字節跳動 DreamActor AI 影片產生器

DreamActor 是字節跳動智慧創作的動作控制線。BytePlus 官方文件裡，DreamActor M2.0 吃一張靜幀和一段模板影片：主體複製那段片子的動作、表情和口型。驅動影片上限寫 30 秒。ImgToVid 不跑 DreamActor。本頁產生器打開 Talking Avatar——OmniHuman 1.5：一張靜幀加一條聲軌，最短 3 秒。

01 — 核心能力

圖加驅動影片，不是文本單鏡

公開的 DreamActor 頁面賣動作遷移。本站能用的按鈕是另一條字節跳動活：會說話的靜幀。

  1. 01

    BytePlus M2.0：靜幀 + 模板影片

    官方 API：JPEG/PNG 靜幀（480×480 到 1920×1080，最大 4.7 MB）和 MP4/MOV/WebM 驅動（200×200 到 2048×1440）。列出真人、動畫和寵物。過於抽象的主體可能失敗。

  2. 02

    驅動片段寫明 30 秒

    BytePlus 把模板影片上限寫成 30 秒。產品文案按 0.05 美元/秒計費。輸出可以裁掉開頭 1 秒過渡。那是驅動影片上限，不是 8 秒文生影片。

  3. 03

    論文，然後是託管 API

    DreamActor-M1（ICCV 2025）用混合人臉和骨架引導去動真人靜幀。DreamActor-M2（SIGGRAPH 2026）改成無姿態 RGB 驅動，並涵蓋非人類角色。落地的 BytePlus 名稱是 DreamActor M2.0。

  4. 04

    本頁跑 Talking Avatar

    OmniHuman 1.5 吃首幀照片和聲軌。時長跟音訊走，最短 3 秒。積分是音訊每秒 20。它不吃 DreamActor 的驅動影片。

02 — 提示詞與成片

與上方片段對應的提示詞

每條提示詞描述卡片上的畫面。「使用此提示詞」仍會進入 Create。Talking Avatar 需要靜幀和音訊；它不會把這條提示詞當 OmniHuman 輸入。

  • 01 · 人像

    提示詞捲髮年輕男子特寫，灰色針織衫，柔和窗光。他先看向一旁，再微笑。緩慢推進，淺景深。

  • 02 · 產品

    提示詞白色皮革運動鞋放在淺灰攝影棚背景上，柔和散射光。鏡頭緩慢環繞。縫線清晰，造型保持極簡。

  • 03 · 街道

    提示詞鏡頭沿歐洲老村莊的石板巷緩慢推進。石牆上攀著玫瑰，晨光下的咖啡座，遠處有幾個人走過。

  • 04 · 角色

    提示詞齊肩棕髮年輕女子，橄欖色 T 恤，傍晚金色光線。她轉頭看向畫外。髮絲被風吹起，手持攝影的感覺。

03 — 適用場景

動作控制模型在賣的活

公開的 DreamActor 文案指向一張要去複製表演的靜幀。本頁能跑的路徑是一張要開口說話的靜幀。

  • 一張要去複製表演的靜幀

    一張要去複製表演的靜幀

    那是 BytePlus 的活：圖加最長 30 秒驅動影片。ImgToVid 不跑那個 API。

  • 一張必須開口的肖像

    一張必須開口的肖像

    用本頁的 Talking Avatar。上傳照片和至少 3 秒的臺詞。嘴型跟聲軌走。

  • 寵物、卡通或多人物底板

    寵物、卡通或多人物底板

    M2.0 列出動畫、寵物和多人驅動。本站 OmniHuman 1.5 是會說話的靜幀，不是那種遷移。

  • 只有一句提示詞的鏡頭

    只有一句提示詞的鏡頭

    DreamActor 和 Talking Avatar 都需要素材。只有句子時去 Seedance 寫鏡頭。

04 — 評價

DreamActor 到底是什麼

優勢

  • BytePlus M2.0：一張靜幀 + 最長 30 秒驅動影片
  • 官方靜幀 480×480–1920×1080；驅動到 2048×1440
  • 本頁可以產生：Talking Avatar，OmniHuman 1.5
  • Talking Avatar：靜幀+音訊≥3 秒，每秒 20 積分

取捨

  • DreamActor 本身沒有接到 ImgToVid
  • M2.0 需要驅動影片；本頁需要聲軌
  • 兩條路徑都不能只靠文本提示詞
  • 現行路徑的積分隨音訊時長漲

05 — 橫向比較

DreamActor、Veo 3.1 和 Kling 4.0

DreamActor 是動作遷移。下面 Veo 3.1 和 Kling 4.0 的數字來自這兩家的公開文件——它們是單鏡產生器。

DreamActorVeo 3.1Kling 4.0
開發者字節跳動Google DeepMind快手
單條片段驅動影片最長 30 秒（BytePlus）4、6 或 8 秒3–30 秒
畫面靜幀到 1920×1080；驅動到 2K720p、1080p、4K，24 fps列出 720p、1080p 和 4K
聲音口型跟驅動走；本頁用你的音訊原生，跟畫面一起立體聲，帶對口型
從何開始靜幀 + 驅動影片（M2.0）提示詞、靜幀、首尾幀關鍵幀或 15 張參考
在 ImgToVid現在是 Talking Avatar即將推出即將推出

06 — 使用步驟

在 ImgToVid 上開始一張會說話的靜幀

  1. 步驟 1

    接受 Talking Avatar

    跑起來的不會是 DreamActor。產生器從 OmniHuman 1.5 起步。

  2. 步驟 2

    加上靜幀和聲軌

    先照片，音訊至少 3 秒。只寫提示詞帶不起這個系列。

  3. 步驟 3

    在 Create 裡產生

    會員和積分在那裡檢查。回到這裡不會把執行切成 DreamActor M2.0。

07 — 版本

本頁實際打開的系列

一個 Create 系列。目錄名是 DreamActor；跑起來的是 Talking Avatar。

08 — 常見問題

DreamActor，說清楚

字節跳動 DreamActor 是什麼？

DreamActor 是字節跳動的動作控制線。BytePlus DreamActor M2.0 吃一張圖和最長 30 秒的模板影片，讓主體複製那段表演。論文涵蓋 DreamActor-M1 和 DreamActor-M2。ImgToVid 不託管 DreamActor。

能在 ImgToVid 上產生 DreamActor 嗎？

不能。本頁產生器跑 Talking Avatar（OmniHuman 1.5），讓靜幀跟著音訊動。你需要照片和至少 3 秒聲軌。

和字節跳動 Imitator 有什麼不同？

Imitator 是另一個目錄名，本站沒有它的第一方規格表；那一頁用 Seedance 2.5 起草。DreamActor 的公開 API 是圖加驅動影片。本頁打開 Talking Avatar。

它會產生音訊嗎？

DreamActor M2.0 從驅動影片抄口型；BytePlus 沒有另賣一張配樂表。本頁 Talking Avatar 不會編音訊——你上傳聲軌。

DreamActor 片段有多長？

BytePlus 把驅動影片寫成最長 30 秒。本頁 Talking Avatar 的時長跟你的音訊走，從 3 秒起。

結果能商用嗎？

在 ImgToVid 上產生的內容能否商用取決於你的方案。發布前請查看 Pricing 和 Terms，並確保提示詞和上傳不侵犯他人權利。

09 — 更多模型

其他影片模型

查看全部

按鈕是 Talking Avatar

加上靜幀和聲軌，保持 Talking Avatar，在 Create 裡產生。本站沒有 DreamActor M2.0 可切換。

用 Talking Avatar 開始