Avatar parlante

OmniHuman 2.0 — Avatar parlante

Da voz y movimiento a un retrato con una grabación. Sube una imagen y un archivo de audio, revisa los ajustes y continúa en Vizify para crear el vídeo del avatar.

¿Qué debo subir? ¿Qué recibiré?
Obligatorio · JPEG, JPG, PNG, WEBP · Límite por archivo: 10 MB
Obligatorio · WAV, MP3 · Límite por archivo: 15 MB
Duración (segundos): 4–300

En Vizify se comprobarán el inicio de sesión y los permisos.

Datos verificados del catálogo

Lo que Vizify ofrece para esta familia.

Estos datos proceden del catálogo público actual, no del marketing del proveedor.

Variantes1

OmniHuman 2.0

Entradas2

Imagen · Audio

Salidas1

Vídeo

AccesoPor tarea

Avatar parlante

EstadoDisponible

Revisado 2026-11-01

Ideal para

Dónde encaja esta familia.

Da voz y movimiento a un retrato con una grabación. Sube una imagen y un archivo de audio, revisa los ajustes y continúa en Vizify para crear el vídeo del avatar.

Límites actuales

Qué no debe darse por hecho.

La duración depende de la grabación. Revisa labios, movimiento e identidad; no se garantiza una conservación exacta.

La comprobación inicial usa el máximo de 300 segundos, no una medición verificada de la grabación. El consumo se ajusta al terminar; un clip corto puede necesitar más saldo disponible inicialmente.

¿Qué debo subir?

Sube un retrato y una grabación WAV o MP3 de 4–300 segundos y hasta 15 MiB. La imagen admite hasta 10 MiB. La indicación de movimiento es opcional, con un máximo de 300 caracteres.

¿Qué recibiré?

Se genera un vídeo de avatar parlante a 720p guiado por el audio. Este flujo no genera vídeo desde texto, imágenes ni clones de voz.

Revisión de funciones

Formulario y entrega contrastados con la integración de Vizify el 2026-11-01. No se garantiza disponibilidad del canal, velocidad ni calidad del resultado.

Preguntas frecuentes

Preguntas sobre OmniHuman 2.0 — Avatar parlante

¿Qué debo subir?

Sube un retrato y una grabación WAV o MP3 de 4–300 segundos y hasta 15 MiB. La imagen admite hasta 10 MiB. La indicación de movimiento es opcional, con un máximo de 300 caracteres.

¿Qué recibiré?

Se genera un vídeo de avatar parlante a 720p guiado por el audio. Este flujo no genera vídeo desde texto, imágenes ni clones de voz.

¿Qué límites tiene?

La duración depende de la grabación. Revisa labios, movimiento e identidad; no se garantiza una conservación exacta.

¿Cómo se estima el consumo?

La comprobación inicial usa el máximo de 300 segundos, no una medición verificada de la grabación. El consumo se ajusta al terminar; un clip corto puede necesitar más saldo disponible inicialmente.