OmniHuman 2.0 시작 가이드: 인물 사진 한 장과 오디오 한 개로 최대 5분 길이의 말하는 영상 생성

OmniHuman 2.0은 바이트댄스의 디지털 휴먼 영상 모델입니다. 인물 사진 한 장과 오디오 한 개를 주면 인물이 말하거나 노래하는 영상을 생성하며, 입모양과 표정, 머리 움직임이 오디오를 따라갑니다. 이 글에서는 이 모델이 무엇을 할 수 있는지, 어떻게 호출하는지, 요금은 어떻게 계산되는지, 그리고 언제 다른 모델로 바꿔야 하는지를 명확히 설명합니다.

할 수 있는 일

• 이미지 한 장과 오디오 한 개로 영상 생성: 필수 입력은 인물 이미지 image_url과 구동 오디오 audio_url뿐이며, 영상 소재가 필요 없고 사전에 인물을 학습시킬 필요도 없습니다.
• 영상 길이는 오디오 길이와 동일: 오디오는 4–300초를 지원하며, 하나의 연속 촬영 장면은 최대 5분입니다. 긴 내레이션은 하나의 오디오로 제출하면 되고, 구간을 나눠 이어 붙일 필요가 없습니다.
• 화면 비율과 해상도는 인물 이미지를 따름: 세로 이미지는 세로 화면, 가로 이미지는 가로 화면으로 출력됩니다. 예를 들어 960×960 인물 이미지는 960×960 영상이 됩니다. 별도의 해상도 파라미터는 없습니다.
• 프롬프트로 연기와 카메라 워크 제어: 선택 사항인 prompt(최대 300자)로 표정, 제스처, 카메라 움직임을 작성할 수 있습니다. 예: 「미소 지으며 고개를 끄덕이고, 양손을 자연스럽게 펼치며, 카메라가 천천히 다가감」. 작성하지 않으면 화면은 전적으로 오디오에 의해 구동됩니다.
• 완성 영상에는 워터마크가 없고 원본 오디오 트랙이 포함되어 바로 편집에 사용할 수 있습니다.

입력 요구 사항

• 인물 이미지: jpeg, png 또는 webp, 10MB 이하, 가로세로 비율 0.4–2.5, 각 변 300–6000픽셀. 정면 얼굴이 선명하고 구도가 깔끔한 이미지일수록 결과가 더 안정적입니다.
• 오디오: mp3 또는 wav, 4–300초, 15MB 이하. 목소리가 깨끗하고 배경 소음이 적을수록 입모양이 더 정확해집니다.
• 오디오가 4초 미만이면 작업이 실패하며, 요금은 전액 환불됩니다.

호출 방법

비동기 작업을 제출하고 taskId를 받은 후 결과를 폴링합니다:

curl https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "omnihuman-2.0",
    "input": {
      "image_url": "https://example.com/portrait.png",
      "audio_url": "https://example.com/voice.mp3",
      "prompt": "미소 지으며 고개를 끄덕이고, 양손을 자연스럽게 펼치며, 천천히 다가가는 카메라"
    }
  }'

curl https://api.hiapi.ai/v1/tasks/<taskId> \
  -H "Authorization: Bearer $HIAPI_KEY"

작업이 성공하면 output에 영상 주소가 들어 있습니다. 생성 소요 시간은 오디오가 길어질수록 증가하므로, 긴 오디오의 경우 폴링 간격을 늘리는 것이 좋습니다.

가격

출력 영상 길이 기준으로 과금되며, $0.10/초이고 구간 구분은 없습니다:

• 10초 구두 발표: 약 $1.00
• 1분 설명: 약 $6.00
• 5분(상한): 약 $30.00

제출 시 오디오 길이에 따라 선차감되고, 완료 후 실제 영상 길이 기준으로 정산됩니다. 실패한 작업은 전액 환불됩니다.

프롬프트 작성법

「표정 또는 감정 → 제스처 또는 동작 → 카메라」 순서로 작성하고, 한 번에 두세 가지 명확한 동작을 적습니다. 예:

• 뉴스 구두 발표: 차분한 표정, 말하는 동안 가볍게 고개 끄덕임, 천천히 다가가는 카메라
• 제품 설명: 친근한 미소, 한 손으로 카메라 쪽을 향해 제스처

다른 모델을 선택해야 할 때

• 1080p 출력을 지정해야 하거나, 이미지에 여러 사람이 있어 누가 말할지 지정해야 하는 경우: OmniHuman 2.0에는 이런 파라미터가 없으므로 OmniHuman 1.5를 사용할 수 있습니다.
• 기존 영상의 입모양을 바꿔야 하거나, 사람 목소리가 없는 이미지-투-비디오가 필요한 경우: 이는 OmniHuman 2.0의 용도가 아니므로 해당하는 영상 편집 또는 이미지-투-비디오 모델을 선택하세요.

바로 효과를 시험해 보려면 HiAPI Playground에서 인물 사진 한 장과 오디오 한 개를 업로드하여 생성할 수 있습니다.