Saltar al contenido
Clipia.
Inicio
¿Qué vamos a crear?

Elija un modo: el estudio se abre con el prompt adecuado ya preparado

Todas las tendencias
Texto
Agente de IAChat, ideas y guionesIngeniero de promptsElabore el prompt perfectoDiseñador de conceptosAmbiente, paleta, moodboard y referenciasTutorPaso a paso, explica el porqué
Imágenes
Texto a imagenDescriba qué quiere dibujarEditar fotoFondo, detalles y estilo con un promptCombinar fotosUna escena a partir de varias tomasMejorar la calidadMás nítida y más grande, sin perder detallesCarruselDiapositivas fieles a su marca y exportación
Vídeo
Texto a vídeoDescriba una escena y obtenga un clipImagen a vídeoSu foto define el protagonista, el estilo y el planoAnimar fotoDé vida a una imagen fija, sin promptEditar vídeoCambie el estilo de un clip terminadoControl de movimientoMovimientos de un vídeo aplicados a su personaje
Audio
LocuciónTexto con una voz naturalMúsicaUna canción a partir de una descripciónTranscripciónAudio y vídeo a textoTraducciónDoble un vídeo con la voz del hablanteSubtítulosArchivo de subtítulos con códigos de tiempoVocesSu propia voz a partir de una muestra de hablaLimpiezaElimine el ruido de una grabación
Precios
Acerca deEquipo, misión y contactosNovedadesÚltimas funciones y actualizacionesBlogGuías, casos y noticiasModelosCatálogo de modelos de IASoporteAyuda técnica y contactos
Para empresasAPI, MCP y facturación transparenteSoluciones por sectorIA para interiores, publicidad, restaurantes y más nichosPara sociosPrograma de referidos
MCP y CLINuevoGenere en Claude, Cursor y CLIAI GatewayAPI de LLM compatible con OpenAIDocumentaciónReferencia de la API y guíasAPI para desarrolladoresAPI REST y SDK
Iniciar sesión
  • Inicio

  • Agente

  • Crear vídeo

  • Crear imagen

  • Crear audio

  • Tendencias

  • Mis trabajos

  • Soporte

  1. Inicio/
  2. Modelos de vídeo/
  3. OmniHuman 2.0

Demo de OmniHuman 2.0

Vea el clip y explore su movimiento, sus detalles y el trabajo de cámara.

Ver la demo
Abrir OmniHuman 2.0 en el editor

Modelos similares

Kling 4.0Video
Seedance 1.5 ProVideo
Google Veo 3.1Video
MiniMax H3Video
OmniHuman 2.0 — English version

¿Listo para crear lo imposible?

Los créditos de bienvenida ya están en su cuenta: empiece a crear.

Clipia.

Piense distinto: cree lo imposible.

Todos los sistemas funcionan con normalidad

Creación

  • Crear imagen
  • Crear vídeo
  • Generador de vídeo con IA
  • Generador de imágenes con IA
  • De foto a vídeo con IA
  • Plantillas

Soluciones

  • Para interiores
  • Para publicidad
  • Para vídeos publicitarios
  • Para restaurantes
  • Para escuelas en línea
  • Para videojuegos
  • Para eventos
  • Para presentaciones
  • Todas las soluciones

Modelos y recursos

  • Modelos de IA
  • Claude Opus 5
  • Gemini 3.6 Flash
  • Modelos de vídeo
  • Modelos de imagen
  • Clasificación de modelos
  • NovedadesNUEVO

Ayuda

  • Guías
  • Documentación
  • Acerca de
  • Contáctenos
  • Soporte por correo

Información legal

  • Términos del servicio
  • Política de privacidad
  • Pagos y reembolsos
  • Política de reembolsos
  • Licencia de contenido
  • Transferencias internacionales
  • Consentimiento para el tratamiento de datos
  • Acuerdo de socios
© 2026 Clipia.ai. Todos los derechos reservados.
CookiesUso aceptable

Clipia es una plataforma independiente. Los nombres de modelos de IA de terceros se usan solo para identificar las integraciones disponibles en nuestra interfaz y no implican afiliación ni respaldo de sus respectivos titulares.

OmniHuman 2.0 · Clipia

OmniHuman 2.0 una foto que habla y gesticula

Sube una foto y una grabación de voz, y la persona de la imagen dice tus palabras, gesticula y se mueve al ritmo de la voz. Cobra vida toda la figura, no solo los labios.

