ਸਮੱਗਰੀ ਵੱਲ ਜਾਓ

Avatar X

ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ

ਮਾਡਲ id mirage-api/avatar-x/text-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/mirage-api/avatar-x/text-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "script": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# 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"

ਇਹ ਬੇਨਤੀ: ≈$54.00 54,000 API ਕ੍ਰੈਡਿਟ · ≈ ₽5,809.30 ਇਸ ਪੰਨੇ ’ਤੇ ਚਲਾਓ

API ਕੁੰਜੀ ਲਵੋ
Mirage ਲਿਪਸਿੰਕ ਅਤੇ ਅਵਤਾਰ ਹਵਾਲਾ ਇਨਪੁੱਟਲਿਪਸਿੰਕ #avatar#lipsync#talking-head

ਸਕ੍ਰਿਪਟ ਤੋਂ ਟਾਕਿੰਗ-ਅਵਤਾਰ ਵੀਡੀਓ, ਸਟਾਕ ਅਵਤਾਰ ਜਾਂ ਤੁਹਾਡੇ ਆਪਣੇ ਹਵਾਲਾ ਵੀਡੀਓ ਅਤੇ ਵੌਇਸ ਨਾਲ

Mirage · ਵੀਡੀਓ

ਤੁਹਾਡਾ ਪਹਿਲਾ ਨਤੀਜਾ ਇੱਥੇ ਹੋਵੇਗਾ

ਹੇਠਾਂ ਬੇਨਤੀ ਬਣਾਓ ਅਤੇ ਆਪਣੀ API ਕੁੰਜੀ ਨਾਲ ਚਲਾਓ। ਆਉਟਪੁੱਟ ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਕਾਪੀ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਹਮੇਸ਼ਾ ਲਈ ਜਾਂ ਮੁਫ਼ਤ ਵਿੱਚ 7 ਦਿਨ ਤੱਕ ਰੱਖੇ ਜਾਂਦੇ ਹਨ।

ਰਿਕਵੈਸਟ ਬਣਾਓ

ਕੰਟਰੋਲ ਮਾਡਲ ਸਕੀਮਾ ਤੋਂ ਤਿਆਰ ਹੁੰਦੇ ਹਨ। ਤੁਸੀਂ ਬਦਲਾਅ ਕਰਦੇ ਹੀ ਕੋਡ ਅਤੇ ਕੀਮਤ ਅੱਪਡੇਟ ਹੋ ਜਾਂਦੇ ਹਨ।

•ਲੋੜੀਂਦਾ 88 / 1500

ਸਕ੍ਰਿਪਟ, ਜਿਸ 'ਤੇ ਅੱਖਰਾਂ ਦੀ ਗਿਣਤੀ ਅਤੇ ਸਿਰਜੇ ਗਏ ਸਮੇਂ ਦੋਵਾਂ ਦੀ ਸੀਮਾ ਹੈ: ਬੋਲਣ ਦੀ ਗਤੀ ਛੋਟੀ ਸਕ੍ਰਿਪਟ ਨੂੰ ਉਸ ਸੀਮਾ ਤੋਂ ਪਾਰ ਲੈ ਜਾਵੇ, ਤਾਂ ਵੀ ਬੋਲੀ 180 ਸਕਿੰਟ ਤੋਂ ਵੱਧ ਨਹੀਂ ਹੋ ਸਕਦੀ। 50 ਤੋਂ 1,500 ਅੱਖਰ ਦਿਓ; 50 ਅੱਖਰਾਂ ਦੀ ਘੱਟੋ-ਘੱਟ ਸੀਮਾ ਆਮ ਤੌਰ 'ਤੇ ਲਗਭਗ ਚਾਰ ਸਕਿੰਟ ਦੀ ਬੋਲੀ ਦਿੰਦੀ ਹੈ।

ਉੱਨਤ avatar · video_reference_url · audio_reference_url
ਡਿਫ਼ਾਲਟ Jasmine

ਸਟਾਕ ਦਿੱਖ-ਅਤੇ-ਆਵਾਜ਼ ਚੋਣ, ਜਦੋਂ video_reference_url ਅਤੇ audio_reference_url ਦੋਵੇਂ ਦਿੱਤੇ ਹੋਣ ਤਾਂ ਲੋੜੀਂਦੀ ਨਹੀਂ, ਕਿਉਂਕਿ ਉਹ ਹਵਾਲੇ ਇਸਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਬਦਲ ਦਿੰਦੇ ਹਨ। ਅਵਤਾਰ ਨੂੰ ਅਣਸੈੱਟ ਛੱਡਣ ਲਈ None ਵਰਤੋ, ਜਾਂ [avatar catalog](https://captions.ai/help/docs/api/actor-catalog) ਵਿੱਚ ਸਾਰੇ ਵਿਕਲਪਾਂ ਦਾ ਪ੍ਰੀਵਿਊ ਕਰਨ ਤੋਂ ਬਾਅਦ ਬਿਲਕੁਲ ਸਹੀ Avatar ਮੁੱਲ ਕਾਪੀ ਕਰੋ।

ਹਵਾਲਾ-ਵੀਡੀਓ URL, ਜੋ ਚੁਣੇ ਹੋਏ ਅਵਤਾਰ ਨੂੰ ਬਦਲਦਾ ਹੈ ਅਤੇ audio_reference_url ਲਾਜ਼ਮੀ ਕਰਦਾ ਹੈ; ਵੀਡੀਓ ਵਿੱਚ ਸ਼ਾਮਲ ਕਿਸੇ ਵੀ ਆਡੀਓ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਮੀਡੀਆ ਦੀ ਲੰਬਾਈ 1 ਤੋਂ 120 ਸਕਿੰਟ, ਆਕਾਰ 1 GiB ਦੇ ਅੰਦਰ ਅਤੇ display aspect ratio 9:16 ਜਾਂ 16:9 ਦੇ 5% ਦੇ ਅੰਦਰ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ; ਸਮਰਥਿਤ codec/container ਜੋੜ ਹਨ .mp4, .mov, ਜਾਂ .m4v ਵਿੱਚ H.264, H.265/HEVC, ਜਾਂ ProRes, ਅਤੇ .webm ਵਿੱਚ VP8 ਜਾਂ VP9। ਪ੍ਰਾਪਤੀ cookies ਜਾਂ authorization headers ਤੋਂ ਬਿਨਾਂ ਜਨਤਕ HTTPS ਰਾਹੀਂ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ।

ਆਵਾਜ਼-ਹਵਾਲਾ HTTPS URL, ਜਿਸ ਲਈ ਨਾਲ video_reference_url ਲਾਜ਼ਮੀ ਹੈ ਅਤੇ ਚੁਣੇ ਹੋਏ ਅਵਤਾਰ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਦਾ ਹੈ; ਪ੍ਰਾਪਤੀ authorization headers ਜਾਂ cookies ਤੋਂ ਬਿਨਾਂ ਜਨਤਕ ਤੌਰ 'ਤੇ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। ਪ੍ਰੋਸੈਸਿੰਗ ਸਿਰਫ਼ ਪਹਿਲੇ 60 ਸਕਿੰਟ ਵਰਤਦੀ ਹੈ, ਪਰ ਫ਼ਾਈਲ 10 ਤੋਂ 180 ਸਕਿੰਟ ਦੀ, 64 MiB ਦੇ ਅੰਦਰ ਅਤੇ 8 ਤੋਂ 48 kHz 'ਤੇ ਇੱਕੋ ਮੋਨੋ ਜਾਂ ਸਟੀਰੀਓ ਸਟ੍ਰੀਮ ਵਾਲੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। ਮਨਜ਼ੂਰਸ਼ੁਦਾ ਫਾਰਮੈਟਾਂ ਵਿੱਚ FLAC, MP3, PCM WAV ਜਾਂ AIFF, AAC ਜਾਂ ALAC, ਅਤੇ Opus ਜਾਂ Vorbis ਸ਼ਾਮਲ ਹਨ।

POST /run/mirage-api/avatar-x/text-to-video?wait=20 ਕੋਟ → $54.00
# 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/mirage-api/avatar-x/text-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "script": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# 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"

ਇਹ ਬੇਨਤੀ ਚਲਾਓ

ਤੁਹਾਡੀ key ਇਸ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਰਹਿੰਦੀ ਹੈ: ਇਹ ਸਿਰਫ਼ Doitong API ਨੂੰ ਭੇਜੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਸਿਰਫ਼ ਤਾਂ ਹੀ (localStorage) ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਹੁੰਦੀ ਹੈ ਜੇ ਤੁਸੀਂ Remember ਚੁਣੋ। API ਕੁੰਜੀ ਪ੍ਰਾਪਤ ਕਰੋ

Avatar X ਬਾਰੇ

50 ਤੋਂ 1,500 ਅੱਖਰਾਂ ਵਾਲੀ `script` ਨੂੰ ਬੋਲਦੇ ਅਵਤਾਰ ਵੀਡੀਓ ਵਿੱਚ ਬਦਲਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਸਿਰਜੀ ਗਈ ਆਵਾਜ਼ ਵੱਧ ਤੋਂ ਵੱਧ 180 ਸਕਿੰਟ ਦੀ ਹੁੰਦੀ ਹੈ। Jasmine, Luke ਜਾਂ Maya ਵਰਗਾ ਸਟਾਕ `avatar` ਚੁਣੋ, ਜਿਸ ਵਿੱਚ 16:9 ਰੂਪ ਵੀ ਸ਼ਾਮਲ ਹਨ। ਵਿਕਲਪਕ ਤੌਰ ’ਤੇ ਆਪਣੀ ਫੁਟੇਜ ਅਤੇ ਵੌਇਸ ਹਵਾਲਾ ਵਰਤਣ ਲਈ `video_reference_url` ਅਤੇ `audio_reference_url` ਦੋਵੇਂ ਦਿਓ; ਇਸ ਸਥਿਤੀ ਵਿੱਚ ਸਟਾਕ ਅਵਤਾਰ ਨੂੰ ਅਣਡਿੱਠਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

ਪੈਰਾਮੀਟਰ

ਨਾਮਕਿਸਮ ਡਿਫ਼ਾਲਟਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵੇਰਵਾ
scriptਲੋੜੀਂਦਾ
ਕਿਸਮstring
≤ 1,500 ਅੱਖਰ≥ 50 ਅੱਖਰ
ਸਕ੍ਰਿਪਟ, ਜਿਸ 'ਤੇ ਅੱਖਰਾਂ ਦੀ ਗਿਣਤੀ ਅਤੇ ਸਿਰਜੇ ਗਏ ਸਮੇਂ ਦੋਵਾਂ ਦੀ ਸੀਮਾ ਹੈ: ਬੋਲਣ ਦੀ ਗਤੀ ਛੋਟੀ ਸਕ੍ਰਿਪਟ ਨੂੰ ਉਸ ਸੀਮਾ ਤੋਂ ਪਾਰ ਲੈ ਜਾਵੇ, ਤਾਂ ਵੀ ਬੋਲੀ 180 ਸਕਿੰਟ ਤੋਂ ਵੱਧ ਨਹੀਂ ਹੋ ਸਕਦੀ। 50 ਤੋਂ 1,500 ਅੱਖਰ ਦਿਓ; 50 ਅੱਖਰਾਂ ਦੀ ਘੱਟੋ-ਘੱਟ ਸੀਮਾ ਆਮ ਤੌਰ 'ਤੇ ਲਗਭਗ ਚਾਰ ਸਕਿੰਟ ਦੀ ਬੋਲੀ ਦਿੰਦੀ ਹੈ।
avatarਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟJasmine
NoneAyeshaAyesha (16:9)FarhanFarhan (16:9)GiuliaGiulia (16:9)JasmineJasmine (16:9)LukeLuke (16:9)MayaMaya (16:9)MichaelMichael (16:9)Neha
+5 ਹੋਰNeha (16:9)TariqTariq (16:9)ValerieValerie (16:9)
ਸਟਾਕ ਦਿੱਖ-ਅਤੇ-ਆਵਾਜ਼ ਚੋਣ, ਜਦੋਂ video_reference_url ਅਤੇ audio_reference_url ਦੋਵੇਂ ਦਿੱਤੇ ਹੋਣ ਤਾਂ ਲੋੜੀਂਦੀ ਨਹੀਂ, ਕਿਉਂਕਿ ਉਹ ਹਵਾਲੇ ਇਸਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਬਦਲ ਦਿੰਦੇ ਹਨ। ਅਵਤਾਰ ਨੂੰ ਅਣਸੈੱਟ ਛੱਡਣ ਲਈ None ਵਰਤੋ, ਜਾਂ [avatar catalog](https://captions.ai/help/docs/api/actor-catalog) ਵਿੱਚ ਸਾਰੇ ਵਿਕਲਪਾਂ ਦਾ ਪ੍ਰੀਵਿਊ ਕਰਨ ਤੋਂ ਬਾਅਦ ਬਿਲਕੁਲ ਸਹੀ Avatar ਮੁੱਲ ਕਾਪੀ ਕਰੋ।
video_reference_urlਵਿਕਲਪਿਕ
ਕਿਸਮstring | null
ਹਵਾਲਾ-ਵੀਡੀਓ URL, ਜੋ ਚੁਣੇ ਹੋਏ ਅਵਤਾਰ ਨੂੰ ਬਦਲਦਾ ਹੈ ਅਤੇ audio_reference_url ਲਾਜ਼ਮੀ ਕਰਦਾ ਹੈ; ਵੀਡੀਓ ਵਿੱਚ ਸ਼ਾਮਲ ਕਿਸੇ ਵੀ ਆਡੀਓ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਮੀਡੀਆ ਦੀ ਲੰਬਾਈ 1 ਤੋਂ 120 ਸਕਿੰਟ, ਆਕਾਰ 1 GiB ਦੇ ਅੰਦਰ ਅਤੇ display aspect ratio 9:16 ਜਾਂ 16:9 ਦੇ 5% ਦੇ ਅੰਦਰ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ; ਸਮਰਥਿਤ codec/container ਜੋੜ ਹਨ .mp4, .mov, ਜਾਂ .m4v ਵਿੱਚ H.264, H.265/HEVC, ਜਾਂ ProRes, ਅਤੇ .webm ਵਿੱਚ VP8 ਜਾਂ VP9। ਪ੍ਰਾਪਤੀ cookies ਜਾਂ authorization headers ਤੋਂ ਬਿਨਾਂ ਜਨਤਕ HTTPS ਰਾਹੀਂ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ।
audio_reference_urlਵਿਕਲਪਿਕ
ਕਿਸਮstring | null
ਆਵਾਜ਼-ਹਵਾਲਾ HTTPS URL, ਜਿਸ ਲਈ ਨਾਲ video_reference_url ਲਾਜ਼ਮੀ ਹੈ ਅਤੇ ਚੁਣੇ ਹੋਏ ਅਵਤਾਰ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਦਾ ਹੈ; ਪ੍ਰਾਪਤੀ authorization headers ਜਾਂ cookies ਤੋਂ ਬਿਨਾਂ ਜਨਤਕ ਤੌਰ 'ਤੇ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। ਪ੍ਰੋਸੈਸਿੰਗ ਸਿਰਫ਼ ਪਹਿਲੇ 60 ਸਕਿੰਟ ਵਰਤਦੀ ਹੈ, ਪਰ ਫ਼ਾਈਲ 10 ਤੋਂ 180 ਸਕਿੰਟ ਦੀ, 64 MiB ਦੇ ਅੰਦਰ ਅਤੇ 8 ਤੋਂ 48 kHz 'ਤੇ ਇੱਕੋ ਮੋਨੋ ਜਾਂ ਸਟੀਰੀਓ ਸਟ੍ਰੀਮ ਵਾਲੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। ਮਨਜ਼ੂਰਸ਼ੁਦਾ ਫਾਰਮੈਟਾਂ ਵਿੱਚ FLAC, MP3, PCM WAV ਜਾਂ AIFF, AAC ਜਾਂ ALAC, ਅਤੇ Opus ਜਾਂ Vorbis ਸ਼ਾਮਲ ਹਨ।
ਲੋੜੀਂਦਾ

ਆਉਟਪੁੱਟ

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "mirage-api/avatar-x/text-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": 54000,
    "usd": "54.00",
    "charged": 54000,
    "refunded": 0
  },
  "input": {
    "script": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  },
  "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
    }
  },
  "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"
  }
}
ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ, ਤੁਹਾਡੀ ਚੋਣਹਰ outputs[].url ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਇੱਕ ਕਾਪੀ ਹੈ: ਹਮੇਸ਼ਾ ਲਈ ਰੱਖੀ ਜਾਂਦੀ ਹੈ (ਪ੍ਰਤੀ GB-ਮਹੀਨਾ ਭੁਗਤਾਨ) ਜਾਂ 7 ਦਿਨ ਤੱਕ ਮੁਫ਼ਤ, ਤੁਹਾਡੀ ਖਾਤਾ ਸੈਟਿੰਗ ਜਾਂ ?storage= ਅਨੁਸਾਰ।
ਹਰ ਮਾਡਲ ’ਤੇ ਇੱਕੋ ਜਿਹਾ ਰੂਪਤਸਵੀਰਾਂ, ਵੀਡੀਓ ਅਤੇ ਆਡੀਓ ਸਭ ਲਈ type, url, content_type, width, height ਅਤੇ duration। output ਮਾਡਲ ਦਾ ਆਪਣਾ ਨਤੀਜਾ ਆਬਜੈਕਟ ਹੈ।
ਆਉਟਪੁੱਟ ਦੇ ਫ਼ੀਲਡ
video
object {url, content_type, file_name, file_size}

ਹੋਰ ਮਾਡਲ: ਲਿਪਸਿੰਕ ਅਤੇ ਅਵਤਾਰ

AI ਏਜੰਟਾਂ ਲਈ: ਇਹ ਪੰਨਾ Markdown ਵਜੋਂ ਇੱਥੇ ਹੈ https://doitong.com/pa/developers/models/mirage-api/avatar-x/text-to-video.md. ਸਾਰੇ ਮਾਡਲ ਅਤੇ ਗਾਈਡ: https://doitong.com/developers/llms.txt