تخطّي إلى المحتوى

H3 Max Lip Sync Image to Video

التكامل

معرّف النموذج minimax/h3-max/lip-sync/image-to-video
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://vit.doitong.com/api/v1/run/minimax/h3-max/lip-sync/image-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://vit.doitong.com/api/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

ملفات مثل المثال: ⁨‏0.80 $⁩ 800 رصيد API تُقاس ملفاتك قبل التشغيل تشغيله في هذه الصفحة

الحصول على مفتاح API
MiniMax مزامنة الشفاه والصور الرمزية صوت أصليمزامنة الشفاهحتى 2K #lipsync#animation#audio

يحوّل صورة شخصية وملفًا صوتيًا إلى فيديو ناطق متزامن الشفاه، بدقة تصل إلى 2K

MiniMax · فيديو

ستظهر نتيجتك الأولى هنا

أنشئ طلبًا أدناه وشغّله باستخدام مفتاح API الخاص بك. تُنسخ المخرجات إلى تخزيننا، وتُحفظ إلى الأبد أو لمدة 7 أيام مجانًا.

إنشاء طلب

تُنشأ عناصر التحكم من مخطط النموذج. يتحدّث الرمز والسعر عند تغييرها.

•مطلوب image_url
أفلت ملفًا، أو

صورة مدخل الرسوم المتحركة؛ لا تُقبل إلا نسب الأبعاد ضمن النطاق 0.4–2.5.

•مطلوب audio_url
أفلت ملفًا، أو

الصوت الذي يوجّه حركات الفم، بمدة مدعومة تتراوح من 5 ثانية إلى 15 دقيقة. تكون مدة الفيديو المولَّد مطابقة لمدة الصوت.

resolution الافتراضي 768P

دقة المخرج المولد، باستخدام أقرب نسبة أبعاد مدعومة إلى نسبة الصورة.

متقدم seed · enable_transcription · enable_safety_checker

بذرة التوليد العشوائي؛ يؤدي حذفها إلى اختيار عشوائي.

POST /run/minimax/h3-max/lip-sync/image-to-video?wait=20 عرض السعر → ⁨‏0.80 $⁩
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://vit.doitong.com/api/v1/run/minimax/h3-max/lip-sync/image-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://vit.doitong.com/api/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

تشغيل هذا الطلب

يبقى مفتاحك في هذا المتصفح: لا يُرسل إلا إلى Doitong API ويُحفظ في localStorage فقط إذا فعّلت خيار التذكّر. الحصول على مفتاح API

حول H3 Max Lip Sync Image to Video

يحرّك صورة واحدة بحيث تتبع حركات الفم مقطعًا صوتيًا مقدّمًا. يجب ألا تقل مدة الصوت عن 5 ثوانٍ، ويدعم حتى 15 دقيقة، وتطابق مدة الناتج مدته. يجب أن تتراوح نسبة عرض الصورة إلى ارتفاعها بين 0.4 و2.5. تتراوح `resolution` من 480P إلى 2K، ويمكن لـ`enable_transcription` إضافة نص مفرّغ لتوجيه المزامنة.

المعاملات

أرسل الاسم الأساسي أو الاسم الأصلي، وليس كليهما. الأسماء الأساسية

الاسمالنوع الافتراضيمسموح الوصف
image_urlمطلوب image
النوعurl · image
صورة مدخل الرسوم المتحركة؛ لا تُقبل إلا نسب الأبعاد ضمن النطاق 0.4–2.5.
audio_urlمطلوب audio
النوعurl · audio
الصوت الذي يوجّه حركات الفم، بمدة مدعومة تتراوح من 5 ثانية إلى 15 دقيقة. تكون مدة الفيديو المولَّد مطابقة لمدة الصوت.
resolutionاختياري
النوعenum
الافتراضي768P
480P768P1080P2K
دقة المخرج المولد، باستخدام أقرب نسبة أبعاد مدعومة إلى نسبة الصورة.
enable_transcriptionاختياري
النوعboolean
الافتراضيfalse
مساعدة تفريغ لمزامنة حركة الشفاه. عند تعطيل هذا الخيار، تستخدم المزامنة الصوت وحده؛ وعند تفعيله، تُفرَّغ المادة الصوتية المقدَّمة ويُستخدم التفريغ كإرشاد.
seedاختياري
النوعinteger | null
0 – 2,147,483,647
بذرة التوليد العشوائي؛ يؤدي حذفها إلى اختيار عشوائي.
enable_safety_checkerاختياري
النوعboolean
الافتراضيtrue
تحدد ما إذا كان فحص أمان المحتوى مفعّلًا.
مطلوب الاسم الأساسي، مقبول أيضًا

تقبل معاملات الملفات عنوان URL عامًا يبدأ بـ https://، أو URI من نوع data: يصل حجمه إلى 10 MB، أو file_url لملف تم تحميله. الملفات

المخرجات

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/h3-max/lip-sync/image-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": 800,
    "usd": "0.80",
    "charged": 800,
    "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,
    "duration": 5,
    "timings": {}
  },
  "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://vit.doitong.com/api/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://vit.doitong.com/api/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
ملفاتك، خيارككل outputs[].url هو نسخة على تخزيننا: تُحفظ إلى الأبد (مع الدفع لكل غيغابايت-شهر) أو لمدة 7 أيام مجانًا، وفق إعداد حسابك أو ?storage=.
البنية نفسها في كل نموذجtype وurl وcontent_type وwidth وheight وduration للصور والفيديو والصوت على حد سواء. output هو كائن النتائج الخاص بالنموذج.
حقول المخرجات
video
object {url, content_type, file_name, file_size}فيديو بحركات شفاه متزامنة ومسار الصوت المقدَّم.
seed
integerبذرة المولّد العشوائي المستخدمة لإنتاج النتيجة.
duration
numberمدة النتيجة، مقاسة بالثواني.
timings
object | nullقياسات التوقيت معبَّرًا عنها بالثواني، ومتاحة فقط في المسارات التي تُبلغ عن توقيتات الواجهة الخلفية؛ وإلا فالقيمة null. يجمع الإدخال 'inference' مدة إزالة الضوضاء DiT على واجهة GPU الخلفية عبر جميع النوافذ المولدة لهذا الطلب.

مزيد من النماذج: مزامنة الشفاه والصور الرمزية

لوكلاء الذكاء الاصطناعي: تتوفر هذه الصفحة بصيغة Markdown على https://doitong.com/ar/developers/models/minimax/h3-max/lip-sync/image-to-video.md. جميع النماذج والأدلة: https://doitong.com/developers/llms.txt