Panduan API Omnihuman 1.5: Cara Menggunakan Model Video AI Human dari ByteDance
Omnihuman 1.5 Omnihuman 1.5 API Omnihuman API
Apa itu Omnihuman 1.5
Omnihuman 1.5 adalah model AI yang dikembangkan oleh ByteDance yang berfokus pada pembuatan video manusia realistis dari input seperti teks, gambar, atau audio.
Model ini dibangun untuk mensimulasikan ekspresi wajah alami, gerakan tubuh, dan ucapan, menjadikannya cocok untuk membuat avatar berbicara, presenter, dan konten video berpusat pada manusia. Dibandingkan dengan model video yang lebih umum, Omnihuman 1.5 memberikan penekanan lebih kuat pada realisme manusia, terutama dalam akurasi lip-sync dan konsistensi ekspresi.
Panduan API Omnihuman 1.5
Omnihuman 1.5 API
Menggunakan API Omnihuman 1.5 mengikuti alur terstruktur yang sederhana:
1. Berikan gambar referensi untuk karakter
2. Unggah file audio untuk ucapan atau nyanyian
3. Tentukan prompt yang mendeskripsikan adegan dan perilaku
4. Kirim permintaan ke API
5. Ambil output video yang dihasilkan
Karena ketiga input diperlukan, kualitas hasil bergantung pada seberapa baik keselarasannya. Prompt yang jelas, audio yang sesuai, dan gambar referensi yang konsisten akan menghasilkan output yang lebih realistis.
Fitur Utama Omnihuman 1.5
Omnihuman 1.5 berfokus pada pembuatan video manusia realistis dengan menggabungkan input gambar, audio, dan prompt. Model ini dirancang untuk menghasilkan gerakan yang terlihat alami dan perilaku manusia yang konsisten di seluruh video yang dihasilkan.
Pembuatan Multi-Input (Gambar + Audio + Prompt)
Model memerlukan gambar referensi, audio, dan prompt, memungkinkan kontrol yang lebih baik atas identitas karakter, suara, dan perilaku adegan. Pendekatan terstruktur ini meningkatkan konsistensi dibandingkan dengan pembuatan hanya-prompt.
Ekspresi Wajah Realistis
Omnihuman 1.5 menghasilkan gerakan wajah detail yang selaras dengan ucapan dan emosi, membuat output terasa lebih hidup.
Penyelarasan Lip-Sync yang Akurat
Dengan menggunakan audio sebagai input inti, model mampu menyinkronkan gerakan mulut dengan ucapan atau nyanyian secara dekat.
Gerakan Tubuh Alami
Model menghasilkan gestur halus dan gerakan tubuh yang sesuai dengan nada dan tempo input audio.
Identitas Karakter yang Konsisten
Menggunakan gambar referensi memastikan bahwa manusia yang dihasilkan tetap konsisten secara visual di seluruh video.
Harga Omnihuman 1.5
Omnihuman 1.5 API
$0.13 per second (based on input audio length)
Ini berarti total biaya berskala langsung dengan panjang video yang dihasilkan. Misalnya, input ucapan atau musik yang lebih panjang akan menghasilkan biaya pembuatan yang lebih tinggi, sementara klip yang lebih pendek tetap relatif terjangkau.
PiAPI Omnihuman API documentation.
Contoh 1: Penampilan DJ (Musik + Ritme)
A male DJ performing live on stage, wearing headphones and mixing music on a DJ controller, focused expression, subtle head movement following the beat, natural hand interaction with the turntables, soft club lighting with slight shadows, realistic facial expressions, cinematic style, smooth and rhythmic body motion, accurate lip-sync aligned with the music
Evaluation:
Menggunakan trek "Lose My Mind" oleh Don Toliver, output menunjukkan keselarasan yang kuat antara gerakan dan ritme, dengan gerakan tubuh alami yang mengikuti musik dengan baik. Akurasi lip-sync umumnya solid sekitar 85%, dengan sebagian besar gerakan wajah cocok dengan audio secara meyakinkan. Interaksi tangan tampak stabil dan realistis sepanjang penampilan. Artefak visual minor masih dapat terjadi, seperti elemen dari gambar sumber muncul secara tidak benar dalam bingkai, tetapi secara keseluruhan hasilnya tetap bersih dan menarik untuk konten berbasis musik.
Contoh 2: Gaya Podcast (Pidato Motivasi)
Prompt:
A young man speaking in a podcast setup, sitting in front of a microphone, calm and confident tone, delivering a motivational message, natural facial expressions, slight head nods and subtle hand gestures, warm indoor lighting, relaxed studio environment, realistic and conversational style
Evaluation:
Menggunakan audio gaya podcast motivasi, output menunjukkan konsistensi karakter yang kuat dan animasi wajah yang stabil di seluruh urutan. Gerakan rahang halus dan ekspresi mata selaras dengan baik dengan nada pidato, membuat penyampaian terasa alami dan menarik. Gestur disinkronkan dengan audio dan tetap terkontrol, menambah realisme keseluruhan. Masalah minor seperti sedikit kabur selama gerakan tangan di dekat objek dapat terjadi, tetapi secara keseluruhan output tetap stabil secara visual dan cocok untuk konten berbasis percakapan dan narasi.
Kesimpulan
Omnihuman 1.5 menunjukkan kemampuan yang kuat dalam menghasilkan video AI manusia realistis, terutama melalui penggunaan terstruktur input gambar, audio, dan prompt. Contoh-contoh menunjukkan bahwa model berkinerja baik di berbagai skenario dinamis, seperti konten berbasis musik, dan kasus penggunaan yang lebih terkontrol seperti video percakapan atau gaya podcast.
Persyaratan untuk input gabungan memungkinkan kontrol yang lebih baik atas konsistensi karakter, penyelarasan ucapan, dan realisme keseluruhan. Namun, kualitas output masih bergantung pada seberapa baik input ini disiapkan, dengan artefak minor atau ketidakkonsistenan muncul dalam situasi yang lebih kompleks.
Secara keseluruhan, API Omnihuman 1.5 sangat cocok untuk alur kerja pembuatan video yang dapat diskalakan, terutama untuk aplikasi seperti pembuatan konten, pemasaran, dan media digital. Tim yang fokus pada struktur input yang jelas dan penyelarasan kasus penggunaan akan dapat mencapai hasil yang lebih andal dan siap produksi.
Omnihuman 1.5 PiAPI today!
