Μετάβαση στο περιεχόμενο

Longcat Single Avatar · Audio to Video

Ενσωμάτωση

id μοντέλου 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"

Αρχεία όπως το παράδειγμα: 0,90 $ 900 πιστώσεις API · ≈ 96,82 ₽ τα αρχεία σας μετρώνται πριν από την εκτέλεση Εκτέλεση σε αυτήν τη σελίδα

Λήψη κλειδιού API
Meituan Συγχρονισμός χειλιών και άβαταρ Συγχρονισμός χειλιώνέως 720p #audio-to-video

Δημιουργεί βίντεο ομιλούντος άβαταρ που καθοδηγείται μόνο από αρχείο ήχου και prompt κειμένου, χωρίς εικόνα πηγής

Meituan · Βίντεο

Το πρώτο σας αποτέλεσμα θα εμφανιστεί εδώ

Δημιουργήστε ένα αίτημα παρακάτω και εκτελέστε το με το κλειδί API σας. Οι έξοδοι αντιγράφονται στην αποθήκευσή μας και διατηρούνται για πάντα ή 7 ημέρες δωρεάν.

Δημιουργία αιτήματος

Τα στοιχεία ελέγχου δημιουργούνται από το σχήμα του μοντέλου. Ο κώδικας και η τιμή ενημερώνονται καθώς τα αλλάζετε.

προεπιλογή A person is talking n...

Prompt που καθοδηγεί την παραγωγή βίντεο.

•απαιτείται audio_url
Αποθέστε ένα αρχείο ή

URL αρχείου ήχου που χρησιμοποιείται για την καθοδήγηση του avatar.

resolution προεπιλογή 480p

Ανάλυση βίντεο εξόδου, είτε 480p είτε 720p.

προεπιλογή 1

Πλήθος τμημάτων βίντεο, με περίπου 5.8s για το αρχικό τμήμα και 5s για κάθε επόμενο—περίπου 5 δευτερόλεπτα βίντεο ανά τμήμα.

Για προχωρημένους negative_prompt · num_inference_steps · text_guidance_scale · audio_guidance_scale · seed · enable_safety_checker · enable_prompt_expansion
προεπιλογή Close-up, Bright tone...

Negative prompt που καθορίζει τι πρέπει να αποφεύγει η παραγωγή βίντεο.

προεπιλογή 50

Πλήθος βημάτων inference που εκτελέστηκαν.

προεπιλογή 4

Κλίμακα καθοδήγησης κειμένου που εφαρμόζεται στο classifier-free guidance.

προεπιλογή 4

Ρύθμιση καθοδήγησης ήχου που μπορεί να υπερτονίσει την κίνηση του στόματος όταν αυξάνεται.

Τιμή seed που αρχικοποιεί την παραγωγή τυχαίων αριθμών.

POST /run/longcat-single-avatar/audio-to-video?wait=20 προσφορά → 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"

Εκτέλεση αυτού του αιτήματος

Το κλειδί σας παραμένει σε αυτό το πρόγραμμα περιήγησης: αποστέλλεται μόνο στο Doitong API και αποθηκεύεται (localStorage) μόνο αν ενεργοποιήσετε την επιλογή «Να απομνημονεύεται». Λήψη κλειδιού API

Σχετικά με το Longcat Single Avatar · Audio to Video

Παράγει βίντεο άβαταρ με συγχρονισμό χειλιών από τα `audio_url` και `prompt` που περιγράφει το άτομο. Η έξοδος είναι 480p ή 720p. Το `num_segments` (1 έως 10) ορίζει τη διάρκεια: το πρώτο τμήμα είναι περίπου 5.8 δευτερόλεπτα και κάθε επόμενο προσθέτει 5 δευτερόλεπτα. Το `audio_guidance_scale` (1 έως 10) ελέγχει πόσο έντονα η ομιλία κινεί το στόμα, ενώ οι υψηλότερες τιμές μπορεί να υπερβάλλουν την κίνηση.