Crear con OmniHuman 2.0Ver ejemplos
grabación de voz
4–60 s
con las proporciones de la foto
720p
cara, manos, cuerpo
toda la figura
En resumen

Qué es OmniHuman 2.0

OmniHuman 2.0 es un modelo de ByteDance para fotos que hablan. Sube una imagen y una grabación de voz de 4 a 60 segundos: el modelo genera un vídeo 720p con las proporciones de la foto, en el que los labios coinciden con las palabras y la cabeza, los hombros y las manos se mueven al ritmo de la voz. Una indicación opcional de hasta 300 caracteres afina la actitud.

foto + grabación
todo lo que necesita
4–60 s
duración de la grabación y del clip
hasta 300 caracteres
indicación de movimiento
sin marca de agua
en el clip final
Ejemplos

Tres clips creados con OmniHuman 2.0

Todos los clips son generaciones reales en 720p sin montaje. Cada uno parte de una foto y una grabación de voz en ruso, con la misma indicación: una persona que habla con naturalidad a la cámara. Los gestos, los giros de cabeza y las emociones los sacó el modelo de la grabación por su cuenta.

Foto + grabación · reseña de producto

Una creadora reseña un sérum

Diez segundos: una joven sostiene un frasco frente a la cámara y habla de él con calma. Los labios coinciden con las palabras, la mano libre gesticula, la cabeza se inclina en las pausas y el frasco sigue en su mano hasta el final.

Cómo repetirlo
Usa una foto en la que el producto ya esté en la mano y se vea bien: el modelo anima lo que hay en el encuadre y no añade objetos. Describe la actitud en la indicación: «habla con calma a la cámara, sonrisa ligera».
Probar con tu foto
Foto + grabación · gestos

Un narrador en la biblioteca

Un hombre mayor con chaqueta de punto habla delante de unas estanterías de libros. Las manos se levantan con las frases, los hombros y el cuerpo siguen el discurso y sus rasgos se mantienen iguales del primer al último fotograma.

Cómo repetirlo
Para que haya gestos necesitas una foto de plano medio con las manos visibles. Las pausas y los acentos de la grabación se convierten en el ritmo del movimiento, así que habla como quieres que se mueva el personaje.
Probar con tu foto
Personaje 3D · emociones

Un personaje animado celebra un logro

Una grabación emotiva de 13 segundos: el personaje se sorprende, se ríe y da las gracias. La expresión sigue la entonación, desde los ojos muy abiertos hasta una sonrisa tímida al final.

Cómo repetirlo
El modelo no solo anima fotos: también sirven una ilustración o un personaje 3D con la cara bien visible. La voz marca la emoción: cuanto más viva sea la grabación, más expresiva será la cara.
Probar con tu foto

Abre el modelo en el estudio de vídeo. El editor muestra los límites y el coste.

Crear con OmniHuman 2.0
Características

Características técnicas de OmniHuman 2.0

Características del modelo. El editor muestra los límites de la foto y de la grabación.

ParámetroValorNota
Duración4–60 segundosEl clip dura lo mismo que la grabación; no hay ajuste de duración aparte
Resolución720pSin opciones de calidad
ModoFoto que hablaUna foto y una grabación de voz por generación
SonidoTu grabaciónEl modelo no sintetiza la voz: en el clip suena la grabación subida
Formato del encuadreProporciones de la fotoUna foto vertical da un clip vertical; una horizontal, uno horizontal
Materiales de entradaFoto, grabación de voz, indicación de hasta 300 caracteresGrabación en WAV, MP3, M4A, AAC, WEBM u OGG; la indicación es opcional
Funciones

Qué puede hacer OmniHuman 2.0

Un modo, foto que habla, y todo lo que el modelo hace dentro de él.

De foto y grabación a vídeo

Sube una imagen y una grabación de voz de 4 a 60 segundos: la persona de la foto la dirá con labios y gestos sincronizados.

Probar con tu foto

Gestos y movimiento del cuerpo

Las manos, los hombros y el cuerpo se mueven con la voz, así que una foto de plano medio o de cuerpo entero cobra vida por completo.

Personas, dibujos y personajes 3D

Sirven una foto, una ilustración o un personaje 3D con la cara visible. En una misma foto puede haber varias personas.

Indicación de movimiento

Hasta 300 caracteres sobre la actitud: ánimo, gestos, mirada. Sin indicación, el modelo toma el ritmo y la emoción de la grabación.

