কনটেন্টে যান

H3 Max Lip Sync Image to Video

ইন্টিগ্রেট করুন

মডেল id 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"

উদাহরণের মতো ফাইল: ০.৮০$ ৮০০ API ক্রেডিট চালানোর আগে আপনার ফাইল মাপা হয় এই পেজে চালান

API কী পান
MiniMax লিপসিঙ্ক ও অ্যাভাটার নেটিভ অডিওলিপসিঙ্ক2K পর্যন্ত #lipsync#animation#audio

একটি পোর্ট্রেট ছবি ও অডিও ফাইলকে সর্বাধিক 2K লিপ-সিঙ্কযুক্ত কথা বলা ভিডিওতে রূপান্তর করে

MiniMax · ভিডিও

আপনার প্রথম ফলাফল এখানে আসবে

নিচে একটি রিকোয়েস্ট তৈরি করে আপনার API কী দিয়ে চালান। আউটপুট আমাদের স্টোরেজে কপি করা হয়, চিরকাল বা বিনামূল্যে ৭ দিন পর্যন্ত রাখা হয়।

একটি অনুরোধ তৈরি করুন

মডেল স্কিমা থেকে কন্ট্রোল তৈরি করা হয়। এগুলো পরিবর্তন করলে কোড ও মূল্য আপডেট হয়।

•আবশ্যক image_url
একটি ফাইল ড্রপ করুন, অথবা

অ্যানিমেশনের ইনপুট ছবি; শুধু 0.4–2.5 পরিসরের অ্যাসপেক্ট রেশিও গ্রহণ করা হয়।

•আবশ্যক audio_url
একটি ফাইল ড্রপ করুন, অথবা

মুখের নড়াচড়া পরিচালনাকারী অডিও, যার সমর্থিত স্থায়িত্ব 5 সেকেন্ড থেকে 15 মিনিট। জেনারেট করা ভিডিওর স্থায়িত্ব অডিওর সমান।

resolution ডিফল্ট 768P

জেনারেট করা আউটপুটের রেজোলিউশন; ছবিটির রেজোলিউশনের সবচেয়ে কাছের সমর্থিত অ্যাসপেক্ট রেশিও ব্যবহার করা হয়।

অ্যাডভান্সড seed · enable_transcription · enable_safety_checker

র‍্যান্ডম জেনারেশনের জন্য সিড; বাদ দিলে একটি র‍্যান্ডম সিড নির্বাচন করা হয়।

POST /run/minimax/h3-max/lip-sync/image-to-video?wait=20 মূল্য → ০.৮০$
# 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"

এই অনুরোধ চালান

আপনার key এই ব্রাউজারেই থাকে: এটি শুধু Doitong API-তে পাঠানো হয় এবং Remember টিক দিলে কেবল localStorage-এ সংরক্ষিত হয়। একটি API কী পান

H3 Max Lip Sync Image to Video সম্পর্কে

একটি ছবিকে অ্যানিমেট করে যাতে মুখের নড়াচড়া দেওয়া অডিও ক্লিপ অনুসরণ করে। অডিও কমপক্ষে 5 সেকেন্ডের হতে হবে, সর্বাধিক 15 মিনিট সমর্থিত, এবং আউটপুটের দৈর্ঘ্য অডিওর সমান। ছবির অ্যাসপেক্ট রেশিও 0.4 থেকে 2.5-এর মধ্যে হতে হবে। `resolution` 480P থেকে 2K পর্যন্ত, আর `enable_transcription` সিঙ্ক্রোনাইজেশন নির্দেশ করতে ট্রান্সক্রিপ্ট যোগ করতে পারে।

