Оживляет фото под вашу аудиозапись: человек на снимке говорит или поёт в такт голосу, а мимику и движения можно подсказать заданием. Цена — 15 ₽ за секунду видео.
OmniHuman 2.0 (Omni Human) — нейросеть ByteDance, которая превращает фото и запись голоса в видео: человек на снимке говорит или поёт, губы попадают в слова. В новой версии жесты, мимику и движение камеры можно подсказать словами в поле «Задание».
Кофейный стаканчик зовёт в кофейню
Рисунок 1:1 без рта и голос 8 секунд, в задании махать и подмигивать: рекламный персонаж заговорил.
Промпт: Стаканчик говорит бодро, машет рукой, подмигивает и весело подпрыгивает на месте.
Ведущая разводит руками по заданию
Те же фото и голос, что у ведущей без задания, но с подсказкой жеста и улыбки в конце: видно, что меняет задание.
Промпт: Ведущая говорит уверенно и доброжелательно, на словах о парке слегка разводит руками, в конце улыбается в камеру. Камера неподвижна.
Экскурсовод показывает на картину
Фото 3:4 и голос 10 секунд, в задании повернуться к картине: жест по заданию в кадре по пояс.
Промпт: Экскурсовод говорит спокойно, на словах «обратите внимание на эту картину» поворачивается и показывает рукой на картину за спиной.
Мультяшный енот поёт у микрофона
Иллюстрация 3:4 и кусок песни с музыкой, 8 секунд: нейросеть оживляет и нарисованных героев.
Промпт: Енот поёт с чувством, держится лапой за микрофон и покачивается в такт музыке.
Библиотекарь приглашает зайти в пятницу
Без задания, фраза на 4 секунды: даже без подсказки героиня раскрывает ладони на «жду вас».
Ведущая читает новости без задания
Кадр 16:9, голос 10 секунд, поле «Задание» пустое: движения нейросеть подобрала по голосу.
Повар ведёт кулинарный блог у плиты
Вертикальное фото 9:16 и голос 11 секунд, в задании помешивать в сковороде: герой работает руками и говорит.
Промпт: Повар говорит весело, помешивает лопаткой в сковороде, иногда поднимает взгляд в камеру и улыбается.
Бабушка поздравляет с днём рождения
Фото 3:4 и голос 8 секунд, задание про тёплую улыбку и кивки: пример для видеооткрытки.
Промпт: Бабушка говорит тепло и растроганно, мягко улыбается и слегка кивает головой.
Всех героев мы выдумали. Для новых проб их нарисовала GPT Image 2, а голоса прочитала озвучка ElevenLabs v4. Ролики из проб лежат во вкладке «Примеры» вместе с заданиями.
Главное отличие от прошлых версий линейки в поле «Задание». Чтобы увидеть, что оно меняет, мы дважды запустили одну и ту же ведущую новостей с одной записью на 10 секунд: первый раз поле оставили пустым, во второй вписали:
Ведущая говорит уверенно и доброжелательно, на словах о парке слегка разводит руками, в конце улыбается в камеру. Камера неподвижна.
OmniHuman 2.0 · без задания · 15 ₽/сек.
OmniHuman 2.0 · с заданием · 15 ₽/сек.
Без задания руки так и лежат сложенными на столе. С заданием на пятой секунде, как раз на «новый парк», ведущая разводит ладони в стороны, а последние слова договаривает с улыбкой. Губы в обоих роликах попадают в слова одинаково хорошо.
Для сравнения мы взяли портрет и фразу из статьи про OmniHuman 1.5: «Здравствуйте! Книгу продлили? Жду вас в пятницу». Портрет там нарисовала Nano Banana 2 Lite, а фразу прочитала озвучка сайта «Мега». Запись длится 3,8 секунды, а новая версия принимает записи от четырёх секунд, поэтому в конец мы добавили полсекунды тишины и больше ничего не меняли, поле «Задание» тоже осталось пустым.
OmniHuman 1.5 · без настроек · 35 ₽/сек.
OmniHuman 2.0 · без задания · 15 ₽/сек.
Версия 1.5 на «жду вас» протягивала одну руку, а улыбка с фото у неё пропадала. У версии 2.0 в нашей пробе женщина раскрыла обе ладони и почти весь ролик улыбалась, как на снимке, хотя задание мы не писали. Ролик пришёл через 3 минуты 10 секунд.
Задание может связать героя с тем, что у него за спиной. Экскурсовод стоит перед картиной и 10 секунд рассказывает, сколько лет её писали. Задание:
Экскурсовод говорит спокойно, на словах «обратите внимание на эту картину» поворачивается и показывает рукой на картину за спиной.
OmniHuman 2.0 · фото 3:4, голос 10 с, с заданием · 15 ₽/сек.
