一個驗證，對應所有 provider
一組 RunAPI key 即可解鎖整個 catalog。無需分開帳戶，亦無需為每個整合輪換密鑰。
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 cursorOVERVIEW
關於 OmniHuman
OmniHuman 可基於來源圖片和驅動音訊生成說話頭像影片。輔助接口可識別圖片中的人體區域，並返回可用於 audio-to-video 請求的主體遮罩。
供應商
Bytedance
模式
實用工具
比較所有 API 變體
PRICING
OmniHuman 定價
| Endpoint | 解析度 | 時長 | 價格 | |
|---|---|---|---|---|
| audio_to_video | 720p, 1080p | — | $0.32 / 秒 |
以下為 omnihuman-1.5 的定價。其他變體保留各自的 endpoint 定價。
Agent 整合
透過 Agent 執行 OmniHuman
運作方式
開始使用 OmniHuman
-
選擇模型
挑選符合輸出類型、品質門檻與延遲目標的模型與變體。
-
設定
設定 RunAPI key，並在 coding workspace 安裝 model skill。
-
開發
使用 skill 指引，在你的 app 內加入模型功能。
-
接收
透過 task ID 查詢、在支援時串流，或處理 webhook callback。
為何透過 RunAPI 使用 OmniHuman API
統一定價與計費
按次以 USD 收費，每月結算。失敗的生成不會收費。
內含 schema 的 skill
型別化 schema 與 setup 備註打包在 model skill 內，讓實作從正確契約開始。
OmniHuman 常見問題
OmniHuman audio-to-video 需要哪些輸入？
需要來源圖片 URL 和來源音訊 URL。也可以傳入遮罩 URL、提示詞、解像度、快速模式、seed 和回調地址來細化請求。
Human Identification 會返回甚麼？
Human Identification 會分析一張來源圖片，並返回用於標識人體區域的圖片結果，適合檢查或預處理。
Subject Detection 會返回甚麼？
Subject Detection 會分析一張來源圖片，並返回主體遮罩；這些遮罩可以作為 `mask_urls` 傳入 OmniHuman audio-to-video 請求。
甚麼時候應該傳入 `mask_urls`？
當你希望加強主體隔離，或已經為同一來源圖片運行過 Subject Detection 並拿到遮罩時，可以傳入 `mask_urls`。
支援哪些輸出解像度？
OmniHuman audio-to-video 支援 720p 和 1080p 輸出；請求未指定時預設使用 1080p。
我應該先用邊個版本？
先選最平而且符合你質素要求的版本。大多數團隊會先用快速版本，之後再升級到 pro 用於正式生產。
相似模型