Zum Inhalt springen

Longcat Single Avatar · Audio to Video

Integrieren

Modell-ID longcat-single-avatar/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/audio-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "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"

Dateien wie das Beispiel: 0,90 $ 900 API-Credits · ≈ 96,82 ₽ Deine Dateien werden vor der Ausführung gemessen Auf dieser Seite ausführen

API-Schlüssel abrufen
Meituan Lipsync & Avatare Lipsyncbis zu 720p #audio-to-video

Erstellt ein sprechendes Avatarvideo ausschließlich aus einer Audiodatei und einem Text-Prompt, ohne Quellbild

Meituan · Video

Dein erstes Ergebnis erscheint hier

Erstelle unten eine Anfrage und führe sie mit deinem API-Schlüssel aus. Ausgaben werden in unseren Speicher kopiert und dauerhaft oder 7 Tage kostenlos aufbewahrt.

Anfrage erstellen

Die Steuerelemente werden aus dem Modellschema generiert. Code und Preis werden aktualisiert, während du sie änderst.

Standard A person is talking n...

Prompt zur Steuerung der Videogenerierung.

•erforderlich audio_url
Datei ablegen oder

URL der Audiodatei zur Steuerung des Avatars.

resolution Standard 480p

Ausgabe-Videoauflösung, entweder 480p oder 720p.

Standard 1

Anzahl der Videosegmente: ungefähr 5.8s für das erste Segment und 5s für jedes weitere Segment – etwa 5 Sekunden Video pro Segment.

Erweitert negative_prompt · num_inference_steps · text_guidance_scale · audio_guidance_scale · seed · enable_safety_checker · enable_prompt_expansion
Standard Close-up, Bright tone...

Negativer Prompt, der angibt, was die Videogenerierung vermeiden soll.

Standard 50

Anzahl der ausgeführten Inferenzschritte.

Standard 4

Bei der Classifier-Free Guidance angewendete Text-Guidance-Skala.

Standard 4

Anpassung der Audio-Guidance, die bei Erhöhung die Mundbewegung verstärken kann.

Seed-Wert zur Initialisierung der Zufallszahlengenerierung.

POST /run/longcat-single-avatar/audio-to-video?wait=20 Preis → 0,90 $
# 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/audio-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "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"

Diese Anfrage ausführen

Dein Schlüssel bleibt in diesem Browser: Er wird nur an die Doitong API gesendet und nur gespeichert (localStorage), wenn du „Merken“ aktivierst. API-Schlüssel abrufen

Über Longcat Single Avatar · Audio to Video

Erzeugt aus `audio_url` und einem die Person beschreibenden `prompt` ein lippensynchronisiertes Avatarvideo. Die Ausgabe ist 480p oder 720p. `num_segments` (1 bis 10) legt die Länge fest: Das erste Segment dauert etwa 5.8 Sekunden, jedes weitere fügt 5 Sekunden hinzu. `audio_guidance_scale` (1 bis 10) steuert, wie stark die Sprache den Mund antreibt; höhere Werte können die Bewegung übertreiben.

Parameter

Sende entweder den kanonischen Namen oder den nativen Namen, nicht beide. Kanonische Namen

NameTyp StandardZulässig Beschreibung
audio_urlerforderlich audio
Typurl · audio
URL der Audiodatei zur Steuerung des Avatars.
promptoptional
Typstring
StandardA person is talking naturally with natural expressions and movements.
Prompt zur Steuerung der Videogenerierung.
negative_promptoptional
Typstring
StandardClose-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
Negativer Prompt, der angibt, was die Videogenerierung vermeiden soll.
num_inference_stepsoptional
Typinteger
Standard50
10 – 100
Anzahl der ausgeführten Inferenzschritte.
text_guidance_scaleoptional
Typnumber
Standard4
1 – 10
Bei der Classifier-Free Guidance angewendete Text-Guidance-Skala.
audio_guidance_scaleoptional
Typnumber
Standard4
1 – 10
Anpassung der Audio-Guidance, die bei Erhöhung die Mundbewegung verstärken kann.
resolutionoptional
Typenum
Standard480p
480p720p
Ausgabe-Videoauflösung, entweder 480p oder 720p.
num_segmentsoptional
Typinteger
Standard1
1 – 10
Anzahl der Videosegmente: ungefähr 5.8s für das erste Segment und 5s für jedes weitere Segment – etwa 5 Sekunden Video pro Segment.
seedoptional
Typinteger | null
Seed-Wert zur Initialisierung der Zufallszahlengenerierung.
enable_safety_checkeroptional
Typboolean
Standardtrue
Umschalter für die Sicherheitsprüfung vorbehaltlich der Kontoberechtigungen: Für nicht autorisierte Anfragen bleiben Prüfungen verpflichtend, und zum Deaktivieren ist eine Autorisierung erforderlich.
enable_prompt_expansionoptional
Typboolean
Standardfalse
Umschalter für die LLM-basierte Prompt-Erweiterung zur Verbesserung der Videoqualität durch einen erweiterten Prompt.
erforderlich Kanonischer Name, ebenfalls akzeptiert

Dateiparameter akzeptieren eine öffentliche https://-URL, eine data:-URI bis 10 MB oder die file_url eines Uploads. Dateien

Ausgabe

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "longcat-single-avatar/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": {
    "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"
  }
}
Deine Dateien, deine EntscheidungJede outputs[].url ist eine Kopie in unserem Speicher: dauerhaft aufbewahrt (Abrechnung pro GB-Monat) oder 7 Tage kostenlos – je nach Kontoeinstellung oder ?storage=.
Gleiche Struktur bei jedem Modelltype, url, content_type, width, height und duration – für Bilder, Video und Audio gleichermaßen. output ist das Ergebnisobjekt des Modells.
Ausgabefelder
video
object {url, content_type, file_name, file_size}Durch die Generierung erzeugte Videodatei.
seed
integerWährend der Generierung angewendeter Seed-Wert.

Weitere Modelle: Lipsync & Avatare

Für KI-Agenten: Diese Seite ist als Markdown verfügbar unter https://doitong.com/de/developers/models/longcat-single-avatar/audio-to-video.md. Alle Modelle und Anleitungen: https://doitong.com/developers/llms.txt