓開發者可在正式環境的影像工作流程中選擇 Flare 與 Sunburst。支援最高 3840x2160 的任意解析度渲染,並提供五個品質等級(包括 xhigh 與 max),滿足特定的輸出需求。Atlas Cloud 提供可立即使用的 REST 推論服務,無冷啟動問題,標準價格每次生成最低 $0.004。立即開始建構。

檢視系列

Seedream 5.0 Pro

Seedream 5.0 Pro API 為開發者在 Atlas Cloud 上提供了字節跳動的可控圖像編輯模型。它透過錨點和座標精確定位編輯,將圖像分離為可編輯圖層,融合多個參考,並精準匹配顏色和材質,支援 2K 和 3K 解析度的多語言文本。在 Atlas Cloud 上,您只需一個金鑰即可存取!

檢視系列

Seedance 2.0

Seedance 2.0 是 ByteDance 為精準鏡頭創作打造的生產級影片模型。將提示詞轉換為影片、使用可選的末幀引導讓首幀圖片動起來,或搭配參考媒體與可選的網路搜尋塑造成果。Atlas Cloud 將這些工作流程整合至統一的 API,提供透明的按用量計費方案,以及一組相容於 OpenAI 的金鑰。立即開始打造。

檢視系列

Kling V3.0

Kling 3.0 API 透過一個與 OpenAI 相容的金鑰,將 Kuaishou 的旗艦影片套件引入 Atlas Cloud。它包含兩個模型:Kling 3.0 用於 AI Director 敘事、多語言唇形同步和精準的螢幕文字;Kling 3.0 Omni (O3) 用於透過短影片或圖像進行主體和聲音複製。兩者皆能在同一次處理中生成原生音訊,最高支援 4K 輸出。在可靠的基礎設施上建構電影級敘事、全球行銷、多語言廣告和系列化角色內容。

檢視系列

Grok Imagine Video

Grok Imagine Video 讓開發者能使用 xAI 的影片模型系列,建立、動畫化、延展及編輯影片片段。只要輸入提示詞,即可生成 1 至 15 秒的影片;搭配最多 7 張參考圖片,引導人物、物件或風格,並支援 480p 或 720p。Atlas Cloud 透過與 OpenAI 相容的端點,整合這些功能,並提供透明的按用量計費方案。立即開始建置。

檢視系列

Vidu Q4 Preview

Vidu Q4 是 Vidu 最新的旗艦影片模型,專為影像轉影片與參考圖轉影片生成而設計。它能將單張靜態影像製作成動畫,並自動建立場景轉場,為不同的產品工作流程提供兩種輸入方式。Atlas Cloud 提供專用 API endpoint,並以已驗證的標準價格 $0.04 per second 公開參數 schema。立即開始建置。

檢視系列

Gemini Omni 1.1 Flash

Gemini Omni 1.1 Flash 是 Google DeepMind 為彈性化製作流程打造的原生多模態影片系列。透過文字指令編輯現有素材,使用最多 10 張參考圖片與 3 段影片維持視覺一致性,或以可串接的片段延長鏡頭,最長達 40 秒。在 Atlas Cloud 上使用單一 OpenAI 相容 API 金鑰即可存取所有工作流程,享有隨用隨付的定價與 Day-0 可用性。立即開始打造。

檢視系列

Nano Banana 2.1

Nano Banana 2.1 是 Google 基於 Gemini 3.6 Flash 打造的影像模型系列。它以 Flash 等級的速度提供 Pro 等級的生成與編輯功能,支援以自然語言對 1 至 14 張輸入影像進行編輯與合併,並可維持最多 4 個角色與 10 個物件的一致性。透過 Atlas Cloud,開發者只需一組 OpenAI 相容金鑰,即可使用此系列模型,享有可靠的服務可用性與 Day-0 上線支援。立即開始打造。

檢視系列

Nano Banana 2

使用由 Google 的 Gemini 3.1 Flash Image 模型驅動的 Nano Banana 2 API 進行建置。它可生成解析度高達 4096x2304 的原生 4K 視覺效果,具備準確的文字渲染能力,並在生成與編輯過程中支援多達 14 張參考圖像的角色一致性。在 Atlas Cloud 上,您可以透過一個統一的 API 存取它及其他 300 多個模型,價格低至每張圖像 0.04 美元,提供 99.99% 的正常運作時間,並附贈免費額度供您開始使用。

檢視系列

一個 API,暢享全模態 AI。

探索全部模型