Женщина действительно поворачивается к раме и до конца ролика ведёт рукой по полотну, а голову то и дело возвращает к зрителю. Только жест начался на четвёртой секунде, когда первая фраза уже прозвучала, так что привязку к словам в нашей пробе нейросеть выдержала примерно, без точности до секунды.
Талисман кофейни мы нарисовали нарочно без рта, чтобы посмотреть, как нейросеть выкрутится. Запись на 8 секунд бодро зовёт на кофе, а в задании мы попросили махать рукой, подмигивать и подпрыгивать.
OmniHuman 2.0 · рисунок 1:1, голос 8 с, с заданием · 15 ₽/сек.
Рот появился с первых кадров и говорит в такт. Стаканчик машет, дважды подмигивает и разводит ручками, а подпрыгивать так и не стал. Квадратная картинка дала квадратный ролик 960×960.
В «Примерах» есть и поющий енот у микрофона. Ему достался отрывок песни вместе с музыкой: её сочинил Suno для готового примера версии 1.5. Енот покачивается в такт.
Нужны два файла и, по желанию, пара фраз о движениях. В Фото подойдёт снимок или рисунок с одним героем лицом к зрителю: JPG, PNG, WebP, HEIC или HEIF. В Аудио загрузите речь или песню длиной от 4 секунд до 5 минут в MP3, WAV, M4A, AAC, FLAC, OGG или OPUS. Перевода нет: на каком языке записан голос, на том герой и заговорит. Если записи пока нет, её можно синтезировать в разделе «Озвучка текста».
Задание заполнять не обязательно. Без него нейросеть сама подберёт мимику и движения по голосу, а с ним постарается сделать то, что вы попросили. Ролик длится столько же, сколько запись, а цена видна на кнопке Отправить до запуска. Видео появится под формой. В Моих результатах оно лежит 7 дней, а чтобы оставить его дольше, скачайте файл или сохраните в библиотеку.
| Поле | Что даёт | Как лучше |
|---|---|---|
| Задание | жесты, мимика, настроение, поведение камеры | одно-два действия на ролик, привязка к фразе из записи |
| Фото | герой, фон и пропорции ролика | для жестов — кадр по пояс, лицо открыто, в кадре один герой |
| Аудио | слова, интонация и длина ролика | обрежьте тишину по краям: неполная секунда считается целой |
Разрешение в форме не задаётся. У всех наших роликов кадр был около 0,9 Мп, а стороны повторяли пропорции картинки: из 3:4 у нас вышло 834×1112, из 9:16 получилось 720×1280, из 16:9 вышло 1280×720.
Удобная формула: как говорит + что делает руками или телом + на каких словах + чем заканчивает. Слова в кавычках подсказывают, к какому месту записи привязать жест.
Говорит увлечённо, на словах «смотрите сами» показывает ладонью в сторону, в конце кивает и улыбается.
Повар говорит весело, помешивает лопаткой в сковороде, иногда поднимает взгляд в камеру и улыбается.
Бабушка говорит тепло и растроганно, мягко улыбается и слегка кивает головой.
Частые ошибки:
Платите за каждую секунду записи. Задание и фото на цену не влияют.
| Запись | Цена |
|---|---|
| 4 с | 60 ₽ |
| 10 с | 150 ₽ |
| 30 с | 450 ₽ |
| 1 мин | 900 ₽ |
| 5 мин | 4 500 ₽ |
Для первой пробы хватит фразы на 5–10 секунд: по ней уже видно, слушается ли герой задания и не портится ли лицо. Запуск, который закончился ошибкой, не оплачивается: деньги возвращаются на баланс.
У OmniHuman 1.5 поля «Задание» нет: она сама решает, когда жестикулировать, и в нашей пробе убрала улыбку с лица. Новая версия даёт подсказать движение словами и на том же фото сохранила улыбку. Зато 1.5 принимает записи до 10 минут, а 2.0 только до 5. Версии 1.0 и 1.5 между собой мы сравнивали в обзоре OmniHuman.
| Нейросеть | Цена | Чем отличается | Когда брать |
|---|---|---|---|
| OmniHuman 2.0 | 15 ₽/сек. | есть «Задание», запись 4–300 секунд | нужен жест или настроение по вашему описанию |
| OmniHuman 1.5 | 35 ₽/сек. | без задания, жесты по смыслу речи, запись до 10 минут | длинный монолог, подачу доверяете нейросети |
| OmniHuman 1.0 | 20 ₽/сек. | первая версия, двигаются в основном лицо и голова | крупный портрет и спокойная речь |
| Kling AI Avatar 2 | от 10 ₽/сек. | есть «Задание», две модели на выбор, запись до 5 минут | хочется сравнить с другим разработчиком |
| Pruna AI P-Video Avatar | от 4 ₽/сек. | есть «Задание», выбор 720p или 1080p | нужен ролик в 1080p |
Описание обновлено 16 октября 2026 г.