ข้ามไปยังเนื้อหา

Longcat Single Avatar · Audio to Video

ผสานการทำงาน

ID โมเดล 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"

ไฟล์เช่นเดียวกับตัวอย่าง: $0.90 900 เครดิต API · ≈ ₽96.82 ไฟล์ของคุณจะถูกวัดก่อนเรียกใช้ เรียกใช้ในหน้านี้

รับคีย์ API
Meituan ลิปซิงก์และอวตาร ลิปซิงก์สูงสุด 720p #audio-to-video

สร้างวิดีโออวตารพูดโดยใช้ไฟล์เสียงและพรอมต์ข้อความเท่านั้น โดยไม่ต้องมีรูปภาพต้นฉบับ

Meituan · วิดีโอ

ผลลัพธ์แรกของคุณจะแสดงที่นี่

สร้างคำขอด้านล่างและเรียกใช้ด้วยคีย์ API ของคุณ เอาต์พุตจะถูกคัดลอกไปยังพื้นที่จัดเก็บของเรา และเก็บไว้ตลอดไปหรือฟรี 7 วัน

สร้างคำขอ

ตัวควบคุมสร้างจากสคีมาของโมเดล โค้ดและราคาจะอัปเดตเมื่อคุณเปลี่ยนค่า

ค่าเริ่มต้น A person is talking n...

พรอมต์ที่กำกับการสร้างวิดีโอ

•จำเป็น audio_url
วางไฟล์ หรือ

URL ไฟล์เสียงที่ใช้ควบคุมอวตาร

resolution ค่าเริ่มต้น 480p

ความละเอียดวิดีโอเอาต์พุต ซึ่งเป็น 480p หรือ 720p

ค่าเริ่มต้น 1

จำนวนเซกเมนต์วิดีโอ โดยเซกเมนต์แรกยาวประมาณ 5.8s และแต่ละเซกเมนต์ถัดไปยาว 5s หรือประมาณ 5 วินาทีของวิดีโอต่อเซกเมนต์

ขั้นสูง negative_prompt · num_inference_steps · text_guidance_scale · audio_guidance_scale · seed · enable_safety_checker · enable_prompt_expansion
ค่าเริ่มต้น Close-up, Bright tone...

พรอมต์เชิงลบที่ระบุสิ่งที่ควรหลีกเลี่ยงในการสร้างวิดีโอ

ค่าเริ่มต้น 50

จำนวนขั้นตอนการอนุมานที่ดำเนินการ

ค่าเริ่มต้น 4

สเกล guidance ข้อความที่ใช้ใน classifier-free guidance

ค่าเริ่มต้น 4

การปรับ guidance ของเสียง ซึ่งสามารถทำให้การเคลื่อนไหวของปากเด่นชัดขึ้นเมื่อเพิ่มค่า

ค่า Seed ที่เริ่มต้นการสร้างตัวเลขสุ่ม

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

เรียกใช้คำขอนี้

คีย์ของคุณจะอยู่ในเบราว์เซอร์นี้ โดยส่งไปยัง Doitong API เท่านั้น และจะบันทึกใน localStorage ก็ต่อเมื่อคุณเลือกจดจำ รับคีย์ API

เกี่ยวกับ Longcat Single Avatar · Audio to Video

สร้างวิดีโออวตารที่ซิงค์การขยับริมฝีปากจาก `audio_url` และ `prompt` ที่อธิบายบุคคล เอาต์พุตเป็น 480p หรือ 720p `num_segments` (1 ถึง 10) กำหนดความยาว: เซกเมนต์แรกยาวประมาณ 5.8 วินาที และแต่ละเซกเมนต์ถัดไปเพิ่ม 5 วินาที `audio_guidance_scale` (1 ถึง 10) ควบคุมระดับที่เสียงพูดกำกับการขยับปาก โดยค่าที่สูงขึ้นอาจทำให้การเคลื่อนไหวเกินจริง

พารามิเตอร์

ส่งชื่อมาตรฐานหรือชื่อดั้งเดิมอย่างใดอย่างหนึ่งเท่านั้น ห้ามส่งทั้งสองชื่อ ชื่อมาตรฐาน

ชื่อประเภท ค่าเริ่มต้นค่าที่อนุญาต คำอธิบาย
audio_urlจำเป็น audio
ประเภทurl · audio
URL ไฟล์เสียงที่ใช้ควบคุมอวตาร
promptไม่บังคับ
ประเภทstring
ค่าเริ่มต้นA person is talking naturally with natural expressions and movements.
พรอมต์ที่กำกับการสร้างวิดีโอ
negative_promptไม่บังคับ
ประเภทstring
ค่าเริ่มต้นClose-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
พรอมต์เชิงลบที่ระบุสิ่งที่ควรหลีกเลี่ยงในการสร้างวิดีโอ
num_inference_stepsไม่บังคับ
ประเภทinteger
ค่าเริ่มต้น50
10 – 100
จำนวนขั้นตอนการอนุมานที่ดำเนินการ
text_guidance_scaleไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น4
1 – 10
สเกล guidance ข้อความที่ใช้ใน classifier-free guidance
audio_guidance_scaleไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น4
1 – 10
การปรับ guidance ของเสียง ซึ่งสามารถทำให้การเคลื่อนไหวของปากเด่นชัดขึ้นเมื่อเพิ่มค่า
resolutionไม่บังคับ
ประเภทenum
ค่าเริ่มต้น480p
480p720p
ความละเอียดวิดีโอเอาต์พุต ซึ่งเป็น 480p หรือ 720p
num_segmentsไม่บังคับ
ประเภทinteger
ค่าเริ่มต้น1
1 – 10
จำนวนเซกเมนต์วิดีโอ โดยเซกเมนต์แรกยาวประมาณ 5.8s และแต่ละเซกเมนต์ถัดไปยาว 5s หรือประมาณ 5 วินาทีของวิดีโอต่อเซกเมนต์
seedไม่บังคับ
ประเภทinteger | null
ค่า Seed ที่เริ่มต้นการสร้างตัวเลขสุ่ม
enable_safety_checkerไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นtrue
สวิตช์ตรวจสอบความปลอดภัยที่ขึ้นอยู่กับสิทธิ์ของบัญชี: คำขอที่ไม่ได้รับอนุญาตยังคงต้องผ่านการตรวจสอบ และการปิดใช้ต้องได้รับอนุญาต
enable_prompt_expansionไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นfalse
สวิตช์ขยายพรอมต์ด้วย LLM เพื่อปรับปรุงคุณภาพวิดีโอผ่านพรอมต์ที่ได้รับการปรับปรุง
จำเป็น ชื่อมาตรฐาน ซึ่งรองรับเช่นกัน

พารามิเตอร์ไฟล์รับ URL https:// สาธารณะ, data: URI ขนาดไม่เกิน 10 MB หรือ file_url ของไฟล์ที่อัปโหลด ไฟล์

เอาต์พุต

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"
  }
}
ไฟล์ของคุณ คุณเลือกเองทุก outputs[].url คือสำเนาบนพื้นที่จัดเก็บของเรา: เก็บไว้ตลอดไป (คิดค่าบริการต่อ GB-เดือน) หรือฟรี 7 วัน โดยกำหนดได้ในการตั้งค่าบัญชีหรือ ?storage=
รูปแบบเดียวกันในทุกโมเดลtype, url, content_type, width, height และ duration สำหรับภาพ วิดีโอ และเสียงเหมือนกันทั้งหมด ส่วน output คือออบเจ็กต์ผลลัพธ์ของโมเดลเอง
ฟิลด์ของเอาต์พุต
video
object {url, content_type, file_name, file_size}ไฟล์วิดีโอที่สร้างขึ้น
seed
integerค่า Seed ที่ใช้ระหว่างการสร้าง

โมเดลเพิ่มเติม: ลิปซิงก์และอวตาร

สำหรับเอเจนต์ AI: หน้า Markdown นี้อยู่ที่ https://doitong.com/th/developers/models/longcat-single-avatar/audio-to-video.md. โมเดลและคู่มือทั้งหมด: https://doitong.com/developers/llms.txt