统一认证，接入所有提供方
一把 RunAPI key 解锁整个模型目录。无需为每家提供方单独建账户。
curl -X POST https://runapi.ai/api/v1/omnihuman/audio_to_video \
-H "Authorization: Bearer $RUNAPI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "omnihuman-1.5-subject-detection",
"image_url": "https://cdn.runapi.ai/public/samples/portrait.jpg",
"audio_url": "https://cdn.runapi.ai/public/samples/voice.mp3"
}'import { OmnihumanClient } from "@runapi.ai/omnihuman";
const client = new OmnihumanClient();
const result = await client.audioToVideo.run({
model: "omnihuman-1.5-subject-detection",
image_url: "https://cdn.runapi.ai/public/samples/portrait.jpg",
audio_url: "https://cdn.runapi.ai/public/samples/voice.mp3",
});require "runapi/omnihuman"
client = RunApi::Omnihuman::Client.new
result = client.audio_to_video.run(
model: "omnihuman-1.5-subject-detection",
image_url: "https://cdn.runapi.ai/public/samples/portrait.jpg",
audio_url: "https://cdn.runapi.ai/public/samples/voice.mp3"
)npx skills add runapi-ai/omnihuman -g# Claude Code
claude mcp add runapi -s user -- npx -y @runapi.ai/mcp
# Codex
codex plugin install runapi-mcp@agents
# Cursor / Windsurf / VS Code
npx @runapi.ai/mcp init cursor概览
关于 OmniHuman
OmniHuman 可基于源图片和驱动音频生成数字人视频。辅助接口可识别图片中的人体区域，并返回可用于视频生成请求的主体 mask。
提供方
Bytedance
模态
工具
对比全部 API 变体
定价
OmniHuman 定价
| Endpoint | 分辨率 | 时长 | 价格 | |
|---|---|---|---|---|
| audio_to_video | 720p, 1080p | — | $0.32 / 秒 |
当前价格适用于 omnihuman-1.5。其他变体保留各自的 endpoint 定价。
Agent 集成
通过 Agent 运行 OmniHuman
工作流程
开始使用 OmniHuman
-
选择模型
根据输出类型、质量要求和延迟目标选择模型与变体。
-
配置
设置 RunAPI key，并在代码工作区安装对应 model skill。
-
调用
按 skill 里的说明，把模型能力接入到你的应用里。
-
接收
按 task ID 轮询、在支持时使用流式，或处理 webhook 回调。
为什么用 RunAPI 调用 OmniHuman API
统一的定价与账单
USD 按次定价，按月结算。失败的生成不计费。
Schema 优先的 SDK
Typed schema 和接入说明已打包进 model skill，让实现从正确契约开始。
OmniHuman 常见问题
OmniHuman audio-to-video 需要哪些输入？
需要源图片 URL 和源音频 URL。也可以传入 mask URL、提示词、分辨率、快速模式、seed 和回调地址来细化请求。
Human Identification 会返回什么？
Human Identification 会分析一张源图片，并返回用于标识人体区域的图像结果，适合检查或预处理。
Subject Detection 会返回什么？
Subject Detection 会分析一张源图片，并返回主体 mask；这些 mask 可以作为 `mask_urls` 传入 OmniHuman audio-to-video 请求。
什么时候应该传入 `mask_urls`？
当你希望加强主体隔离，或已经为同一源图片运行过 Subject Detection 并拿到 mask 时，可以传入 `mask_urls`。
支持哪些输出分辨率？
OmniHuman audio-to-video 支持 720p 和 1080p 输出；请求未指定时默认使用 1080p。
应该从哪个变体开始？
选满足质量要求的最便宜变体。多数团队从 fast 起步，生产时升级到 pro。
相似模型