Zum Inhalt springen

H3 Max Lip Sync Image to Video

Integrieren

Modell-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"

Dateien wie das Beispiel: 0,80 $ 800 API-Credits Deine Dateien werden vor der Ausführung gemessen Auf dieser Seite ausführen

API-Schlüssel abrufen
MiniMax · Video

Dein erstes Ergebnis erscheint hier

Erstelle unten eine Anfrage und führe sie mit deinem API-Schlüssel aus. Ausgaben werden in unseren Speicher kopiert und dauerhaft oder 7 Tage kostenlos aufbewahrt.

Anfrage erstellen

Die Steuerelemente werden aus dem Modellschema generiert. Code und Preis werden aktualisiert, während du sie änderst.

•erforderlich image_url
Datei ablegen oder

Eingabebild für die Animation; akzeptiert werden nur Seitenverhältnisse im Bereich 0.4–2.5.

•erforderlich audio_url
Datei ablegen oder

Audio zur Steuerung der Mundbewegungen mit einer unterstützten Dauer von 5 Sekunden bis 15 Minuten. Das generierte Video hat dieselbe Dauer wie das Audio.

resolution Standard 768P

Auflösung der generierten Ausgabe mit dem unterstützten Seitenverhältnis, das dem des Bildes am nächsten kommt.

Erweitert seed · enable_transcription · enable_safety_checker

Seed für die zufällige Generierung; ohne Angabe wird zufällig einer ausgewählt.

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

Diese Anfrage ausführen

Dein Schlüssel bleibt in diesem Browser: Er wird nur an die Doitong API gesendet und nur gespeichert (localStorage), wenn du „Merken“ aktivierst. API-Schlüssel abrufen

Über H3 Max Lip Sync Image to Video

Animiert ein einzelnes Bild, sodass die Mundbewegungen einem bereitgestellten Audioclip folgen. Das Audio muss mindestens 5 Sekunden lang sein, unterstützt bis zu 15 Minuten, und die Ausgabelänge entspricht der Audiodauer. Das Seitenverhältnis des Bildes muss zwischen 0.4 und 2.5 liegen. `resolution` reicht von 480P bis 2K, und `enable_transcription` kann ein Transkript zur Unterstützung der Synchronisierung hinzufügen.

Parameter

Sende entweder den kanonischen Namen oder den nativen Namen, nicht beide. Kanonische Namen

NameTyp StandardZulässig Beschreibung
image_urlerforderlich image
Typurl · image
Eingabebild für die Animation; akzeptiert werden nur Seitenverhältnisse im Bereich 0.4–2.5.
audio_urlerforderlich audio
Typurl · audio
Audio zur Steuerung der Mundbewegungen mit einer unterstützten Dauer von 5 Sekunden bis 15 Minuten. Das generierte Video hat dieselbe Dauer wie das Audio.
resolutionoptional
Typenum
Standard768P
480P768P1080P2K
Auflösung der generierten Ausgabe mit dem unterstützten Seitenverhältnis, das dem des Bildes am nächsten kommt.
enable_transcriptionoptional
Typboolean
Standardfalse
Transkriptionshilfe für die Lippensynchronisation. Bei Deaktivierung wird die Synchronisation ausschließlich anhand des Audios durchgeführt; bei Aktivierung wird das bereitgestellte Audio transkribiert und das Transkript als Orientierung verwendet.
seedoptional
Typinteger | null
0 – 2.147.483.647
Seed für die zufällige Generierung; ohne Angabe wird zufällig einer ausgewählt.
enable_safety_checkeroptional
Typboolean
Standardtrue
Steuert, ob die Sicherheitsprüfung von Inhalten aktiviert ist.
erforderlich Kanonischer Name, ebenfalls akzeptiert

Dateiparameter akzeptieren eine öffentliche https://-URL, eine data:-URI bis 10 MB oder die file_url eines Uploads. Dateien

Ausgabe

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"
  }
}
Deine Dateien, deine EntscheidungJede outputs[].url ist eine Kopie in unserem Speicher: dauerhaft aufbewahrt (Abrechnung pro GB-Monat) oder 7 Tage kostenlos – je nach Kontoeinstellung oder ?storage=.
Gleiche Struktur bei jedem Modelltype, url, content_type, width, height und duration – für Bilder, Video und Audio gleichermaßen. output ist das Ergebnisobjekt des Modells.
Ausgabefelder
video
object {url, content_type, file_name, file_size}Video mit synchronisierten Lippenbewegungen und der bereitgestellten Audiospur.
seed
integerSeed des Zufallsgenerators, mit dem das Ergebnis erzeugt wurde.
duration
numberDauer des Ergebnisses, gemessen in Sekunden.
timings
object | nullZeitmessungen in Sekunden, nur auf Routen verfügbar, die Backend-Zeitmessungen melden; andernfalls null. Der Eintrag 'inference' fasst die DiT-Entrauschungszeit des GPU-Backends über alle für diese Anfrage generierten Fenster zusammen.

Weitere Modelle: Lipsync & Avatare

Für KI-Agenten: Diese Seite ist als Markdown verfügbar unter https://doitong.com/de/developers/models/minimax/h3-max/lip-sync/image-to-video.md. Alle Modelle und Anleitungen: https://doitong.com/developers/llms.txt