ByteDance: OmniHuman-1.5

OmniHuman-1.5 的价格、表现、能力和可直接使用的请求示例。

omnihuman-1-5

可用ByteDance视频异步

价格: 起 $0.1325
模态: 视频

OmniHuman-1.5 简介

OmniHuman-1.5 是字节跳动 Intelligent Creation Lab 的数字人视频模型。给它一张人物图片、一段音频和可选的文字提示词，它会生成一段会说话或会表演的虚拟人视频，口型、手势和身体动作都跟着语音走。它适合需要让角色看起来在做出反应的场景，包括多人说话的画面。

擅长的任务

只用一张静态图就能让人物动起来，不需要拍摄这个人的真实素材。
口型跟随提供的音频，手势则按语音的含义来匹配。
可选的文字提示词能在音频之外引导动作或镜头行为。
支持由双人音频驱动的场景，角色之间会相互反应。

什么情况换别的模型

必须有音轨，它不是通用的文生视频模型，不能用于没有人说话的场景。
输出质量取决于参考图，脸部被裁切或分辨率低会限制身份还原度。
生成的人物和声音涉及授权问题，只使用你有权使用的图片和音频。

快速上手

创建 API 密钥
在 Console 生成一把密钥，平台上的模型都能用。

发送第一个请求

复制你所用语言的示例代码，向该端点发起请求。

图生视频TokenLab 端点

POST/v1/videos/generations

curl -X POST "https://api.tokenlab.sh/v1/videos/generations" \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
  "operation": "image-to-video",
  "model": "omnihuman-1-5",
  "prompt": "Cinematic sunrise over a calm lake with gentle camera motion.",
  "image_url": "https://example.com/image.jpg"
}'

价格

官方价格是模型厂商公开的基线价，TokenLab 价格是用这个模型时实际的计费价。

图生视频

每秒

官方价格: $0.1325
Official: $0.1325
折扣: —

	官方价格每秒	Official每秒	折扣
图生视频	$0.1325	$0.1325	—

用量与动态

成功率是请求完成的比例；延迟是拿到一次完整响应要花的时间，P95 表示 95% 的请求都在这个时间内完成。

用量与可用性

直接在 Console 里试

OmniHuman-1.5 已在 Console 备好，提示词已填好，可以直接修改或发送。

帮我用 omnihuman-1-5 完成一次 image-to-video，接口是 /v1/videos/generations。返回结果、状态和费用。

使用场景

口播主持人
把一张肖像和一段旁白做成发言人视频，用于培训、产品更新或讲解。
角色对白
让插画或照片里的角色说出剧本台词，用于短故事和社交短片。
本地化视频
同一张主持人图片搭配多种语言的录音，为每种语言生成口型匹配的片段。

提示词示例

一位女士坐在办公桌前对着镜头讲话，手势平静，在重点处轻轻点头

两个朋友坐在公园长椅上交谈，转向正在说话的人

歌手在小舞台上演唱，手部动作富有表现力，镜头保持稳定

FAQ

OmniHuman-1.5 接收哪些输入？

一张角色图片、一段音频，以及可选的文字提示词。图片决定身份和外貌，音频驱动口型和节奏，提示词可以引导动作。

能生成多人视频吗？

能。字节跳动介绍支持双人说话的音频，所以角色之间的互动可以在一个片段里生成，每个人的动作都跟随各自的语音。

OmniHuman-1.5 怎么决定虚拟人的动作？

字节跳动的论文描述了两部分：一个多模态语言模型根据音频、图像和提示词规划动作，一个扩散 Transformer 负责渲染运动。目的是让手势贴合内容，而不是千篇一律地循环。

它是通用的视频生成模型吗？

不是。它专门用于对着音频说话或表演的人物。没有驱动音频的场景、风景或动作画面，请用通用的文生视频或图生视频模型。

OmniHuman-1.5 的费用是多少？

在 TokenLab 上，OmniHuman-1.5 的价格为 $0.1325 每秒。完整明细见上方价格表。价格因计费单位、规格和用量而异。请在模型的详细定价中对比相同条件下的费率；单一费率不代表总价。

OmniHuman-1.5 应该使用哪个端点？

OmniHuman-1.5 使用 https://api.tokenlab.sh/v1/videos/generations。代码写法见下方的请求示例。

OmniHuman-1.5 支持哪些操作？

OmniHuman-1.5 支持图生视频。选了操作，上面会显示对应的端点和请求示例。

OmniHuman-1.5 对比

OmniHuman-1.5 对比 Kling AI Avatar Pro OmniHuman-1.5 对比 VEED Fabric 1.0 OmniHuman-1.5 对比 HeyGen Video 1.0 OmniHuman-1.5 对比 Wan 2.2 S2V

资料来源

审阅于 2026年10月2日