Op den Inhalt sprangen

Longcat Single Avatar · Image Audio to Video

Integréieren

Modell-ID 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"

Dateie wéi am Beispill: 0,90 $ 900 API-Kreditter · ≈ 96,82 ₽ Är Dateie gi virun der Ausféierung gemooss Op dëser Säit ausféieren

API-Schlëssel kréien
Meituan Lipsync & Avataren Lipsyncbis zu 720p #audio-to-video#image-to-video

Animéiert e geliwwert Portraitbild zu engem lëppesynchroniséierte schwätzende Video no enger Audiospur

Meituan · Video

Äin éischt Resultat kënnt hei hin

Baut hei drënner eng Ufro a féiert se mat Ärem API-Schlëssel aus. Output gëtt an eis Späicherung kopéiert, fir ëmmer oder 7 Deeg gratis gespäichert.

Eng Ufro erstellen

D'Kontrolle ginn aus dem Modellschema generéiert. De Code an de Präis aktualiséiere sech, wann s du se ännerst.

Standard A person is talking n...

Prompt, deen d'Videogeneratioun dirigéiert.

•obligatoresch image_url
Fichier erofzéien, oder

URL op d'Bild, dat animéiert gëtt.

•obligatoresch audio_url
Fichier erofzéien, oder

URL vun der Audio-Datei, déi den Avatar steiert.

resolution Standard 480p

Opléisung vum Output-Video, entweder 480p oder 720p.

Standard 1

Zuel vu Video-Segmenter, mat ongeféier 5.8s fir dat éischt Segment a 5s fir all weidert Segment—ongeféier 5 Sekonne Video pro Segment.

Erweidert negative_prompt · num_inference_steps · text_guidance_scale · audio_guidance_scale · seed · enable_safety_checker · enable_prompt_expansion
Standard Close-up, Bright tone...

Negative Prompt, deen ugëtt, wat d'Videogeneratioun vermeide soll.

Standard 50

Zuel vun den ausgeféierten Inferenzschrëtt.

Standard 4

Text-Guidance-Skala, déi an der classifier-free guidance applizéiert gëtt.

Standard 4

Audio-Guidance-Adaptatioun, déi bei enger Erhéijung d'Mondbeweegung iwwerdreiwe kann.

Seed-Wäert, deen d'Generatioun vun Zoufallszuelen initialiséiert.

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

Dës Ufro ausféieren

Äre Schlëssel bleift an dësem Browser: e gëtt nëmmen un d'Doitong API geschéckt an nëmme gespäichert (localStorage), wann s du „Erënneren“ aktivéiers. En API-Schlëssel kréien

Iwwer Longcat Single Avatar · Image Audio to Video

Kombinéiert eng `image_url`, déi animéiert gëtt, mat enger `audio_url`, déi d'Sprooch steiert, sou datt den Avatar d'Erscheinung vun Ärem Bild behält. D'Resolutioun ass 480p oder 720p, an `num_segments` vun 1 bis 10 verlängert de Clip: ongeféier 5.8 Sekonnen fir den éischte Segment a 5 Sekonne fir all weideren. Passt `text_guidance_scale` an `audio_guidance_scale` (béid 1 bis 10) an `num_inference_steps` (10 bis 100) un.

Parameteren

Schéck entweder den kanoneschen Numm oder den natierlechen Numm, net béid. Kanonesch Nimm

NummTyp StandardErlaabt Beschreiwung
image_urlobligatoresch image
Typurl · image
URL op d'Bild, dat animéiert gëtt.
audio_urlobligatoresch audio
Typurl · audio
URL vun der Audio-Datei, déi den Avatar steiert.
promptoptional
Typstring
StandardA person is talking naturally with natural expressions and movements.
Prompt, deen d'Videogeneratioun dirigéiert.
negative_promptoptional
Typstring
StandardClose-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, deen ugëtt, wat d'Videogeneratioun vermeide soll.
num_inference_stepsoptional
Typinteger
Standard50
10 – 100
Zuel vun den ausgeféierten Inferenzschrëtt.
text_guidance_scaleoptional
Typnumber
Standard4
1 – 10
Text-Guidance-Skala, déi an der classifier-free guidance applizéiert gëtt.
audio_guidance_scaleoptional
Typnumber
Standard4
1 – 10
Audio-Guidance-Adaptatioun, déi bei enger Erhéijung d'Mondbeweegung iwwerdreiwe kann.
resolutionoptional
Typenum
Standard480p
480p720p
Opléisung vum Output-Video, entweder 480p oder 720p.
num_segmentsoptional
Typinteger
Standard1
1 – 10
Zuel vu Video-Segmenter, mat ongeféier 5.8s fir dat éischt Segment a 5s fir all weidert Segment—ongeféier 5 Sekonne Video pro Segment.
seedoptional
Typinteger | null
Seed-Wäert, deen d'Generatioun vun Zoufallszuelen initialiséiert.
enable_safety_checkeroptional
Typboolean
Standardtrue
Schalter fir d'Sécherheetskontroll, ofhängeg vun de Kontorechter: Kontrollen bleiwen fir net autoriséiert Ufroe obligatoresch, an d'Deaktivéierung verlaangt Autorisatioun.
enable_prompt_expansionoptional
Typboolean
Standardfalse
LLM-baséierte Schalter fir d'Prompt-Erweiderung, fir d'Videoqualitéit mat engem verbesserten Prompt ze erhéijen.
obligatoresch Kanoneschen Numm, och akzeptéiert

Fichierparameter akzeptéieren eng ëffentlech https:// URL, eng data: URI bis zu 10 MB oder de file_url vun engem Upload. Fichieren

Output

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"
  }
}
Är Fichieren, Är WielAll outputs[].url ass eng Kopie an eiser Späicherung: fir ëmmer gespäichert (bezuelbar pro GB-Mount) oder 7 Deeg gratis, jee no Ärer Kontastellung oder ?storage=.
D'selwecht Struktur bei all Modelltype, url, content_type, width, height an duration, fir Biller, Video an Audio gläichermoossen. output ass dem Modell säin eegent Resultatobjet.
Output-Felder
video
object {url, content_type, file_name, file_size}Video-Datei, déi duerch d'Generatioun erstallt gouf.
seed
integerSeed-Wäert, deen während der Generatioun applizéiert gouf.

Méi Modeller: Lipsync & Avataren

Fir AI-Agenten: dës Säit als Markdown ass ënner https://doitong.com/lb/developers/models/longcat-single-avatar/image-audio-to-video.md. All Modeller a Guiden: https://doitong.com/developers/llms.txt