Lumaktaw sa nilalaman

Longcat Single Avatar · Audio to Video

I-integrate

ID ng 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"

Mga file na katulad ng halimbawa: $0.90 900 kredito ng API · ≈ ₽96.58 sinusukat ang iyong mga file bago patakbuhin Patakbuhin ito sa page na ito

Kumuha ng API key
Meituan Lipsync at Avatar Lipsynchanggang 720p #audio-to-video

Gumagawa ng talking-avatar video na hinihimok lamang ng audio file at teksto prompt, nang walang source larawan

Meituan · video

Dito mapupunta ang iyong unang resulta

Bumuo ng kahilingan sa ibaba at patakbuhin ito gamit ang iyong API key. Kinokopya ang mga output sa aming storage, na pinananatili nang walang hanggan o 7 araw nang libre.

Bumuo ng kahilingan

Ang mga control ay binubuo mula sa schema ng modelo. Nagbabago ang code at presyo habang ina-adjust mo ang mga ito.

default na A person is talking n...

Prompt na gumagabay sa pagbuo ng video.

•kinakailangan audio_url
Mag-drop ng file, o

URL ng audio file na ginagamit upang patakbuhin ang avatar.

resolution default na 480p

Resolution ng output na video, maaaring 480p o 720p.

default na 1

Bilang ng segment ng video, na humigit-kumulang 5.8s para sa unang segment at 5s para sa bawat kasunod na segment—humigit-kumulang 5 segundo ng video bawat segment.

advanced negative_prompt · num_inference_steps · text_guidance_scale · audio_guidance_scale · seed · enable_safety_checker · enable_prompt_expansion
default na Close-up, Bright tone...

Negative prompt na tumutukoy sa dapat iwasan ng pagbuo ng video.

default na 50

Bilang ng isinagawang inference step.

default na 4

Text guidance scale na inilapat sa classifier-free guidance.

default na 4

Audio guidance adjustment na maaaring magpalaki sa galaw ng bibig kapag tinaasan.

Seed value na nag-i-initialize sa pagbuo ng random number.

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

Patakbuhin ang kahilingang ito

Nananatili ang iyong key sa browser na ito: ipinapadala lamang ito sa Doitong API at sine-save (localStorage) lamang kung pipiliin mo ang Tandaan. Kumuha ng API key

Tungkol sa Longcat Single Avatar · Audio to Video

Gumagawa ng lip-synced avatar video mula sa `audio_url` at `prompt` na naglalarawan sa tao. 480p o 720p ang output. Itinatakda ng `num_segments` (1 hanggang 10) ang haba: humigit-kumulang 5.8 segundo ang unang segment at nagdaragdag ng 5 segundo ang bawat kasunod. Kinokontrol ng `audio_guidance_scale` (1 hanggang 10) kung gaano kalakas na ginagabayan ng speech ang bibig; maaaring palakihin ng mas matataas na value ang galaw.

Mga parameter

Ipadala ang canonical na pangalan o ang native na pangalan, hindi pareho. Mga canonical na pangalan

PangalanUri defaultPinapayagan Paglalarawan
audio_urlkinakailangan audio
Uriurl · audio
URL ng audio file na ginagamit upang patakbuhin ang avatar.
promptopsyonal
Uristring
defaultA person is talking naturally with natural expressions and movements.
Prompt na gumagabay sa pagbuo ng video.
negative_promptopsyonal
Uristring
defaultClose-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 na tumutukoy sa dapat iwasan ng pagbuo ng video.
num_inference_stepsopsyonal
Uriinteger
default50
10 – 100
Bilang ng isinagawang inference step.
text_guidance_scaleopsyonal
Urinumber
default4
1 – 10
Text guidance scale na inilapat sa classifier-free guidance.
audio_guidance_scaleopsyonal
Urinumber
default4
1 – 10
Audio guidance adjustment na maaaring magpalaki sa galaw ng bibig kapag tinaasan.
resolutionopsyonal
Urienum
default480p
480p720p
Resolution ng output na video, maaaring 480p o 720p.
num_segmentsopsyonal
Uriinteger
default1
1 – 10
Bilang ng segment ng video, na humigit-kumulang 5.8s para sa unang segment at 5s para sa bawat kasunod na segment—humigit-kumulang 5 segundo ng video bawat segment.
seedopsyonal
Uriinteger | null
Seed value na nag-i-initialize sa pagbuo ng random number.
enable_safety_checkeropsyonal
Uriboolean
defaulttrue
Toggle ng pagsusuri sa kaligtasan na nakadepende sa mga pahintulot ng account: nananatiling mandatory ang mga pagsusuri para sa hindi awtorisadong kahilingan, at kailangan ang authorization upang i-disable ang mga ito.
enable_prompt_expansionopsyonal
Uriboolean
defaultfalse
Toggle ng pagpapalawak ng prompt batay sa LLM upang pagandahin ang kalidad ng video sa pamamagitan ng pinahusay na prompt.
kinakailangan Canonical na pangalan, tinatanggap din

Tumatanggap ang mga parameter ng file ng pampublikong https:// URL, data: URI na hanggang 10 MB, o file_url ng isang upload. Mga file

Output

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"
  }
}
Ikaw ang pumipili para sa iyong mga fileAng bawat outputs[].url ay kopya sa aming storage: pinananatili nang walang hanggan (sinisingil bawat GB-month) o 7 araw nang libre, ayon sa setting ng iyong account o ?storage=.
Parehong shape sa bawat modelotype, url, content_type, width, height at duration, para sa mga larawan, video at audio. Ang output ay sariling result object ng modelo.
Mga field ng output
video
object {url, content_type, file_name, file_size}Video file na ginawa sa pagbuo.
seed
integerSeed value na inilapat sa pagbuo.

Higit pang modelo: Lipsync at Avatar

Para sa mga AI agent: nasa Markdown ang pahinang ito sa https://doitong.com/fil/developers/models/longcat-single-avatar/audio-to-video.md. Lahat ng modelo at gabay: https://doitong.com/developers/llms.txt