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 video de avatar parlante controlado únicamente por un archivo de audio y un prompt de texto, sin imagen fuente

Meituan · Video

Tu primer resultado aparecerá aquí

Crea una solicitud abajo y ejecútala con tu clave de API. Las salidas se copian en nuestro almacenamiento, donde se conservan 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 conforme los cambias.

predeterminado A person is talking n...

Prompt que dirige la generación de video.

•obligatorio audio_url
Suelta un archivo o

URL del archivo de audio utilizada para controlar el avatar.

resolution predeterminado 480p

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

predeterminado 1

Cantidad de segmentos de video, con aproximadamente 5.8s para el segmento inicial y 5s para cada segmento posterior: aproximadamente 5 segundos de video 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 video debe evitar.

predeterminado 50

Cantidad de pasos de inferencia realizados.

predeterminado 4

Escala de guía de texto 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 cotización → $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 se guarda en localStorage únicamente si marcas Recordar. Obtener una clave de API

Acerca de Longcat Single Avatar · Audio to Video

Genera un video de avatar con sincronización labial a partir de `audio_url` y un `prompt` que describe a la persona. La salida es de 480p o 720p. `num_segments` (de 1 a 10) establece la duración: el primer segmento dura aproximadamente 5.8 segundos y cada segmento adicional agrega 5 segundos. `audio_guidance_scale` (de 1 a 10) controla cuánto impulsa el habla a la boca; los valores altos pueden exagerar el movimiento.

Parámetros

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

NombreTipo PredeterminadoPermitido Descripción
audio_urlobligatorio audio
Tipourl · audio
URL del archivo de audio utilizada para controlar el avatar.
promptopcional
Tipostring
PredeterminadoA person is talking naturally with natural expressions and movements.
Prompt que dirige la generación de video.
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 video debe evitar.
num_inference_stepsopcional
Tipointeger
Predeterminado50
10 – 100
Cantidad de pasos de inferencia realizados.
text_guidance_scaleopcional
Tiponumber
Predeterminado4
1 – 10
Escala de guía de texto 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 video de salida, 480p o 720p.
num_segmentsopcional
Tipointeger
Predeterminado1
1 – 10
Cantidad de segmentos de video, con aproximadamente 5.8s para el segmento inicial y 5s para cada segmento posterior: aproximadamente 5 segundos de video por segmento.
seedopcional
Tipointeger | null
Valor de semilla que inicializa la generación de números aleatorios.
enable_safety_checkeropcional
Tipoboolean
Predeterminadotrue
Interruptor 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
Interruptor de expansión de prompts mediante LLM para mejorar la calidad del video 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 carga. 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: se conserva para siempre (con cobro 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 video 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 video 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 disponible en https://doitong.com/es-MX/developers/models/longcat-single-avatar/audio-to-video.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt