Ir al contenido

Longcat Single Avatar · Image Audio to Video

Integrar

Id del modelo longcat-single-avatar/image-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/image-audio-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "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#image-to-video

Anima una imagen de retrato proporcionada para crear un video parlante con sincronización labial siguiendo una pista de audio

Meituan · Vídeo

Tu primer resultado aparecerá aquí

Crea una solicitud abajo 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 video.

•obligatorio image_url
Suelta un archivo o

URL de la imagen que se está animando.

•obligatorio audio_url
Suelta un archivo o

URL del archivo de audio utilizado para controlar el avatar.

resolution predeterminado 480p

Resolución del video de salida, ya sea 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/image-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/image-audio-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "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 (localStorage) únicamente si marcas Recordar. Obtener una clave de API

Acerca de Longcat Single Avatar · Image Audio to Video

Combina una `image_url` para animar con un `audio_url` que controla el habla, de modo que el avatar conserve el aspecto de la imagen. La resolución es 480p o 720p y `num_segments`, de 1 a 10, amplía el clip: aproximadamente 5.8 segundos para el primer segmento y 5 segundos para cada segmento adicional. Ajusta `text_guidance_scale` y `audio_guidance_scale` (ambos de 1 a 10) y `num_inference_steps` (de 10 a 100).

Parámetros

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

NombreTipo PredeterminadoPermitido Descripción
image_urlobligatorio image
Tipourl · image
URL de la imagen que se está animando.
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 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, ya sea 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 basada en 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/image-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": {
    "image_url": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "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 (se cobra 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 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 en https://doitong.com/es/developers/models/longcat-single-avatar/image-audio-to-video.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt