OmniHuman — dai voce e movimento alla foto di una persona

Che cos'è OmniHuman

OmniHuman è un modello generativo per il video sviluppato da ByteDance — l'azienda dietro TikTok. Prende una sola foto di una persona e una traccia audio (parlato o canto) e le trasforma in un video in cui la persona della foto parla o canta. I movimenti delle labbra, della testa e del corpo si sincronizzano con l'audio, così l'immagine statica prende vita in modo naturale.

A differenza dei modelli che si limitano ad aggiungere movimento a una foto, OmniHuman punta proprio sulla figura umana e sul parlato: le labbra devono seguire con precisione ciò che si sente, mentre espressione e gesti devono sembrare vivi e non meccanici. Per questo è la scelta comoda quando vuoi far “parlare” una foto ben precisa con una voce data.

Su genkiki.com il modello è disponibile come “OmniHuman (foto → parlato)” nella modalità Video da foto: carichi un ritratto e l'audio, e il sistema restituisce il video pronto.

Versioni e funzionalità in generiram

OmniHuman si presenta come un unico modello con un compito chiaro: far rivivere la foto di una persona attraverso la voce. Qui sotto un riassunto di che cosa fa.

VarianteModalitàA che cosa serve
OmniHuman (foto → parlato)Video da fotoTrasforma la foto di una persona + una traccia audio in un video in cui parla o canta, con labbra, testa e corpo sincronizzati

Video da foto

Carichi una foto di una persona e una traccia audio. OmniHuman conserva l'aspetto della foto e aggiunge il movimento delle labbra a tempo con il parlato, oltre a movimenti naturali di testa e corpo. Il risultato è un video in cui la persona della foto sembra davvero pronunciare o cantare l'audio che hai fornito.

A che cosa serve

  • Far rivivere un ritratto — fai parlare o cantare una foto immobile.
  • Avatar parlanti — crea un personaggio o un volto che presenta un messaggio con una voce a scelta.
  • Foto che parlano — dai vita a una foto di famiglia, storica o di prodotto con una persona.
  • Doppiaggio di un'immagine statica — aggiungi voce e mimica a un singolo scatto, senza telecamera né riprese.

Come iniziare

Apri l'AI Studio di genkiki.com, scegli OmniHuman (foto → parlato), carica una foto nitida della persona e la traccia audio che vuoi sentire, quindi avvia la generazione. Per il risultato migliore usa una foto con il volto ben visibile e illuminato e un audio pulito, senza forte rumore di fondo.

I modelli OmniHuman — in dettaglio

Quale serve a cosa, dov'è debole e per cosa non va usato.

OmniHuman (foto → parlato)

riferimentovideo
Proporzioni: 1:1, 9:16, 16:9 Durate: 5 s, 10 s Prezzo: 322 crediti

Forte in

  • 20 miliardi di parametri con doppia lettura dell'ingresso: da una parte capisce il senso, dall'altra conserva l'aspetto della foto
  • Testo nell'immagine di livello commerciale, anche su più righe e per interi paragrafi
  • In modifica MANTIENE il carattere, il corpo e l'inserimento del testo esistente mentre lo cambia
  • Primo in tutte e nove le misure pubbliche della sua categoria
  • Modello aperto: prevedibile e senza sorprese nelle regole

Debole in

  • Sono garantiti solo l'inglese e il cinese semplificato — in un'altra lingua, italiano compreso, viene, ma non è promesso
  • Nello stile più sobrio dei modelli artistici
  • Più lento dei modelli veloci
  • Il fotorealismo sulle persone resta sotto i migliori

Non usarlo per

  • Non contarci per una scritta in italiano: non è garantita
  • Non usarlo per un primo piano
  • Non usarlo per una serie veloce di prove

Compiti tipici

  • Modifica del testo in una foto esistente, mantenendo il carattere
  • Immagine con una scritta su più righe in inglese
  • Design con testo strutturato
  • Modifica precisa di un elemento nell'immagine

Domande frequenti su OmniHuman

Quanto costa una generazione con OmniHuman?

Si paga in crediti e il prezzo dipende dal modello: OmniHuman (foto → parlato) — 322 crediti. Il prezzo esatto viene mostrato prima che tu avvii la generazione.

Quali sono i limiti di OmniHuman?

Ecco cosa supporta ogni modello: OmniHuman (foto → parlato) — proporzioni 1:1, 9:16, 16:9, durate 5 s, 10 s.

Per cosa è più adatto OmniHuman?

I punti di forza di ogni modello: OmniHuman (foto → parlato) — 20 miliardi di parametri con doppia lettura dell'ingresso: da una parte capisce il senso, dall'altra conserva l'aspetto della foto, Testo nell'immagine di livello commerciale, anche su più righe e per interi paragrafi, In modifica MANTIENE il carattere, il corpo e l'inserimento del testo esistente mentre lo cambia.

OmniHuman contro gli altri modelli

Uno contro uno: prezzo in crediti, durata massima, risoluzioni – e dove perde ciascuno dei due.

OmniHuman contro Sync OmniHuman e Sync 2.0 Pro a confronto: foto parlante o lip sync in una clip già girata. Cosa richiede ciascuno…

Tutti i confronti tra modelli

Prova OmniHuman ora

Genera i tuoi video con OmniHuman direttamente nel browser — senza installare nulla, in italiano.

Apri l'AI Studio Vedi i prezzi