OmniHuman 1.5 音訊驅動肖像影片

OmniHuman 1.5 專為聚焦的圖片加音訊工作流程設計：一張肖像提供主體，一段語音軌驅動最終演出。相較一般的提示詞生成影片任務，它更適合簡報者短片、角色旁白及短篇說話主體影片。

上傳恰好一張不超過 10 MB 的 JPEG、PNG 或 WebP 圖片，以及一個不超過 10 MB 的 MP3、M4A、WAV、AAC 或 OGG 音訊檔。經驗證的音訊片長必須大於 0 且嚴格小於 60 秒。

Rivya 依每個經驗證的音訊秒數收取 27 點積分。小數片長會完整納入計算，只有預留總額會向上取整為整數積分。只有回報的實際用量有效且不高於預留額時，Rivya 才按實際用量精算並退回差額；實際用量缺失、無效或高於預留額時會進入對帳，不會觸發未揭露的額外扣款。

快速模式會優先縮短處理時間，但可能犧牲部分品質。品質優先的執行請將它關閉；早期測試較重視周轉速度時則可開啟。

可以，但為可選項目，且在 Rivya 上最多 300 個字元。目前提示詞路徑只接受中文、英文、日文、韓文、西班牙文或印尼文；肖像與音訊仍是必填輸入。

從恰好一張肖像圖片與一段音訊建立音訊驅動角色影片。主體可以是人物、寵物或插畫角色，輸出可選 720p 或 1080p。

選擇一張已呈現預定主體的清楚肖像，再準備最終語音錄音。音訊必須短於 60 秒，兩個檔案都必須在生成前通過上傳檢查。

選擇 720p 或 1080p、決定是否使用較快速的處理選項；若不需要可重複的比較，seed 維持 -1 以取得隨機結果。

模型詳細資訊可公開瀏覽，但上傳和生成需要登入。OmniHuman 1.5 依每個經驗證的音訊秒數收取 27 點積分，只有最終計算總額會向上取整。

若只測試一張肖像和一段語音軌，可留在此頁面。需要儲存多次演出、數個角色、重複語音版本或更長製作流程時，請開啟 Studio。