Passer au contenu

Longcat Single Avatar · Audio to Video

Intégrer

Identifiant du modèle 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"

Fichiers comme dans l’exemple: 0,90 $ 900 crédits API · ≈ 96,82 ₽ vos fichiers sont mesurés avant l’exécution L’exécuter sur cette page

Obtenir une clé API
Meituan Synchronisation labiale et avatars Synchronisation labialejusqu’à 720p #audio-to-video

Crée une vidéo d'avatar parlant à partir uniquement d'un fichier audio et d'un prompt textuel, sans image source

Meituan · Vidéo

Votre premier résultat apparaîtra ici

Construisez une requête ci-dessous et exécutez-la avec votre clé API. Les sorties sont copiées dans notre stockage, conservées indéfiniment ou 7 jours gratuitement.

Créer une requête

Les contrôles sont générés à partir du schéma du modèle. Le code et le prix se mettent à jour lorsque vous les modifiez.

par défaut A person is talking n...

Prompt qui dirige la génération vidéo.

•requis audio_url
Déposez un fichier, ou

URL du fichier audio utilisée pour piloter l’avatar.

resolution par défaut 480p

Résolution de la vidéo de sortie, soit 480p, soit 720p.

par défaut 1

Nombre de segments vidéo, avec environ 5.8s pour le segment initial et 5s pour chaque segment suivant, soit environ 5 secondes de vidéo par segment.

Avancé negative_prompt · num_inference_steps · text_guidance_scale · audio_guidance_scale · seed · enable_safety_checker · enable_prompt_expansion
par défaut Close-up, Bright tone...

Prompt négatif spécifiant ce que la génération vidéo doit éviter.

par défaut 50

Nombre d’étapes d’inférence effectuées.

par défaut 4

Échelle de guidage textuel appliquée au guidage sans classifieur.

par défaut 4

Ajustement du guidage audio pouvant exagérer le mouvement de la bouche lorsqu’il est augmenté.

Valeur de graine qui initialise la génération de nombres aléatoires.

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

Exécuter cette requête

Votre clé reste dans ce navigateur : elle est envoyée uniquement à la Doitong API et enregistrée dans localStorage uniquement si vous cochez Mémoriser. Obtenir une clé API

À propos de Longcat Single Avatar · Audio to Video

Génère une vidéo d'avatar synchronisée sur les lèvres à partir de `audio_url` et d'un `prompt` décrivant la personne. La sortie est en 480p ou 720p. `num_segments` (1 à 10) définit la durée : le premier segment dure environ 5.8 secondes et chaque segment supplémentaire ajoute 5 secondes. `audio_guidance_scale` (1 à 10) contrôle l'influence de la parole sur la bouche ; les valeurs élevées peuvent exagérer le mouvement.

Paramètres

Envoyez soit le nom canonique, soit le nom natif, mais pas les deux. Noms canoniques

NomType Par défautAutorisé Description
audio_urlrequis audio
Typeurl · audio
URL du fichier audio utilisée pour piloter l’avatar.
promptfacultatif
Typestring
Par défautA person is talking naturally with natural expressions and movements.
Prompt qui dirige la génération vidéo.
negative_promptfacultatif
Typestring
Par défautClose-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 négatif spécifiant ce que la génération vidéo doit éviter.
num_inference_stepsfacultatif
Typeinteger
Par défaut50
10 – 100
Nombre d’étapes d’inférence effectuées.
text_guidance_scalefacultatif
Typenumber
Par défaut4
1 – 10
Échelle de guidage textuel appliquée au guidage sans classifieur.
audio_guidance_scalefacultatif
Typenumber
Par défaut4
1 – 10
Ajustement du guidage audio pouvant exagérer le mouvement de la bouche lorsqu’il est augmenté.
resolutionfacultatif
Typeenum
Par défaut480p
480p720p
Résolution de la vidéo de sortie, soit 480p, soit 720p.
num_segmentsfacultatif
Typeinteger
Par défaut1
1 – 10
Nombre de segments vidéo, avec environ 5.8s pour le segment initial et 5s pour chaque segment suivant, soit environ 5 secondes de vidéo par segment.
seedfacultatif
Typeinteger | null
Valeur de graine qui initialise la génération de nombres aléatoires.
enable_safety_checkerfacultatif
Typeboolean
Par défauttrue
Activation de la vérification de sécurité soumise aux autorisations du compte : les vérifications restent obligatoires pour les requêtes non autorisées et leur désactivation nécessite une autorisation.
enable_prompt_expansionfacultatif
Typeboolean
Par défautfalse
Activation de l’expansion du prompt par le LLM pour améliorer la qualité vidéo au moyen d’un prompt enrichi.
requis Nom canonique, également accepté

Les paramètres de fichier acceptent une URL publique https://, un URI data: jusqu’à 10 MB ou le file_url d’un téléversement. Fichiers

Sortie

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"
  }
}
Vos fichiers, votre choixChaque outputs[].url est une copie dans notre stockage : conservée indéfiniment (facturation au Go-mois) ou 7 jours gratuitement, selon le réglage de votre compte ou ?storage=.
Même structure pour chaque modèletype, url, content_type, width, height et duration, pour les images, vidéos et fichiers audio. output est le propre objet de résultat du modèle.
Champs de sortie
video
object {url, content_type, file_name, file_size}Fichier vidéo produit par la génération.
seed
integerValeur du seed appliquée pendant la génération.

Plus de modèles : Synchronisation labiale et avatars

Pour les agents IA : cette page au format Markdown est disponible à https://doitong.com/fr/developers/models/longcat-single-avatar/audio-to-video.md. Tous les modèles et guides : https://doitong.com/developers/llms.txt