Gå til indhold

H3 Max Lip Sync Image to Video

Integrer

Model-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"

Filer som eksemplet: 0,80 $ 800 API-kreditter dine filer måles før kørslen Kør den på denne side

Hent API-nøgle
MiniMax · Video

Dit første resultat kommer her

Opret en anmodning nedenfor, og kør den med din API-nøgle. Output kopieres til vores lagring, gemt for altid eller 7 dage gratis.

Opret en anmodning

Kontrollerne genereres fra modellens skema. Koden og prisen opdateres, når du ændrer dem.

•påkrævet image_url
Slip en fil, eller

Inputbillede til animation; kun formatforhold inden for intervallet 0.4–2.5 accepteres.

•påkrævet audio_url
Slip en fil, eller

Lyd, der styrer mundbevægelserne, med en understøttet varighed på 5 sekunder til 15 minutter. Den genererede video har samme varighed som lyden.

resolution standard 768P

Opløsning for det genererede output med det understøttede formatforhold, der ligger nærmest billedets.

Avanceret seed · enable_transcription · enable_safety_checker

Seed til tilfældig generering; udeladelse medfører et tilfældigt valg.

POST /run/minimax/h3-max/lip-sync/image-to-video?wait=20 pris → 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"

Kør denne anmodning

Din nøgle forbliver i denne browser: Den sendes kun til Doitong API og gemmes kun i localStorage, hvis du markerer Husk. Hent en API-nøgle

Om H3 Max Lip Sync Image to Video

Animerer et enkelt billede, så mundbevægelserne følger et angivet lydklip. Lyden skal være mindst 5 sekunder lang, understøtter op til 15 minutter, og outputlængden matcher den. Billedets billedformat skal være mellem 0.4 og 2.5. `resolution` går fra 480P til 2K, og `enable_transcription` kan tilføje en transskription som hjælp til synkroniseringen.

Parametre

Send enten det kanoniske navn eller det oprindelige navn, ikke begge. Kanoniske navne

NavnType StandardTilladt Beskrivelse
image_urlpåkrævet image
Typeurl · image
Inputbillede til animation; kun formatforhold inden for intervallet 0.4–2.5 accepteres.
audio_urlpåkrævet audio
Typeurl · audio
Lyd, der styrer mundbevægelserne, med en understøttet varighed på 5 sekunder til 15 minutter. Den genererede video har samme varighed som lyden.
resolutionvalgfri
Typeenum
Standard768P
480P768P1080P2K
Opløsning for det genererede output med det understøttede formatforhold, der ligger nærmest billedets.
enable_transcriptionvalgfri
Typeboolean
Standardfalse
Transskriptionshjælp til læbesynkronisering. Når dette er deaktiveret, bruger synkroniseringen kun lyd; når det aktiveres, transskriberes den leverede lyd, og transskriptionen bruges som vejledning.
seedvalgfri
Typeinteger | null
0 – 2.147.483.647
Seed til tilfældig generering; udeladelse medfører et tilfældigt valg.
enable_safety_checkervalgfri
Typeboolean
Standardtrue
Styrer, om indholdssikkerhedskontrol er aktiveret.
påkrævet Kanonisk navn, også accepteret

Filparametre accepterer en offentlig https://-URL, en data:-URI på op til 10 MB eller file_url fra en upload. Filer

Output

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"
  }
}
Dine filer, dit valgHver outputs[].url er en kopi på vores lagring: gemt for altid (betales pr. GB-måned) eller 7 dage gratis, afhængigt af din kontoindstilling eller ?storage=.
Samme struktur for alle modellertype, url, content_type, width, height og duration for billeder, video og lyd. output er modellens eget resultatobjekt.
Outputfelter
video
object {url, content_type, file_name, file_size}Video med synkroniserede læbebevægelser og det leverede lydspor.
seed
integerTilfældig generator-seed brugt til at frembringe resultatet.
duration
numberResultatets varighed, målt i sekunder.
timings
object | nullTidsmålinger angivet i sekunder, kun tilgængelige på ruter, der rapporterer backend-tider; ellers null. 'inference'-posten samler GPU-backendens DiT-denoising-tid på tværs af alle vinduer, der er genereret for denne anmodning.

Flere modeller: Lipsync og avatarer

Til AI-agenter: Denne side som Markdown findes på https://doitong.com/da/developers/models/minimax/h3-max/lip-sync/image-to-video.md. Alle modeller og vejledninger: https://doitong.com/developers/llms.txt