Avançar 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"

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

Obter chave de API
Meituan Lipsync e avatares Lipsyncaté 720p #audio-to-video

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

Meituan · Vídeo

O seu primeiro resultado aparece aqui

Crie um pedido abaixo e execute-o com a sua chave de API. As saídas são copiadas para o nosso armazenamento, guardadas para sempre ou durante 7 dias gratuitamente.

Criar um pedido

Os controlos são gerados a partir do esquema do modelo. O código e o preço são atualizados à medida que os altera.

predefinição A person is talking n...

Prompt que orienta a geração do vídeo.

•obrigatório audio_url
Largue um ficheiro ou

URL do ficheiro de áudio usado para conduzir o avatar.

resolution predefinição 480p

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

predefinição 1

Número de segmentos de vídeo, com aproximadamente 5.8s para o segmento inicial e 5s para cada segmento seguinte — cerca de 5 segundos de vídeo por segmento.

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

Prompt negativo que especifica o que a geração do vídeo deve evitar.

predefinição 50

Número de etapas de inferência executadas.

predefinição 4

Escala de orientação de texto aplicada na orientação sem classificador.

predefinição 4

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

Valor 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 este pedido

A sua chave permanece neste navegador: é enviada apenas para a Doitong API e guardada em localStorage apenas se selecionar 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. O resultado é em 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 mais altos podem exagerar o movimento.

Parâmetros

Envie o nome canónico ou o nome nativo, não ambos. Nomes canónicos

NomeTipo PredefiniçãoPermitido Descrição
audio_urlobrigatório audio
Tipourl · audio
URL do ficheiro de áudio usado para conduzir o avatar.
promptopcional
Tipostring
PredefiniçãoA person is talking naturally with natural expressions and movements.
Prompt que orienta a geração do vídeo.
negative_promptopcional
Tipostring
PredefiniçãoClose-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 que especifica o que a geração do vídeo deve evitar.
num_inference_stepsopcional
Tipointeger
Predefinição50
10 – 100
Número de etapas de inferência executadas.
text_guidance_scaleopcional
Tiponumber
Predefinição4
1 – 10
Escala de orientação de texto aplicada na orientação sem classificador.
audio_guidance_scaleopcional
Tiponumber
Predefinição4
1 – 10
Ajuste da orientação do áudio que pode exagerar o movimento da boca quando aumentado.
resolutionopcional
Tipoenum
Predefinição480p
480p720p
Resolução do vídeo de saída, 480p ou 720p.
num_segmentsopcional
Tipointeger
Predefinição1
1 – 10
Número de segmentos de vídeo, com aproximadamente 5.8s para o segmento inicial e 5s para cada segmento seguinte — cerca de 5 segundos de vídeo por segmento.
seedopcional
Tipointeger | null
Valor seed que inicializa a geração de números aleatórios.
enable_safety_checkeropcional
Tipoboolean
Predefiniçãotrue
Opção de verificação de segurança sujeita às permissões da conta: as verificações continuam obrigatórias para pedidos não autorizados e a sua desativação requer autorização.
enable_prompt_expansionopcional
Tipoboolean
Predefiniçãofalse
Opção de expansão do prompt baseada em LLM para melhorar a qualidade do vídeo através de um prompt aperfeiçoado.
obrigatório Nome canónico, também aceite

Os parâmetros de ficheiro aceitam um URL https:// público, um URI data: até 10 MB ou o file_url de um carregamento. Ficheiros

Resultado

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"
  }
}
Os seus ficheiros, a sua escolhaCada outputs[].url é uma cópia no nosso armazenamento: guardada para sempre (paga por GB-mês) ou durante 7 dias gratuitamente, conforme a definição da sua conta ou ?storage=.
A mesma estrutura em todos os modelostype, url, content_type, width, height e duration, tanto para imagens como para vídeo e áudio. output é o próprio objeto de resultado do modelo.
Campos do resultado
video
object {url, content_type, file_name, file_size}Ficheiro de vídeo produzido pela geração.
seed
integerValor da seed aplicado durante a geração.

Mais modelos: Lipsync e avatares

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