உள்ளடக்கத்திற்குச் செல்க

Longcat Single Avatar · Image Audio to Video

ஒருங்கிணை

மாடல் 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"

எடுத்துக்காட்டு போன்ற கோப்புகள்: $0.90 900 API கிரெடிட்கள் · ≈ ₽96.58 இயக்குவதற்கு முன் உங்கள் கோப்புகள் அளவிடப்படும் இந்தப் பக்கத்தில் இயக்குங்கள்

API விசையைப் பெறுக
Meituan உதட்டு ஒத்திசைவு & அவதார்கள் உதட்டு ஒத்திசைவு720p வரை #audio-to-video#image-to-video

வழங்கப்பட்ட உருவப்படப் படத்தை ஆடியோ தடத்தைப் பின்பற்றும், உதடு ஒத்திசைக்கப்பட்ட பேசும் வீடியோவாக அசைவூட்டுகிறது

Meituan · வீடியோ

உங்கள் முதல் முடிவு இங்கே வரும்

கீழே ஒரு கோரிக்கையை உருவாக்கி, உங்கள் API விசையுடன் இயக்குங்கள். வெளியீடுகள் எங்கள் சேமிப்பகத்தில் நகலெடுக்கப்பட்டு, நிரந்தரமாக அல்லது இலவசமாக 7 நாட்கள் வைக்கப்படும்.

கோரிக்கையை உருவாக்கு

மாடல் ஸ்கீமாவிலிருந்து கட்டுப்பாடுகள் உருவாக்கப்படுகின்றன. அவற்றை மாற்றும்போது குறியீடும் விலையும் புதுப்பிக்கப்படும்.

இயல்புநிலை A person is talking n...

வீடியோ உருவாக்கத்தை வழிநடத்தும் ப்ராம்ப்ட்.

•தேவை image_url
கோப்பை விடுங்கள் அல்லது

அனிமேஷன் செய்யப்படும் படத்தைக் குறிக்கும் URL.

•தேவை audio_url
கோப்பை விடுங்கள் அல்லது

avatar-ஐ இயக்கப் பயன்படுத்தப்படும் ஆடியோ கோப்பு URL.

resolution இயல்புநிலை 480p

வெளியீட்டு வீடியோவின் தெளிவுத்திறன், 480p அல்லது 720p.

இயல்புநிலை 1

வீடியோப் பகுதிகளின் எண்ணிக்கை; தொடக்கப் பகுதிக்கு சுமார் 5.8s மற்றும் ஒவ்வொரு அடுத்த பகுதிக்கும் 5s—ஒவ்வொரு பகுதிக்கும் சுமார் 5 வினாடி வீடியோ.

மேம்பட்டவை negative_prompt · num_inference_steps · text_guidance_scale · audio_guidance_scale · seed · enable_safety_checker · enable_prompt_expansion
இயல்புநிலை Close-up, Bright tone...

வீடியோ உருவாக்கம் தவிர்க்க வேண்டியவற்றைக் குறிப்பிடும் எதிர்மறைப் ப்ராம்ப்ட்.

இயல்புநிலை 50

மேற்கொள்ளப்பட்ட inference படிகளின் எண்ணிக்கை.

இயல்புநிலை 4

classifier-free guidance-ல் பயன்படுத்தப்படும் உரை guidance scale.

இயல்புநிலை 4

அதிகரிக்கும்போது வாயின் இயக்கத்தை மிகைப்படுத்தக்கூடிய ஆடியோ guidance சரிசெய்தல்.

சீரற்ற எண் உருவாக்கத்தைத் தொடங்கும் விதை மதிப்பு.

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

இந்தக் கோரிக்கையை இயக்கு

உங்கள் key இந்த உலாவியில் மட்டுமே இருக்கும்: அது Doitong API-க்கு மட்டும் அனுப்பப்படும்; Remember-ஐத் தேர்ந்தெடுத்தால் மட்டுமே (localStorage)-ல் சேமிக்கப்படும். API விசையைப் பெறுங்கள்

Longcat Single Avatar · Image Audio to Video பற்றி

அசைவூட்ட வேண்டிய `image_url`-ஐ பேச்சை இயக்கும் `audio_url` உடன் இணைக்கிறது; இதனால் அவதார் உங்கள் படத்தின் தோற்றத்தைத் தக்கவைக்கிறது. தெளிவுத்திறன் 480p அல்லது 720p ஆகும்; 1 முதல் 10 வரையிலான `num_segments` கிளிப்பை நீட்டிக்கும்: முதல் பகுதி சுமார் 5.8 வினாடிகள், ஒவ்வொரு கூடுதல் பகுதிக்கும் 5 வினாடிகள். `text_guidance_scale`, `audio_guidance_scale` (இரண்டும் 1 முதல் 10 வரை) மற்றும் `num_inference_steps` (10 முதல் 100 வரை) ஆகியவற்றைச் சரிசெய்யவும்.