Παράμετροι

Στείλτε είτε το κανονικό όνομα είτε το εγγενές όνομα, όχι και τα δύο. Κανονικά ονόματα

ΌνομαΤύπος ΠροεπιλογήΕπιτρεπόμενο Περιγραφή
audio_urlαπαιτείται audio
Τύποςurl · audio
URL αρχείου ήχου που χρησιμοποιείται για την καθοδήγηση του avatar.
promptπροαιρετικό
Τύποςstring
ΠροεπιλογήA person is talking naturally with natural expressions and movements.
Prompt που καθοδηγεί την παραγωγή βίντεο.
negative_promptπροαιρετικό
Τύποςstring
ΠροεπιλογήClose-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
Negative prompt που καθορίζει τι πρέπει να αποφεύγει η παραγωγή βίντεο.
num_inference_stepsπροαιρετικό
Τύποςinteger
Προεπιλογή50
10 – 100
Πλήθος βημάτων inference που εκτελέστηκαν.
text_guidance_scaleπροαιρετικό
Τύποςnumber
Προεπιλογή4
1 – 10
Κλίμακα καθοδήγησης κειμένου που εφαρμόζεται στο classifier-free guidance.
audio_guidance_scaleπροαιρετικό
Τύποςnumber
Προεπιλογή4
1 – 10
Ρύθμιση καθοδήγησης ήχου που μπορεί να υπερτονίσει την κίνηση του στόματος όταν αυξάνεται.
resolutionπροαιρετικό
Τύποςenum
Προεπιλογή480p
480p720p
Ανάλυση βίντεο εξόδου, είτε 480p είτε 720p.
num_segmentsπροαιρετικό
Τύποςinteger
Προεπιλογή1
1 – 10
Πλήθος τμημάτων βίντεο, με περίπου 5.8s για το αρχικό τμήμα και 5s για κάθε επόμενο—περίπου 5 δευτερόλεπτα βίντεο ανά τμήμα.
seedπροαιρετικό
Τύποςinteger | null
Τιμή seed που αρχικοποιεί την παραγωγή τυχαίων αριθμών.
enable_safety_checkerπροαιρετικό
Τύποςboolean
Προεπιλογήtrue
Εναλλαγή ελέγχου ασφάλειας που υπόκειται σε δικαιώματα λογαριασμού: οι έλεγχοι παραμένουν υποχρεωτικοί για μη εξουσιοδοτημένα αιτήματα και η απενεργοποίησή τους απαιτεί εξουσιοδότηση.
enable_prompt_expansionπροαιρετικό
Τύποςboolean
Προεπιλογήfalse
Εναλλαγή επέκτασης prompt με βάση LLM για βελτίωση της ποιότητας βίντεο μέσω ενισχυμένου prompt.
απαιτείται Κανονικό όνομα, επίσης αποδεκτό

Οι παράμετροι αρχείων δέχονται ένα δημόσιο URL https://, ένα URI data: έως 10 MB ή το file_url μιας μεταφόρτωσης. Αρχεία

Έξοδος

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"
  }
}
Τα αρχεία σας, η επιλογή σαςΚάθε outputs[].url είναι ένα αντίγραφο στην αποθήκευσή μας: διατηρείται για πάντα (χρέωση ανά GB-μήνα) ή 7 ημέρες δωρεάν, σύμφωνα με τη ρύθμιση του λογαριασμού σας ή ?storage=.
Ίδια μορφή σε κάθε μοντέλοtype, url, content_type, width, height και duration, τόσο για εικόνες όσο και για βίντεο και ήχο. Το output είναι το αντικείμενο αποτελέσματος του ίδιου του μοντέλου.
Πεδία εξόδου
video
object {url, content_type, file_name, file_size}Αρχείο βίντεο που παράγεται από την παραγωγή.
seed
integerΤιμή seed που εφαρμόζεται κατά την παραγωγή.

Περισσότερα μοντέλα: Συγχρονισμός χειλιών και άβαταρ

Για πράκτορες AI: αυτή η σελίδα σε Markdown βρίσκεται στη διεύθυνση https://doitong.com/el/developers/models/longcat-single-avatar/audio-to-video.md. Όλα τα μοντέλα και οι οδηγοί: https://doitong.com/developers/llms.txt