omnihuman-video
使用 OmniHuman v1.5 生成音频驱动的口型同步视频。当用户想要让图片中的人物说话、配音、口型同步，或提到 omnihuman 时使用此 skill。
Install via CLI (Recommended)
clawhub install openclaw/skills/skills/hexiaochun/omnihuman-videoOmniHuman v1.5 音频驱动视频
字节跳动 OmniHuman v1.5 是一款音频驱动的视频生成模型。输入一张人物图片和一段音频，即可生成口型同步、表情生动的高质量视频。角色的情感和动作与音频高度关联。
可用模型
| 模型 ID | 功能 | 说明 |
|---|---|---|
fal-ai/bytedance/omnihuman/v1.5 | 图片+音频→视频 | 口型同步、表情驱动，$0.16/秒 |
工作流
1. 调用 submit_task
使用 MCP 工具 submit_task 提交任务：
{
"model_id": "fal-ai/bytedance/omnihuman/v1.5",
"parameters": {
"image_url": "人物图片URL",
"audio_url": "音频文件URL"
}
}
参数说明
| 参数 | 类型 | 必填 | 默认值 | 说明 |
|---|---|---|---|---|
| image_url | string | 是 | - | 人物图片 URL，需要清晰的人物形象 |
| audio_url | string | 是 | - | 音频文件 URL（mp3/wav/m4a/ogg/aac） |
| prompt | string | 否 | - | 文本提示词，引导视频生成风格 |
| resolution | string | 否 | "1080p" | 视频分辨率：720p 或 1080p |
| turbo_mode | boolean | 否 | false | 加速模式，更快但画质略降 |
分辨率限制
| 分辨率 | 最大音频时长 | 说明 |
|---|---|---|
| 1080p | 30 秒 | 高清画质，时长受限 |
| 720p | 60 秒 | 画质高且生成更快，支持更长音频 |
查询任务状态
提交任务后会返回 task_id，使用 get_task 查询结果：
{
"task_id": "返回的任务ID"
}
任务状态：
pending- 排队中processing- 处理中completed- 完成，结果在result中failed- 失败，查看error字段
完整示例
示例 1：基础用法（人物说话）
用户请求：让这张图片里的人说这段话
执行步骤：
- 先用 TTS 生成音频（可选，如果用户没有提供音频）
- 调用
submit_task：
{
"model_id": "fal-ai/bytedance/omnihuman/v1.5",
"parameters": {
"image_url": "https://storage.googleapis.com/falserverless/example_inputs/omnihuman_v15_input_image.png",
"audio_url": "https://storage.googleapis.com/falserverless/example_inputs/omnihuman_v15_input_audio.mp3",
"resolution": "1080p"
}
}
- 获取
task_id后调用get_task查询结果
示例 2：使用加速模式
{
"model_id": "fal-ai/bytedance/omnihuman/v1.5",
"parameters": {
"image_url": "https://example.com/portrait.jpg",
"audio_url": "https://example.com/speech.mp3",
"resolution": "720p",
"turbo_mode": true
}
}
计费说明
- 按秒计费：64 积分/秒（$0.16/秒）
- 视频时长由音频长度决定
- 最低计费 3 秒
| 音频时长 | 费用（积分） |
|---|---|
| 5 秒 | 320 |
| 10 秒 | 640 |
| 20 秒 | 1,280 |
| 30 秒 | 1,920 |
使用技巧
- 图片要求：使用清晰的人物正面或半侧面照片，人脸占比适中
- 音频质量：使用清晰的语音音频，背景噪音越少效果越好
- 分辨率选择：短音频（< 30s）推荐 1080p；长音频推荐 720p
- 加速模式：测试阶段可开启 turbo_mode 加快生成速度
- 配合 TTS：可先用海螺语音合成生成音频，再用 OmniHuman 生成视频
常见问题
| 问题 | 解决方案 |
|---|---|
| 口型不同步 | 确保音频清晰，避免过多背景音乐 |
| 生成失败 | 检查图片是否包含清晰人物，音频时长是否超限 |
| 画质不够好 | 使用 1080p 分辨率，关闭 turbo_mode |
Metadata
Not sure this is the right skill?
Describe what you want to build — we'll match you to the best skill from 16,000+ options.
Find the right skillPaste this into your clawhub.json to enable this plugin.
{
"plugins": {
"official-hexiaochun-omnihuman-video": {
"enabled": true,
"auto_update": true
}
}
}Tags
Related Skills
水浒传故事小人书
水浒传故事小人书创建。使用 Nano Banana Pro 模型生成手绘卡通风格的水浒传故事信息图。当用户想要创建水浒传故事插画、小人书、信息图时使用此 skill。
prop-extractor
从剧本中提取关键道具（武器、信物、法宝等），生成道具风格卡。当需要提取道具、建立道具库、生成道具描述时使用。
视频链接解析
解析视频分享链接，获取无水印视频下载地址。当用户想要下载视频、解析抖音/快手/小红书/B站链接、获取无水印视频时使用此 skill。
vidu-video
使用 Vidu Q3 Pro 模型生成视频。当用户想要文生视频、生成带音频的视频，或提到 vidu 时使用此 skill。
frontend-design
Create distinctive, production-grade frontend interfaces with high design quality. Use this skill when the user asks to build web components, pages, artifacts, posters, or applications (examples include websites, landing pages, dashboards, React components, HTML/CSS layouts, or when styling/beautifying any web UI). Generates creative, polished code and UI design that avoids generic AI aesthetics.