参考素材 → 视频用哪个更便宜——OmniHuman 还是 Sync？
Sync。OmniHuman 从 321 积分/秒 起，Sync 从 167 积分/秒 起。OmniHuman 最便宜的版本是 OmniHuman（照片 → 说话），Sync 是 Sync 2.0 Pro Lip-sync。确切价格会在你开始生成前显示在按钮上。
找不到这个语言。
答案就在表格中“输入需要什么”这一行。OmniHuman 需要照片和音频——让静止的画面开口说话。Sync 需要视频和音频——拿一段已经拍好的片段，让口型对上新的录音。没有视频、只有一张人像——选 OmniHuman。已经拍好了人、又有新的音频——选 Sync。两者不能互相替代。
积分价格按每秒视频计算，每次生成前都会显示在“生成”按钮上。下面一行“五秒合计”就是同一价格乘以五。
| 项目 | OmniHuman | Sync |
|---|---|---|
| 本站提供的模型版本 | 1 | 1 |
| 需要的输入 | 照片, 音频文件 | 个视频, 音频文件 |
| 每秒积分价格 | 321 | 167 |
| 五秒合计 | 1605 积分 | 835 积分 |
| 单次最长片段 | 60 秒 | 60 秒 |
| 可选分辨率 | 720p, 1080p | — |
| 模型原生音频 | ✗ | ✗ |
| 反向描述（“不要……”） | ✗ | ✗ |
OmniHuman 是这里唯一从静态照片出发的模型。一张人像、一张老照片或一张生成的人脸，都能变成会说话的人，完全不需要摄像机。
它可以选择分辨率——这在让人物开口说话的模型中很少见——还可以提供遮罩，也就是指定画面中哪一部分需要动起来。
它接收的时长和 Sync 相同。也就是说，输入端没有视频，并不需要用更短的结果来换。
Sync 保留了原片段中的全部动作——手势、姿态、眼神——只改变口型。这比任何照片动画都更有说服力，因为其余部分都是真实的。
当音频和片段长度不一致时，Sync 提供几种处理模式：裁剪、循环、倒放、静音。
它接收的片段和 OmniHuman 一样长，上限相同。
OmniHuman 的短板。全部动作都由模型凭空生成。手势和姿态的可信度取决于模型的想象力，录制时间一长，重复感就会显现。OmniHuman 在按秒计价上也偏贵——价格见表格。
Sync 的短板。需要已经拍好的片段。没有视频，Sync 就完全用不上——它的哪个设置都帮不了你。而且它只改变口型：如果录音里有笑声或停顿，画面里的身体不会对此做出反应。
有照片——选 OmniHuman。有视频——选 Sync。选择就这么简单，和喜好无关。
如果两者都有，Sync 通常效果更可信，因为画面的大部分都是真实的。完整资料请见OmniHuman 页面和Sync 页面。
Sync。OmniHuman 从 321 积分/秒 起，Sync 从 167 积分/秒 起。OmniHuman 最便宜的版本是 OmniHuman（照片 → 说话），Sync 是 Sync 2.0 Pro Lip-sync。确切价格会在你开始生成前显示在按钮上。
不能。Sync 需要输入视频。想让照片开口说话，请使用 OmniHuman。
如果你有视频，那就是 Sync——因为身体、眼神和手势都是真实的，只有嘴型会改变。OmniHuman 则是全部凭空生成。
可以，输入是一张图片，不管它来自哪里。内容规则同样适用——未经本人同意，不能让真实、可辨认的人脸动起来。
本页把这两个品牌放在一起对比。每个品牌的完整技术档案——所有版本、优缺点、典型用途以及社区的真实作品——都在它单独的页面上。
最后更新：