OmniHuman 1.5

POST Base URL: https://api.hiapi.ai /v1/tasks

图片、视频和音频模型通过统一异步接口 POST /v1/tasks 调用，区别只在 input 字段（见下方 input 参数）。

模型概览

模型	omnihuman-1.5
能力	音频驱动数字人视频
输入	人像图 + 音频
输出	MP4，720p / 1080p，时长等于音频

上传一张人像图和一段音频，生成口型同步、表情与肢体动作随语音变化的说话视频。

生产建议

调用建议

人像图和音频都需传公开可访问的 HTTPS 链接。
人像建议正脸清晰、嘴部无遮挡；半身或全身图能带出更多手势。
音频 15 秒以内效果最好，更长会降低画质；视频时长等于音频时长。
生产环境建议使用 callback.url 接收终态通知，并用 GET /v1/tasks/:id 做补偿查询。

适用场景

音频驱动口播

传入人像和录好的音频，直接生成说话视频。

image_urlaudio_url

控制表情与镜头

加一句提示词指定微笑、点头或推拉镜头。

prompt

多人画面指定说话者

用蒙版图让画面里指定的人对口型。

mask_urls

请求参数

POST https://api.hiapi.ai/v1/tasks

# 提交异步任务，成功立即返回 taskId（不等待生成完成）
# 把 YOUR_API_KEY 换成你的账号 API Key
curl -X POST "https://api.hiapi.ai/v1/tasks" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "omnihuman-1.5",
  "input": {
    "image_url": "https://example.com/portrait.jpg",
    "audio_url": "https://example.com/greeting.mp3",
    "resolution": "1080p"
  }
}'

import requests, json

# 业务参数对象，字段随模型而定（见对应模型页）
payload = json.loads(r'''
{
  "model": "omnihuman-1.5",
  "input": {
    "image_url": "https://example.com/portrait.jpg",
    "audio_url": "https://example.com/greeting.mp3",
    "resolution": "1080p"
  }
}
''')

# 提交异步任务，成功立即返回 taskId（不等待生成完成）
resp = requests.post(
    "https://api.hiapi.ai/v1/tasks",
    headers={"Authorization": "Bearer YOUR_API_KEY", "Content-Type": "application/json"},
    json=payload,
)
print(resp.json())  # 成功返回 { code, message, data: { taskId } }

// 提交异步任务，成功立即返回 taskId（不等待生成完成）
// 把 YOUR_API_KEY 换成你的账号 API Key
const resp = await fetch("https://api.hiapi.ai/v1/tasks", {
  method: "POST",
  headers: {
    "Authorization": "Bearer YOUR_API_KEY",
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
  "model": "omnihuman-1.5",
  "input": {
    "image_url": "https://example.com/portrait.jpg",
    "audio_url": "https://example.com/greeting.mp3",
    "resolution": "1080p"
  }
}),
});
console.log(await resp.json()); // 成功返回 { code, message, data: { taskId } }

model string 必填

模型 ID。

示例 omnihuman-1.5

input object 必填

OmniHuman 1.5 参数。

image_url string 必填

要开口说话的人物图片，真人、宠物或动漫角色均可；视频画幅跟随这张图。jpeg、png 或 webp，最大 10MB。

示例 https://example.com/portrait.jpg

audio_url string 必填

驱动口型的说话或唱歌音频，视频时长等于音频时长；须短于 60 秒，15 秒以内效果最好。mp3、wav、aac、ogg 或 m4a，最大 10MB。

示例 https://example.com/greeting.mp3

prompt string 可选

描述表情、手势或镜头，例如“微笑点头，镜头缓慢推近”；支持中、英、日、韩、西班牙语和印尼语，最多 300 个字符。

mask_urls string[] 可选

画面里有多个人物时，用与人像图同尺寸的蒙版图指定由谁开口（说话者区域为白、其余为黑），最多 5 张。

示例 ["https://example.com/speaker-mask.png"]

resolution enum 可选

输出清晰度档位；画幅始终跟随人像图。

默认 1080p 可选值: 720p1080p

fast_mode boolean 可选

开启后生成更快，画质略有下降。

默认 false 示例 true

seed integer 可选

0 到 2147483647 的整数；相同种子和相同输入可得到高度一致的结果，不传则随机。

callback object 可选

任务进入终态时发送任务对象。

url string 必填

接收终态通知的 HTTPS 地址。

示例 https://your-domain.com/hiapi/callback

when enum 可选

任务终态时触发。

默认 final 可选值: final

用例示例

人像加音频，1080p

一张方形人像配一段 4 秒问候音频，不写提示词，输出保持 1:1。

请求体

{
  "model": "omnihuman-1.5",
  "input": {
    "image_url": "https://example.com/portrait.jpg",
    "audio_url": "https://example.com/greeting.mp3",
    "resolution": "1080p"
  }
}

带提示词，720p 快速模式

用提示词控制表情和镜头，开启快速模式做预览。

请求体

{
  "model": "omnihuman-1.5",
  "input": {
    "image_url": "https://example.com/portrait.jpg",
    "audio_url": "https://example.com/greeting.mp3",
    "prompt": "微笑点头，镜头缓慢推近",
    "resolution": "720p",
    "fast_mode": true
  }
}

全部可选参数：多人画面指定说话者

双人合照配一张同尺寸蒙版（说话者为白、其余为黑），只让左侧人物开口；固定 seed 便于复现。请把示例 URL 替换为可公开访问的图片和音频。

请求体

{
  "model": "omnihuman-1.5",
  "input": {
    "image_url": "https://example.com/two-people.jpg",
    "audio_url": "https://example.com/greeting.mp3",
    "prompt": "左侧的人微笑着说话，右侧的人安静倾听，镜头固定",
    "mask_urls": [
      "https://example.com/speaker-mask.png"
    ],
    "resolution": "1080p",
    "fast_mode": false,
    "seed": 42
  }
}

获取结果

创建任务后从 data.taskId 读取任务 ID。
等待 callback，或调用 GET /v1/tasks/:id 查询状态。
status=success 时，从 output 中读取 type=video 的视频 URL。