OmniHuman 1.5(으)로 AI로 립싱크하는 방법

다음 세 가지 특정한 경우에는 Kling AI Avatar 대신 OmniHuman을 선택하세요. (1) 프레이밍이 상체이며 시청자가 어깨, 팔, 손짓을 볼 수 있어야 하는 경우. (2) 콘텐츠 유형이 발표자 중심인 경우 — 경영진 업데이트, 기조연설, 강의, 자연스러운 몸짓 언어가 진정성을 전달하는 UGC 설명 영상 등입니다. (3) 대표 마케팅 결과물에 최대한의 사실감이 필요한 경우입니다. 밀착된 클로즈업(강의 인트로, 얼굴이 화면 전체를 차지하는 다국어 립싱크)이라면 Kling AI Avatar가 올바른 선택입니다. 준비 과정이 다르므로 미리 결정해두세요 — OmniHuman은 머리부터 상체 중간까지 보이는 초상을 원하는 반면, Kling AI Avatar는 얼굴만 자른 이미지로도 작동합니다.

OmniHuman은 피사체가 카메라를 정면으로(또는 4분의 3 각도로) 바라보고, 입을 다문 중립적인 표정이며, 손이 보이되 얼굴을 가리지 않고, 조명이 고른 머리부터 상체 중간까지의 초상을 원합니다. 모델은 보이는 상체 — 어깨, (프레임 안에 있다면) 팔, 손 — 을 움직이므로, 소스에 더 많은 몸이 보일수록 애니메이션이 더 자연스러워집니다. 피할 것: 얼굴 바로 앞의 손, 측면 사진, 짙은 그림자, 선글라스, 움직임으로 인한 흐림입니다. AI로 생성한 초상이라면 Nano Banana 2나 Flux에서 최소 2K로 생성하세요. 해상도 요구 사항은 얼굴 영역 기준 최소 512×512이지만, 깨끗한 상체 애니메이션을 위해서는 전체 몸 크롭이 1024×1024 이상이어야 합니다.

OmniHuman 1.5는 오디오에 담긴 감정적 억양을 읽어 몸짓 언어로 옮깁니다 — 신난 대사에는 그에 맞는 손짓이, 사색적인 정지에는 고개를 기울이는 동작이, 강조하는 단어에는 손동작이 나타납니다. 이 점이 얼굴만 다루는 립싱크 모델 대비 OmniHuman의 가장 큰 차별점입니다. ElevenLabs Eleven v3의 인라인 태그([excited], [pause], [confidently])로 감정 표현을 지시하면 OmniHuman이 그에 맞춰 몸을 움직여줍니다. 분당 130~160단어의 말하는 속도가 립싱크와 함께 가장 자연스러운 몸의 움직임을 만들어 냅니다. 말이 너무 빠르면 몸이 지나치게 빠른 미세 동작으로 "떨리는" 것처럼 보일 수 있습니다.

툴 노드를 추가하고 OmniHuman 1.5를 선택한 다음, 이미지(상체 초상)와 오디오(음성) 노드를 둘 다 입력으로 연결하세요. 출력 비율을 선택하세요 — 세로형 소셜(TikTok, Reels, Shorts)은 9:16, 가로형 프레젠테이션과 유튜브는 16:9, LinkedIn과 피드 게시물은 1:1입니다. 출력은 720p로 렌더링됩니다 — 더 높은 해상도로 납품해야 한다면 이후 비디오 업스케일 툴 노드를 거치세요(upscale-video-to-4k 가이드 참고). 한 번 호출당 상한은 보통 30~60초이며, 더 긴 스크립트는 같은 초상과 서로 다른 오디오 구간을 가진 여러 개의 OmniHuman 노드를 캔버스에 순서대로 배치해 나눠 처리합니다.