Ir al contenido

Longcat Single Avatar · Audio to Video

Integrar

ID del modelo 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"

Archivos como el ejemplo: 0,90 $ 900 créditos de API · ≈ 96,58 ₽ tus archivos se miden antes de la ejecución Ejecutar en esta página

Obtener clave de API
Meituan Sincronización labial y avatares Sincronización labialhasta 720p #audio-to-video

Crea un vídeo de avatar parlante controlado únicamente por un archivo de audio y un prompt de texto, sin imagen de origen

Meituan · Vídeo

Tu primer resultado aparecerá aquí

Crea una solicitud a continuación y ejecútala con tu clave de API. Las salidas se copian en nuestro almacenamiento, conservadas para siempre o 7 días gratis.

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan al modificarlos.

predeterminado A person is talking n...

Prompt que dirige la generación de vídeo.

•obligatorio audio_url
Suelta un archivo o

URL del archivo de audio utilizado para controlar el avatar.

resolution predeterminado 480p

Resolución del vídeo de salida, 480p o 720p.

predeterminado 1

Número de segmentos de vídeo, con aproximadamente 5.8s para el segmento inicial y 5s para cada segmento posterior: unos 5 segundos de vídeo por segmento.

Avanzado negative_prompt · num_inference_steps · text_guidance_scale · audio_guidance_scale · seed · enable_safety_checker · enable_prompt_expansion
predeterminado Close-up, Bright tone...

Prompt negativo que especifica lo que la generación de vídeo debe evitar.

predeterminado 50

Número de pasos de inferencia realizados.

predeterminado 4

Escala de guía textual aplicada en la guía sin clasificador.

predeterminado 4

Ajuste de guía de audio que puede exagerar el movimiento de la boca al aumentarlo.

Valor de semilla que inicializa la generación de números aleatorios.

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

Ejecutar esta solicitud

Tu clave permanece en este navegador: solo se envía a la Doitong API y solo se guarda en localStorage si marcas Recordar. Obtener una clave de API

Acerca de Longcat Single Avatar · Audio to Video

Genera un vídeo de avatar con sincronización labial a partir de `audio_url` y un `prompt` que describe a la persona. La salida es 480p o 720p. `num_segments` (de 1 a 10) establece la duración: el primer segmento dura unos 5.8 segundos y cada uno posterior añade 5 segundos. `audio_guidance_scale` (de 1 a 10) controla hasta qué punto el habla dirige la boca; los valores altos pueden exagerar el movimiento.

Parámetros

Envía el nombre canónico o el nombre nativo, pero no ambos. Nombres canónicos

NombreTipo PredeterminadoPermitido Descripción
audio_urlobligatorio audio
Tipourl · audio
URL del archivo de audio utilizado para controlar el avatar.
promptopcional
Tipostring
PredeterminadoA person is talking naturally with natural expressions and movements.
Prompt que dirige la generación de vídeo.
negative_promptopcional
Tipostring
PredeterminadoClose-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
Prompt negativo que especifica lo que la generación de vídeo debe evitar.
num_inference_stepsopcional
Tipointeger
Predeterminado50
10 – 100
Número de pasos de inferencia realizados.
text_guidance_scaleopcional
Tiponumber
Predeterminado4
1 – 10
Escala de guía textual aplicada en la guía sin clasificador.
audio_guidance_scaleopcional
Tiponumber
Predeterminado4
1 – 10
Ajuste de guía de audio que puede exagerar el movimiento de la boca al aumentarlo.
resolutionopcional
Tipoenum
Predeterminado480p
480p720p
Resolución del vídeo de salida, 480p o 720p.
num_segmentsopcional
Tipointeger
Predeterminado1
1 – 10
Número de segmentos de vídeo, con aproximadamente 5.8s para el segmento inicial y 5s para cada segmento posterior: unos 5 segundos de vídeo por segmento.
seedopcional
Tipointeger | null
Valor de semilla que inicializa la generación de números aleatorios.
enable_safety_checkeropcional
Tipoboolean
Predeterminadotrue
Activador de comprobación de seguridad sujeto a los permisos de la cuenta: las comprobaciones siguen siendo obligatorias para las solicitudes no autorizadas y desactivarlas requiere autorización.
enable_prompt_expansionopcional
Tipoboolean
Predeterminadofalse
Activador de expansión del prompt basada en LLM para mejorar la calidad del vídeo mediante un prompt mejorado.
obligatorio Nombre canónico, también aceptado

Los parámetros de archivo aceptan una URL pública https://, un URI data: de hasta 10 MB o el file_url de una subida. Archivos

Salida

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"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: conservada para siempre (con pago por GB-mes) o 7 días gratis, según la configuración de tu cuenta o ?storage=.
La misma estructura en todos los modelostype, url, content_type, width, height y duration, tanto para imágenes como para vídeo y audio. output es el objeto de resultado propio del modelo.
Campos de salida
video
object {url, content_type, file_name, file_size}Archivo de vídeo producido por la generación.
seed
integerValor de semilla aplicado durante la generación.

Más modelos: Sincronización labial y avatares

Para agentes de IA: esta página en Markdown está en https://doitong.com/es-ES/developers/models/longcat-single-avatar/audio-to-video.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt