Ir para o conteúdo

Longcat Single Avatar · Audio to Video

Integrar

ID do 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"

Arquivos como o exemplo: $ 0,90 900 créditos de API · ≈ ₽ 96,58 seus arquivos são medidos antes da execução Executar nesta página

Obter chave de API
Meituan Sincronização labial e avatares Sincronização labialaté 720p #audio-to-video

Cria um vídeo de avatar falante orientado apenas por um arquivo de áudio e um prompt de texto, sem imagem de origem

Meituan · Vídeo

Seu primeiro resultado aparecerá aqui

Monte uma requisição abaixo e execute-a com sua chave de API. As saídas são copiadas para nosso armazenamento, mantidas para sempre ou por 7 dias gratuitamente.

Criar uma solicitação

Os controles são gerados a partir do esquema do modelo. O código e o preço são atualizados conforme você os altera.

padrão A person is talking n...

Prompt que orienta a geração de vídeo.

•obrigatório audio_url
Solte um arquivo ou

URL do arquivo de áudio usado para conduzir o avatar.

resolution padrão 480p

Resolução do vídeo de saída, 480p ou 720p.

padrão 1

Quantidade de segmentos de vídeo, com aproximadamente 5.8s para o segmento inicial e 5s para cada segmento subsequente — cerca de 5 segundo de vídeo por segmento.

Avançado negative_prompt · num_inference_steps · text_guidance_scale · audio_guidance_scale · seed · enable_safety_checker · enable_prompt_expansion
padrão Close-up, Bright tone...

Prompt negativo especificando o que a geração de vídeo deve evitar.

padrão 50

Quantidade de etapas de inferência realizadas.

padrão 4

Escala de orientação de texto aplicada na orientação sem classificador.

padrão 4

Ajuste da orientação de áudio que pode exagerar o movimento da boca quando aumentado.

Valor de seed que inicializa a geração de números aleatórios.

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

Executar esta solicitação

Sua chave permanece neste navegador: ela é enviada somente à Doitong API e salva (localStorage) apenas se você marcar Lembrar. Obter uma chave de API

Sobre Longcat Single Avatar · Audio to Video

Gera um vídeo de avatar com sincronização labial a partir de `audio_url` e de um `prompt` que descreve a pessoa. A saída é 480p ou 720p. `num_segments` (1 a 10) define a duração: o primeiro segmento tem cerca de 5.8 segundos e cada segmento adicional acrescenta 5 segundos. `audio_guidance_scale` (1 a 10) controla a intensidade com que a fala orienta a boca, e valores maiores podem exagerar o movimento.

Parâmetros

Envie o nome canônico ou o nome nativo, não ambos. Nomes canônicos

NomeTipo PadrãoPermitido Descrição
audio_urlobrigatório audio
Tipourl · audio
URL do arquivo de áudio usado para conduzir o avatar.
promptopcional
Tipostring
PadrãoA person is talking naturally with natural expressions and movements.
Prompt que orienta a geração de vídeo.
negative_promptopcional
Tipostring
PadrãoClose-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 negativo especificando o que a geração de vídeo deve evitar.
num_inference_stepsopcional
Tipointeger
Padrão50
10 – 100
Quantidade de etapas de inferência realizadas.
text_guidance_scaleopcional
Tiponumber
Padrão4
1 – 10
Escala de orientação de texto aplicada na orientação sem classificador.
audio_guidance_scaleopcional
Tiponumber
Padrão4
1 – 10
Ajuste da orientação de áudio que pode exagerar o movimento da boca quando aumentado.
resolutionopcional
Tipoenum
Padrão480p
480p720p
Resolução do vídeo de saída, 480p ou 720p.
num_segmentsopcional
Tipointeger
Padrão1
1 – 10
Quantidade de segmentos de vídeo, com aproximadamente 5.8s para o segmento inicial e 5s para cada segmento subsequente — cerca de 5 segundo de vídeo por segmento.
seedopcional
Tipointeger | null
Valor de seed que inicializa a geração de números aleatórios.
enable_safety_checkeropcional
Tipoboolean
Padrãotrue
Alternância de verificação de segurança sujeita às permissões da conta: as verificações continuam obrigatórias para requisições não autorizadas, e desativá-las exige autorização.
enable_prompt_expansionopcional
Tipoboolean
Padrãofalse
Alternância de expansão de prompt baseada em LLM para melhorar a qualidade do vídeo por meio de um prompt aprimorado.
obrigatório Nome canônico, também aceito

Os parâmetros de arquivo aceitam uma URL https:// pública, um URI data: de até 10 MB ou o file_url de um upload. Arquivos

Saída

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"
  }
}
Seus arquivos, sua escolhaCada outputs[].url é uma cópia em nosso armazenamento: mantida para sempre (cobrada por GB-mês) ou por 7 dias gratuitamente, conforme a configuração da sua conta ou ?storage=.
Mesmo formato em todos os modelostype, url, content_type, width, height e duration, para imagens, vídeos e áudios. output é o próprio objeto de resultado do modelo.
Campos da saída
video
object {url, content_type, file_name, file_size}Arquivo de vídeo produzido pela geração.
seed
integerValor de seed aplicado durante a geração.

Mais modelos: Sincronização labial e avatares

Para agentes de IA: esta página em Markdown está em https://doitong.com/pt-BR/developers/models/longcat-single-avatar/audio-to-video.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt