কনটেন্টে যান

Longcat Single Avatar · Image Audio to Video

ইন্টিগ্রেট করুন

মডেল id longcat-single-avatar/image-audio-to-video
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/longcat-single-avatar/image-audio-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

উদাহরণের মতো ফাইল: ০.৯০$ ৯০০ API ক্রেডিট · ≈ ৯৬.৫৮₽ চালানোর আগে আপনার ফাইল মাপা হয় এই পেজে চালান

API কী পান
Meituan লিপসিঙ্ক ও অ্যাভাটার লিপসিঙ্ক720p পর্যন্ত #audio-to-video#image-to-video

প্রদত্ত পোর্ট্রেট ছবিকে অডিও ট্র্যাক অনুসরণকারী লিপ-সিঙ্ক করা কথা বলা ভিডিওতে অ্যানিমেট করে

Meituan · ভিডিও

আপনার প্রথম ফলাফল এখানে আসবে

নিচে একটি রিকোয়েস্ট তৈরি করে আপনার API কী দিয়ে চালান। আউটপুট আমাদের স্টোরেজে কপি করা হয়, চিরকাল বা বিনামূল্যে ৭ দিন পর্যন্ত রাখা হয়।

একটি অনুরোধ তৈরি করুন

মডেল স্কিমা থেকে কন্ট্রোল তৈরি করা হয়। এগুলো পরিবর্তন করলে কোড ও মূল্য আপডেট হয়।

ডিফল্ট A person is talking n...

ভিডিও জেনারেশন পরিচালনাকারী প্রম্পট।

•আবশ্যক image_url
একটি ফাইল ড্রপ করুন, অথবা

অ্যানিমেট করা ছবির URL।

•আবশ্যক audio_url
একটি ফাইল ড্রপ করুন, অথবা

অ্যাভাটার পরিচালনায় ব্যবহৃত অডিও ফাইলের URL।

resolution ডিফল্ট 480p

আউটপুট ভিডিওর রেজোলিউশন, 480p বা 720p।

ডিফল্ট 1

ভিডিও সেগমেন্টের সংখ্যা; প্রাথমিক সেগমেন্ট প্রায় 5.8s এবং পরবর্তী প্রতিটি সেগমেন্ট 5s—অর্থাৎ প্রতি সেগমেন্টে প্রায় 5 সেকেন্ডের ভিডিও।

অ্যাডভান্সড negative_prompt · num_inference_steps · text_guidance_scale · audio_guidance_scale · seed · enable_safety_checker · enable_prompt_expansion
ডিফল্ট Close-up, Bright tone...

ভিডিও জেনারেশনে কী এড়াতে হবে তা নির্দিষ্ট করা নেগেটিভ প্রম্পট।

ডিফল্ট 50

সম্পাদিত ইনফারেন্স ধাপের সংখ্যা।

ডিফল্ট 4

classifier-free guidance-এ প্রয়োগ করা টেক্সট guidance scale।

ডিফল্ট 4

অডিও guidance সমন্বয়; মান বাড়ালে মুখের নড়াচড়া অতিরঞ্জিত হতে পারে।

এলোমেলো সংখ্যা জেনারেশন শুরু করা সিড মান।

POST /run/longcat-single-avatar/image-audio-to-video?wait=20 মূল্য → ০.৯০$
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/longcat-single-avatar/image-audio-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

এই অনুরোধ চালান

আপনার key এই ব্রাউজারেই থাকে: এটি শুধু Doitong API-তে পাঠানো হয় এবং Remember টিক দিলে কেবল localStorage-এ সংরক্ষিত হয়। একটি API কী পান

Longcat Single Avatar · Image Audio to Video সম্পর্কে

অ্যানিমেট করার জন্য একটি `image_url`-এর সঙ্গে বক্তৃতা নিয়ন্ত্রণকারী `audio_url` একত্র করে, ফলে অবতারটি আপনার ছবির চেহারা বজায় রাখে। রেজোলিউশন 480p বা 720p এবং 1 থেকে 10-এর `num_segments` ক্লিপটি বাড়ায়: প্রথম সেগমেন্টে প্রায় 5.8 সেকেন্ড, প্রতিটি অতিরিক্ত সেগমেন্টে 5 সেকেন্ড। `text_guidance_scale` এবং `audio_guidance_scale` (উভয়ই 1 থেকে 10) এবং `num_inference_steps` (10 থেকে 100) সামঞ্জস্য করুন।