அளவுருக்கள்

நியமப் பெயர் அல்லது நேட்டிவ் பெயர் இரண்டில் ஒன்றை மட்டும் அனுப்பவும். நியமப் பெயர்கள்

பெயர்வகை இயல்புநிலைஅனுமதிக்கப்பட்டது விளக்கம்
image_urlதேவை image
வகைurl · image
அனிமேஷன் செய்யப்படும் படத்தைக் குறிக்கும் URL.
audio_urlதேவை audio
வகைurl · audio
avatar-ஐ இயக்கப் பயன்படுத்தப்படும் ஆடியோ கோப்பு URL.
promptவிருப்பத்தேர்வு
வகைstring
இயல்புநிலைA person is talking naturally with natural expressions and movements.
வீடியோ உருவாக்கத்தை வழிநடத்தும் ப்ராம்ப்ட்.
negative_promptவிருப்பத்தேர்வு
வகைstring
இயல்புநிலைClose-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
வீடியோ உருவாக்கம் தவிர்க்க வேண்டியவற்றைக் குறிப்பிடும் எதிர்மறைப் ப்ராம்ப்ட்.
num_inference_stepsவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை50
10 – 100
மேற்கொள்ளப்பட்ட inference படிகளின் எண்ணிக்கை.
text_guidance_scaleவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை4
1 – 10
classifier-free guidance-ல் பயன்படுத்தப்படும் உரை guidance scale.
audio_guidance_scaleவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை4
1 – 10
அதிகரிக்கும்போது வாயின் இயக்கத்தை மிகைப்படுத்தக்கூடிய ஆடியோ guidance சரிசெய்தல்.
resolutionவிருப்பத்தேர்வு
வகைenum
இயல்புநிலை480p
480p720p
வெளியீட்டு வீடியோவின் தெளிவுத்திறன், 480p அல்லது 720p.
num_segmentsவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை1
1 – 10
வீடியோப் பகுதிகளின் எண்ணிக்கை; தொடக்கப் பகுதிக்கு சுமார் 5.8s மற்றும் ஒவ்வொரு அடுத்த பகுதிக்கும் 5s—ஒவ்வொரு பகுதிக்கும் சுமார் 5 வினாடி வீடியோ.
seedவிருப்பத்தேர்வு
வகைinteger | null
சீரற்ற எண் உருவாக்கத்தைத் தொடங்கும் விதை மதிப்பு.
enable_safety_checkerவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைtrue
கணக்கு அனுமதிகளுக்கு உட்பட்ட பாதுகாப்புச் சரிபார்ப்பு நிலைமாற்றி: அங்கீகரிக்கப்படாத கோரிக்கைகளுக்கு சரிபார்ப்புகள் கட்டாயமாகவே இருக்கும்; அவற்றை முடக்க அங்கீகாரம் தேவை.
enable_prompt_expansionவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைfalse
மேம்படுத்தப்பட்ட ப்ராம்ப்ட் மூலம் வீடியோத் தரத்தை உயர்த்தும் LLM அடிப்படையிலான ப்ராம்ப்ட் விரிவாக்க நிலைமாற்றி.
தேவை நியமப் பெயர், இதுவும் ஏற்கப்படும்

கோப்பு அளவுருக்கள் பொதுவான https:// URL, 10 MB வரையிலான data: URI அல்லது பதிவேற்றத்தின் file_url-ஐ ஏற்கும். கோப்புகள்

வெளியீடு

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"
  }
}
உங்கள் கோப்புகள், உங்கள் தேர்வுஒவ்வொரு outputs[].url-ம் எங்கள் சேமிப்பகத்தில் உள்ள ஒரு நகல்: நிரந்தரமாக (GB-மாதத்திற்கு கட்டணம்) அல்லது உங்கள் கணக்கு அமைப்பு அல்லது ?storage= மூலம் இலவசமாக 7 நாட்கள் வைக்கப்படும்.
ஒவ்வொரு மாடலிலும் ஒரே வடிவம்படங்கள், வீடியோ மற்றும் ஆடியோ ஆகிய அனைத்திற்குமான type, url, content_type, width, height மற்றும் duration. output என்பது மாதிரியின் சொந்த முடிவு பொருளாகும்.
வெளியீட்டின் புலங்கள்
video
object {url, content_type, file_name, file_size}உருவாக்கத்தால் தயாரிக்கப்படும் வீடியோ கோப்பு.
seed
integerஉருவாக்கத்தின்போது பயன்படுத்தப்படும் விதை மதிப்பு.

மேலும் மாதிரிகள்: உதட்டு ஒத்திசைவு & அவதார்கள்

AI ஏஜெண்டுகளுக்கு: இந்தப் பக்கம் Markdown வடிவில் இங்கே உள்ளது https://doitong.com/ta/developers/models/longcat-single-avatar/image-audio-to-video.md. அனைத்து மாடல்களும் வழிகாட்டிகளும்: https://doitong.com/developers/llms.txt