把剧本拆成分镜后批量生成，适合连续的 AI 短剧。
OmniHuman v2是什么
做对白戏最费事的是让角色开口说话还不出戏。OmniHuman 是字节跳动的人像动画模型，v2 在 fal 平台上以接口形式提供：上传一张人物图和一段音频，得到一段 MP4，人物的情绪和动作会跟着声音走。
输入很简单。图片支持常见的 jpg、png、webp 等格式，音频支持 mp3、wav、m4a 等，页面的试用表单还有一个必填的提示词栏，但没解释它具体起什么作用。输出时长和分辨率页面没写，示例是一段约 9 秒的视频，具体上限以官方说明为准。
它和只做嘴型对齐的工具不同，思路是让整个人的表情和动作配合声音，适合半身、全身的说话镜头。本页给出的价格是每秒生成视频 0.105 美元，按时长计费，而不是包月。
主要功能
- 图加音频出视频一张人物图配一段音频即可生成说话视频，不需要先拍参考视频
- 情绪随声音变化官方描述人物的情绪和动作与音频保持关联，不只是嘴在动
- 常见格式直接传图片支持 jpg、png、webp 等，音频支持 mp3、wav、m4a 等
- 队列式接口通过 fal 的队列 API 调用，便于批量跑多句台词
- 按秒计费页面标价每秒 0.105 美元，生成多长付多长
在 AI 短剧里怎么用
用在对白镜头：先用图片模型定好角色的正脸或半身定妆图，再用配音工具出每句台词，把图和音频逐句送进来生成说话片段，最后在剪辑软件里和动作镜头穿插。因为按秒收费，建议先拿一两句短音频试角色是否稳定，再批量跑整场戏。大幅度打斗或走位镜头要交给视频生成模型。
适合谁，不适合谁
适合：要做口播或对白特写、有现成角色定妆图并愿意按秒付费的短剧和短视频团队
要注意：按秒计费，长对白成本累积快；时长与分辨率上限页面未写明；平台需海外网络，本页也没有给出许可条款
常见问题
OmniHuman v2 怎么收费？
fal 页面标价是每秒生成视频 0.105 美元，按成片时长计费。是否有免费额度、不同分辨率是否差价，页面没写，以官网为准。
OmniHuman v2 能生成多长的视频？
页面没有写明最长时长和分辨率，示例是一段约 9 秒的片段。实际上限取决于输入音频和平台限制，接入前建议先用短音频试跑确认。
OmniHuman v2 能商用吗？
fal 页面把它标为可用于商用推理，但没有列出具体许可条款。正式商用前请查阅字节官方与 fal 的服务条款，并确认人物图的使用授权。
同类工具
做角色定妆图、海报和分镜参考图。
拍我AI 的海外版，文字或图片生成视频，自带特效模板，适合快速出奇观感镜头。
阿里通义万相开源的视频生成模型系列，可本地部署，也能在 ComfyUI 里跑。
Lightricks 开源的音画同出视频模型，可本地部署，ComfyUI 有官方工作流。
生数科技做的视频生成平台，主打用几张参考图锁住人物、道具和场景，再生成成片镜头。
用过 OmniHuman v2？
到 TVLab 社区说说你的用法、踩过的坑，或者问问别人怎么调参数。