প্যারামিটার

ক্যানোনিকাল নাম অথবা নেটিভ নাম—দুটো একসঙ্গে নয়—পাঠান। ক্যানোনিকাল নামগুলো

নামধরন ডিফল্টঅনুমোদিত বিবরণ
image_urlআবশ্যক image
ধরনurl · image
অ্যানিমেট করা ছবির URL।
audio_urlআবশ্যক audio
ধরনurl · audio
অ্যাভাটার পরিচালনায় ব্যবহৃত অডিও ফাইলের URL।
promptঐচ্ছিক
ধরনstring
ডিফল্টA person is talking naturally with natural expressions and movements.
ভিডিও জেনারেশন পরিচালনাকারী প্রম্পট।
negative_promptঐচ্ছিক
ধরনstring
ডিফল্টClose-up, Bright tones, overexposed, static, blurred details, subtitles, style, works, paintings, images, static, overall gray, worst quality, low quality, JPEG compression residue, ugly, incomplete, extra fingers, poorly drawn hands, poorly drawn faces, deformed, disfigured, misshapen limbs, fused fingers, still picture, messy background, three legs, many people in the background, walking backwards
ভিডিও জেনারেশনে কী এড়াতে হবে তা নির্দিষ্ট করা নেগেটিভ প্রম্পট।
num_inference_stepsঐচ্ছিক
ধরনinteger
ডিফল্ট50
১০ – ১০০
সম্পাদিত ইনফারেন্স ধাপের সংখ্যা।
text_guidance_scaleঐচ্ছিক
ধরনnumber
ডিফল্ট4
১ – ১০
classifier-free guidance-এ প্রয়োগ করা টেক্সট guidance scale।
audio_guidance_scaleঐচ্ছিক
ধরনnumber
ডিফল্ট4
১ – ১০
অডিও guidance সমন্বয়; মান বাড়ালে মুখের নড়াচড়া অতিরঞ্জিত হতে পারে।
resolutionঐচ্ছিক
ধরনenum
ডিফল্ট480p
480p720p
আউটপুট ভিডিওর রেজোলিউশন, 480p বা 720p।
num_segmentsঐচ্ছিক
ধরনinteger
ডিফল্ট1
১ – ১০
ভিডিও সেগমেন্টের সংখ্যা; প্রাথমিক সেগমেন্ট প্রায় 5.8s এবং পরবর্তী প্রতিটি সেগমেন্ট 5s—অর্থাৎ প্রতি সেগমেন্টে প্রায় 5 সেকেন্ডের ভিডিও।
seedঐচ্ছিক
ধরনinteger | null
এলোমেলো সংখ্যা জেনারেশন শুরু করা সিড মান।
enable_safety_checkerঐচ্ছিক
ধরনboolean
ডিফল্টtrue
অ্যাকাউন্টের অনুমতির অধীন সেফটি-চেকিং টগল: অননুমোদিত রিকোয়েস্টে চেক বাধ্যতামূলক থাকে, এবং এটি নিষ্ক্রিয় করতে অনুমোদন প্রয়োজন।
enable_prompt_expansionঐচ্ছিক
ধরনboolean
ডিফল্টfalse
উন্নত প্রম্পটের মাধ্যমে ভিডিওর গুণমান বাড়াতে LLM-ভিত্তিক প্রম্পট সম্প্রসারণ টগল।
আবশ্যক ক্যানোনিকাল নাম, এটিও গ্রহণযোগ্য

ফাইল প্যারামিটার হিসেবে একটি পাবলিক https:// URL, 10 MB পর্যন্ত একটি data: URI, অথবা আপলোডের file_url গ্রহণ করা হয়। ফাইল

আউটপুট

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "longcat-single-avatar/image-audio-to-video",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 900,
    "usd": "0.90",
    "charged": 900,
    "refunded": 0
  },
  "input": {
    "image_url": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_name": "0-output.mp4",
      "file_size": 1843200
    },
    "seed": 42
  },
  "outputs": [
    {
      "type": "video",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_size": 1843200,
      "width": 1280,
      "height": 720,
      "duration": 5,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
আপনার ফাইল, আপনার পছন্দপ্রতিটি outputs[].url আমাদের স্টোরেজে একটি কপি: চিরকাল রাখা হয় (প্রতি GB-মাস অনুযায়ী অর্থপ্রদত্ত) অথবা অ্যাকাউন্ট সেটিংস বা ?storage= অনুযায়ী বিনামূল্যে ৭ দিন পর্যন্ত।
প্রতিটি মডেলে একই গঠনছবি, ভিডিও এবং অডিও—সব ক্ষেত্রেই type, url, content_type, width, height এবং duration। output হলো মডেলের নিজস্ব ফলাফল অবজেক্ট।
আউটপুটের ফিল্ড
video
object {url, content_type, file_name, file_size}জেনারেশনের মাধ্যমে তৈরি ভিডিও ফাইল।
seed
integerজেনারেশনের সময় প্রয়োগ করা সিডের মান।

আরও মডেল: লিপসিঙ্ক ও অ্যাভাটার

AI এজেন্টদের জন্য: এই পৃষ্ঠাটি Markdown হিসেবে এখানে আছে https://doitong.com/bn/developers/models/longcat-single-avatar/image-audio-to-video.md. সব মডেল ও গাইড: https://doitong.com/developers/llms.txt