Leum chun t-susbaint

Longcat Single Avatar · Image Audio to Video

Amalaich

ID a’ mhodail 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"

Faidhlichean mar an eisimpleir: $0.90 900 creideasan API · ≈ ₽96.58 thèid na faidhlichean agad a thomhas ron ruith Ruith e air an duilleig seo

Faigh iuchair API
Meituan Sioncronadh bilean & Ava­taran Sioncronadh bileansuas ri 720p #audio-to-video#image-to-video

A’ beothachadh dealbh dhealbhaidh a chaidh a thoirt seachad gu bhidio labhairt le sioncronachadh beòil a’ leantainn slighe fuaim

Meituan · Bhidio

Thèid a’ chiad toradh agad an-seo

Tog iarrtas gu h-ìosal agus ruith e leis an iuchair API agad. Tha na h-às-churan air an lethbhreacadh dhan stòradh againn, air an cumail gu bràth no 7 latha an-asgaidh.

Tog iarrtas

Tha na smachdan air an cruthachadh bho sgeama a’ mhodail. Bidh an còd agus a’ phrìs ag ùrachadh fhad ’s a dh’atharraicheas tu iad.

bun-roghainn A person is talking n...

Prompt a tha a’ stiùireadh gineadh bhidio.

•riatanach image_url
Leig às faidhle, no

URL a’ comharrachadh na h-ìomhaigh a thathar a’ bheothachadh.

•riatanach audio_url
Leig às faidhle, no

URL faidhle claisneachd air a chleachdadh gus an avatar a stiùireadh.

resolution bun-roghainn 480p

Dùmhlachd-bhreacaidh bhidio an às-chuir, an dara cuid 480p no 720p.

bun-roghainn 1

Àireamh earrannan bhidio, le mu 5.8s airson a’ chiad earrann agus 5s airson gach earrann eile—mu 5 diog de bhidio gach earrann.

Adhartach negative_prompt · num_inference_steps · text_guidance_scale · audio_guidance_scale · seed · enable_safety_checker · enable_prompt_expansion
bun-roghainn Close-up, Bright tone...

Prompt àicheil a’ sònrachadh na bu chòir do ghineadh bhidio a sheachnadh.

bun-roghainn 50

Àireamh nan ceumannan inference a chaidh a choileanadh.

bun-roghainn 4

Sgèile stiùiridh teacsa air a cur an sàs ann an stiùireadh classifier-free.

bun-roghainn 4

Atharrachadh stiùiridh claisneachd a dh’fhaodas gluasad na beòil a dhèanamh nas motha nuair a thèid àrdachadh.

Luach sìl a thòisicheas gineadh àireamhan air thuaiream.

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

Ruith an t-iarrtas seo

Fuirichidh an iuchair agad sa bhrobhsair seo: thèid a cur chun Doitong API a-mhàin agus a sàbhaladh (localStorage) a-mhàin ma chuireas tu comharra ri Cuimhnich. Faigh iuchair API

Mu Longcat Single Avatar · Image Audio to Video

A’ cothlamadh `image_url` airson beothachadh le `audio_url` a bhios a’ stiùireadh na h-òraid, gus coltas an avatar a chumail bhon dealbh agad. Tha an rùn 480p no 720p, agus bidh `num_segments` eadar 1 agus 10 a’ leudachadh na criomag: mu 5.8 diogan airson a’ chiad earrann agus 5 diogan airson gach tè a bharrachd. Atharraich `text_guidance_scale` agus `audio_guidance_scale` (an dà chuid 1 gu 10) agus `num_inference_steps` (10 gu 100).

Paramadairean

Cuir an t-ainm canonical no an t-ainm dùthchasach, chan e an dà chuid. Ainmean canonical

AinmSeòrsa Bun-roghainnCeadaichte Tuairisgeul
image_urlriatanach image
Seòrsaurl · image
URL a’ comharrachadh na h-ìomhaigh a thathar a’ bheothachadh.
audio_urlriatanach audio
Seòrsaurl · audio
URL faidhle claisneachd air a chleachdadh gus an avatar a stiùireadh.
promptroghainneil
Seòrsastring
Bun-roghainnA person is talking naturally with natural expressions and movements.
Prompt a tha a’ stiùireadh gineadh bhidio.
negative_promptroghainneil
Seòrsastring
Bun-roghainnClose-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 àicheil a’ sònrachadh na bu chòir do ghineadh bhidio a sheachnadh.
num_inference_stepsroghainneil
Seòrsainteger
Bun-roghainn50
10 – 100
Àireamh nan ceumannan inference a chaidh a choileanadh.
text_guidance_scaleroghainneil
Seòrsanumber
Bun-roghainn4
1 – 10
Sgèile stiùiridh teacsa air a cur an sàs ann an stiùireadh classifier-free.
audio_guidance_scaleroghainneil
Seòrsanumber
Bun-roghainn4
1 – 10
Atharrachadh stiùiridh claisneachd a dh’fhaodas gluasad na beòil a dhèanamh nas motha nuair a thèid àrdachadh.
resolutionroghainneil
Seòrsaenum
Bun-roghainn480p
480p720p
Dùmhlachd-bhreacaidh bhidio an às-chuir, an dara cuid 480p no 720p.
num_segmentsroghainneil
Seòrsainteger
Bun-roghainn1
1 – 10
Àireamh earrannan bhidio, le mu 5.8s airson a’ chiad earrann agus 5s airson gach earrann eile—mu 5 diog de bhidio gach earrann.
seedroghainneil
Seòrsainteger | null
Luach sìl a thòisicheas gineadh àireamhan air thuaiream.
enable_safety_checkerroghainneil
Seòrsaboolean
Bun-roghainntrue
Toglaich sgrùdaidh sàbhailteachd fo ùghdarrasan cunntais: tha sgrùdaidhean fhathast riatanach airson iarrtasan gun ùghdarras, agus tha ùghdarras riatanach gus an cur à comas.
enable_prompt_expansionroghainneil
Seòrsaboolean
Bun-roghainnfalse
Toglaich leudachaidh prompt stèidhichte air LLM airson càileachd bhidio a leasachadh tro prompt leasaichte.
riatanach Ainm canonical, gabhar ris cuideachd

Gabhaidh paramadairean faidhle ri URL poblach https://, URI data: suas ri 10 MB, no file_url de luchdachadh suas. Faidhlichean

Toradh

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"
  }
}
Na faidhlichean agad, do roghainnTha gach outputs[].url na lethbhreac air an stòradh againn: air a chumail gu bràth (air a phàigheadh gach GB-mìos) no 7 latha an-asgaidh, a rèir suidheachadh a’ chunntais agad no ?storage=.
An aon chruth air gach modailtype, url, content_type, width, height agus duration, airson dealbhan, bhidio agus fuaim le chèile. ’S e output nì toraidh a’ mhodail fhèin.
Raointean toraidh
video
object {url, content_type, file_name, file_size}Faidhle bhidio a chaidh a chruthachadh le gineadh.
seed
integerLuach sìl a chaidh a chur an sàs rè gineadh.

Barrachd mhodalan: Sioncronadh bilean & Ava­taran

Do riochdairean AI: tha an duilleag seo mar Markdown aig https://doitong.com/gd/developers/models/longcat-single-avatar/image-audio-to-video.md. Na modailean agus na treòraichean uile: https://doitong.com/developers/llms.txt