Ir al contenido

Avatar X

Integrar

ID del modelo mirage-api/avatar-x/text-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/mirage-api/avatar-x/text-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "script": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# 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"

Esta solicitud: ≈54,00 $ 54.000 créditos de API · ≈ 5809,30 ₽ Ejecutar en esta página

Obtener clave de API
Mirage Sincronización labial y avatares Entradas de referenciaSincronización labial #avatar#lipsync#talking-head

Vídeo de avatar parlante a partir de un guion, usando un avatar de stock o tu propio vídeo y voz de referencia

Mirage · 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.

•obligatorio 88 / 1500

Guion limitado tanto por el número de caracteres como por la duración generada: el habla no puede superar los 180 segundos, incluso si el ritmo de habla hace que un guion más corto supere ese límite. Proporciona entre 50 y 1.500 caracteres; el mínimo de 50 caracteres suele producir unos cuatro segundos de habla.

Avanzado avatar · video_reference_url · audio_reference_url
predeterminado Jasmine

Selección de aspecto y voz de stock, innecesaria cuando se proporcionan video_reference_url y audio_reference_url, ya que esas referencias la sustituyen por completo. Usa None para dejar el avatar sin establecer o copia un valor exacto de Avatar después de consultar todas las opciones en el [catálogo de avatares](https://captions.ai/help/docs/api/actor-catalog).

URL del vídeo de referencia que sustituye al avatar seleccionado y requiere audio_reference_url; el audio incluido en el vídeo se ignora. El contenido multimedia debe durar de 1 a 120 segundos, no superar 1 GiB y tener una relación de aspecto de visualización dentro del 5 % de 9:16 o 16:9; las combinaciones de códec y contenedor compatibles son H.264, H.265/HEVC o ProRes en .mp4, .mov o .m4v, y VP8 o VP9 en .webm. La recuperación debe ser pública mediante HTTPS, sin cookies ni encabezados de autorización.

URL HTTPS de referencia de voz que requiere un video_reference_url asociado y hace que se ignore el avatar elegido; la recuperación debe funcionar públicamente sin encabezados de autorización ni cookies. El procesamiento usa solo los primeros 60 segundos, pero el archivo debe durar de 10 a 180 segundos, no superar 64 MiB y contener un único flujo mono o estéreo a 8–48 kHz. Los formatos aceptados incluyen FLAC, MP3, PCM WAV o AIFF, AAC o ALAC y Opus o Vorbis.

POST /run/mirage-api/avatar-x/text-to-video?wait=20 presupuesto → 54,00 $
# 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/mirage-api/avatar-x/text-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "script": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# 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 Avatar X

Convierte un `script` de entre 50 y 1.500 caracteres en un vídeo de avatar parlante, con una voz generada limitada a 180 segundos. Elige un `avatar` de stock como Jasmine, Luke o Maya, incluidas las variantes 16:9. También puedes proporcionar `video_reference_url` y `audio_reference_url` para usar tus propias imágenes y voz de referencia; en ese caso, el avatar de stock se ignora.

Parámetros

NombreTipo PredeterminadoPermitido Descripción
scriptobligatorio
Tipostring
≤ 1500 caracteres≥ 50 caracteres
Guion limitado tanto por el número de caracteres como por la duración generada: el habla no puede superar los 180 segundos, incluso si el ritmo de habla hace que un guion más corto supere ese límite. Proporciona entre 50 y 1.500 caracteres; el mínimo de 50 caracteres suele producir unos cuatro segundos de habla.
avataropcional
Tipoenum
PredeterminadoJasmine
NoneAyeshaAyesha (16:9)FarhanFarhan (16:9)GiuliaGiulia (16:9)JasmineJasmine (16:9)LukeLuke (16:9)MayaMaya (16:9)MichaelMichael (16:9)Neha
+5 másNeha (16:9)TariqTariq (16:9)ValerieValerie (16:9)
Selección de aspecto y voz de stock, innecesaria cuando se proporcionan video_reference_url y audio_reference_url, ya que esas referencias la sustituyen por completo. Usa None para dejar el avatar sin establecer o copia un valor exacto de Avatar después de consultar todas las opciones en el [catálogo de avatares](https://captions.ai/help/docs/api/actor-catalog).
video_reference_urlopcional
Tipostring | null
URL del vídeo de referencia que sustituye al avatar seleccionado y requiere audio_reference_url; el audio incluido en el vídeo se ignora. El contenido multimedia debe durar de 1 a 120 segundos, no superar 1 GiB y tener una relación de aspecto de visualización dentro del 5 % de 9:16 o 16:9; las combinaciones de códec y contenedor compatibles son H.264, H.265/HEVC o ProRes en .mp4, .mov o .m4v, y VP8 o VP9 en .webm. La recuperación debe ser pública mediante HTTPS, sin cookies ni encabezados de autorización.
audio_reference_urlopcional
Tipostring | null
URL HTTPS de referencia de voz que requiere un video_reference_url asociado y hace que se ignore el avatar elegido; la recuperación debe funcionar públicamente sin encabezados de autorización ni cookies. El procesamiento usa solo los primeros 60 segundos, pero el archivo debe durar de 10 a 180 segundos, no superar 64 MiB y contener un único flujo mono o estéreo a 8–48 kHz. Los formatos aceptados incluyen FLAC, MP3, PCM WAV o AIFF, AAC o ALAC y Opus o Vorbis.
obligatorio

Salida

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "mirage-api/avatar-x/text-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": 54000,
    "usd": "54.00",
    "charged": 54000,
    "refunded": 0
  },
  "input": {
    "script": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  },
  "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
    }
  },
  "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}

Más modelos: Sincronización labial y avatares

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