Comparación

OmniHuman 2.0 frente a Kling Lip Sync

Los dos modelos animan una foto a partir de una grabación de voz. La diferencia está en qué parte del encuadre se mueve.

ParámetroOmniHuman 2.0Kling Lip Sync
Qué se mueveToda la figura: cara, cabeza, manos, cuerpoCara y cabeza
Qué foto sirvePrimer plano, plano medio o cuerpo entero; admite varias personasRetrato de frente con una sola cara
Duración de la grabación4–60 segundos3–60 segundos
Proceso

Cómo crear un vídeo que habla en OmniHuman 2.0

Una foto, una grabación de voz y, si quieres, una indicación. No hace falta nada más.

01

Elige una foto

Una cara nítida y sin obstáculos. Para los gestos, un plano medio con las manos visibles.

02

Añade una grabación de voz

De 4 a 60 segundos de voz limpia, sin música ni ruido: la duración de la grabación será la del clip.

03

Ajusta la actitud

Si quieres, describe el ánimo y los gestos en una indicación de hasta 300 caracteres.

Prepara una foto y una grabación de voz.

Crear con OmniHuman 2.0
Precio

Precio en Clipia

El precio en créditos crece con la duración de la grabación. El editor muestra el importe exacto antes de empezar.

Un clip con una grabación de 4 segundos cuesta 29 créditos; de 10 segundos, 72 créditos; de un minuto, 432 créditos.

El precio sigue la duración de la grabación subida: el modelo no tiene ajustes de calidad ni de duración.

Consejos

Cómo conseguir un clip vivo en OmniHuman 2.0

Lo que más pesa son la foto y la grabación; la indicación solo afina la actitud.

01

La grabación es lo que más decide

El ritmo, las pausas y la entonación se convierten en expresiones y gestos. Una voz limpia, sin música ni ruido de fondo, da los labios más precisos.

02

La indicación trata de la actitud, no de la trama

Describe cómo habla el personaje: «habla con calma a la cámara, sonrisa ligera, pequeños gestos con las manos». El inglés es la opción más segura para la indicación.

03

El encuadre define el clip

El vídeo muestra lo que hay en la foto, con sus proporciones. ¿Necesitas un clip vertical para Reels o Shorts? Usa una foto vertical.

Casos de uso

Para qué sirve OmniHuman 2.0

Tareas en las que la persona en pantalla tiene que hablar y parecer viva por completo.

Reseña de producto con presentador

Una foto con el producto en la mano y un guion breve se convierten en un clip para una ficha o redes sociales, sin rodaje.

Narrador para un curso o un canal

Un presentador explica el tema con gestos y expresiones; solo hacen falta una foto y una grabación de voz.

Mascota de marca

Un personaje dibujado o en 3D habla con la voz de la marca y cambia de emoción con la entonación.

API

Integración mediante Clipia API

Conecta el modelo a tus aplicaciones mediante Clipia API.

Antes de una solicitud, comprueba que el modelo está disponible en el catálogo y obtén un cálculo del coste para la duración de la grabación.

Documentación de Clipia
FAQ

Preguntas frecuentes sobre OmniHuman 2.0

Sobre las capacidades del modelo y su estado en Clipia.

Sí. El modelo está abierto en el estudio de vídeo, en el modo de foto que habla junto a Kling Lip Sync. Los botones de esta página llevan directamente a él.

Kling Lip Sync anima la cara y la cabeza de un retrato de frente, suficiente para un primer plano. OmniHuman 2.0 mueve toda la figura: las manos, los hombros y el cuerpo siguen la voz, así que sirve una foto de plano medio o de cuerpo entero, también con varias personas.

El clip dura lo mismo que la grabación: de 4 a 60 segundos. No hay un ajuste de duración aparte.

Un clip con una grabación de 4 segundos cuesta 29 créditos; de 10 segundos, 72 créditos; de un minuto, 432 créditos. El editor muestra el importe exacto de tu grabación antes de empezar.

Sí. Los tres clips se crearon con OmniHuman 2.0 en 720p sin montaje, cada uno a partir de una foto y una grabación. Los retratos y el personaje 3D los generó una IA y la voz es sintética: en los clips no aparecen personas reales.

Sí, cuando el modelo tiene el estado active en el catálogo de Clipia. Comprueba los parámetros y el coste antes de crear una tarea.

Crear un vídeo

Da vida a tu foto en OmniHuman 2.0

Sube una imagen y una grabación de voz. El coste se verá antes de empezar.

Crear con OmniHuman 2.0