প্যারামিটার

ক্যানোনিকাল নাম অথবা নেটিভ নাম—দুটো একসঙ্গে নয়—পাঠান। ক্যানোনিকাল নামগুলো

নামধরন ডিফল্টঅনুমোদিত বিবরণ
image_urlআবশ্যক image
ধরনurl · image
অ্যানিমেশনের ইনপুট ছবি; শুধু 0.4–2.5 পরিসরের অ্যাসপেক্ট রেশিও গ্রহণ করা হয়।
audio_urlআবশ্যক audio
ধরনurl · audio
মুখের নড়াচড়া পরিচালনাকারী অডিও, যার সমর্থিত স্থায়িত্ব 5 সেকেন্ড থেকে 15 মিনিট। জেনারেট করা ভিডিওর স্থায়িত্ব অডিওর সমান।
resolutionঐচ্ছিক
ধরনenum
ডিফল্ট768P
480P768P1080P2K
জেনারেট করা আউটপুটের রেজোলিউশন; ছবিটির রেজোলিউশনের সবচেয়ে কাছের সমর্থিত অ্যাসপেক্ট রেশিও ব্যবহার করা হয়।
enable_transcriptionঐচ্ছিক
ধরনboolean
ডিফল্টfalse
ঠোঁট সিঙ্ক্রোনাইজেশনের জন্য ট্রান্সক্রিপ্ট সহায়তা। এটি নিষ্ক্রিয় থাকলে সিঙ্ক্রোনাইজেশন শুধু অডিও ব্যবহার করে; সক্রিয় করলে সরবরাহ করা অডিও ট্রান্সক্রাইব করে সেই ট্রান্সক্রিপ্ট নির্দেশনা হিসেবে ব্যবহার করা হয়।
seedঐচ্ছিক
ধরনinteger | null
০ – ২,১৪,৭৪,৮৩,৬৪৭
র‍্যান্ডম জেনারেশনের জন্য সিড; বাদ দিলে একটি র‍্যান্ডম সিড নির্বাচন করা হয়।
enable_safety_checkerঐচ্ছিক
ধরনboolean
ডিফল্টtrue
কনটেন্ট নিরাপত্তা স্ক্রিনিং সক্রিয় আছে কি না তা নিয়ন্ত্রণ করে।
আবশ্যক ক্যানোনিকাল নাম, এটিও গ্রহণযোগ্য

ফাইল প্যারামিটার হিসেবে একটি পাবলিক https:// URL, 10 MB পর্যন্ত একটি data: URI, অথবা আপলোডের file_url গ্রহণ করা হয়। ফাইল

আউটপুট

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"
  }
}
আপনার ফাইল, আপনার পছন্দপ্রতিটি outputs[].url আমাদের স্টোরেজে একটি কপি: চিরকাল রাখা হয় (প্রতি GB-মাস অনুযায়ী অর্থপ্রদত্ত) অথবা অ্যাকাউন্ট সেটিংস বা ?storage= অনুযায়ী বিনামূল্যে ৭ দিন পর্যন্ত।
প্রতিটি মডেলে একই গঠনছবি, ভিডিও এবং অডিও—সব ক্ষেত্রেই type, url, content_type, width, height এবং duration। output হলো মডেলের নিজস্ব ফলাফল অবজেক্ট।
আউটপুটের ফিল্ড
video
object {url, content_type, file_name, file_size}সিঙ্ক্রোনাইজড ঠোঁটের নড়াচড়া এবং সরবরাহ করা অডিও ট্র্যাকসহ ভিডিও।
seed
integerফলাফল তৈরি করতে ব্যবহৃত র‍্যান্ডম জেনারেটর সিড।
duration
numberফলাফলের স্থায়িত্ব, সেকেন্ডে পরিমাপ করা।
timings
object | nullসেকেন্ডে প্রকাশ করা টাইমিং পরিমাপ, শুধুমাত্র ব্যাকএন্ড টাইমিং রিপোর্ট করা রুটে উপলভ্য; অন্যথায় null। 'inference' এন্ট্রিতে এই রিকোয়েস্টের জন্য জেনারেট করা সব উইন্ডো জুড়ে GPU-ব্যাকএন্ড DiT ডিনয়জিংয়ের সময় একত্র করা হয়।

আরও মডেল: লিপসিঙ্ক ও অ্যাভাটার

AI এজেন্টদের জন্য: এই পৃষ্ঠাটি Markdown হিসেবে এখানে আছে https://doitong.com/bn/developers/models/minimax/h3-max/lip-sync/image-to-video.md. সব মডেল ও গাইড: https://doitong.com/developers/llms.txt