OmniHuman 1.5 音频驱动肖像视频

OmniHuman 1.5 专为聚焦的图片加音频工作流设计：一张肖像提供主体，一条语音轨道驱动最终表演。相比通用的提示词生成视频任务，它更适合出镜讲解、角色旁白和简短的说话主体视频。

请上传恰好一张 JPEG、PNG 或 WebP 图片，大小不超过 10 MB，以及一个 MP3、M4A、WAV、AAC 或 OGG 音频文件，大小不超过 10 MB。验签后的音频时长必须大于零秒且严格小于 60 秒。

Rivya 按验签音频每秒 27 积分计费。音频的小数时长会保留并参与完整计算，仅在任务预留总额处向上取整为整数积分。若收到的实际用量有效且不高于预留值，Rivya 会按实际用量结算；如果实际用量缺失、无效或高于预留值，任务会进入对账，而不会触发未说明的额外扣费。

快速模式优先缩短处理时间，但可能需要在质量上作出取舍。质量优先时请保持关闭；早期测试更看重出结果速度时，可以开启该模式。

可以，但提示词是可选项，在 Rivya 上最多为 300 个字符。当前提示词支持中文、英语、日语、韩语、西班牙语或印度尼西亚语文本；肖像和音频仍是必需输入。

使用恰好一张肖像图片和一段音频，创作音频驱动的角色视频。主体可以是人物、宠物或插画角色，输出可选择 720p 或 1080p。

选择一张能清晰呈现目标主体的肖像，再准备最终版语音。音频必须小于 60 秒，并且两个文件都必须先通过上传检查才能生成。

选择 720p 或 1080p，确定是否使用快速处理选项；除非需要更易复现的比较，否则 seed 保持为 -1 以获得随机结果。

模型详情可公开查看，但上传素材和生成视频需要登录。OmniHuman 1.5 按验签音频每秒 27 积分计费，仅最终计算总额向上取整。

测试一张肖像和一条语音轨道可以留在此页面。当你需要保存多个版本、使用多个角色、反复尝试不同语音版本，或开展更长的制作流程时，请打开 Studio。