Lumaktaw sa nilalaman

H3 Max Lip Sync Image to Video

I-integrate

ID ng modelo 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"

Mga file na katulad ng halimbawa: $0.80 800 kredito ng API sinusukat ang iyong mga file bago patakbuhin Patakbuhin ito sa page na ito

Kumuha ng API key
MiniMax · video

Dito mapupunta ang iyong unang resulta

Bumuo ng kahilingan sa ibaba at patakbuhin ito gamit ang iyong API key. Kinokopya ang mga output sa aming storage, na pinananatili nang walang hanggan o 7 araw nang libre.

Bumuo ng kahilingan

Ang mga control ay binubuo mula sa schema ng modelo. Nagbabago ang code at presyo habang ina-adjust mo ang mga ito.

•kinakailangan image_url
Mag-drop ng file, o

Input na larawan para sa animation; mga aspect ratio lamang sa loob ng saklaw na 0.4–2.5 ang tinatanggap.

•kinakailangan audio_url
Mag-drop ng file, o

Audio na nagtutulak sa galaw ng bibig, na may suportadong tagal mula 5 segundo hanggang 15 minuto. Kapareho ng audio ang tagal ng nabuong video.

resolution default na 768P

Resolution ng nabuong output, gamit ang suportadong aspect ratio na pinakamalapit sa larawan.

advanced seed · enable_transcription · enable_safety_checker

Seed para sa random na pagbuo; kapag hindi isinama, random na pipili ng isa.

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

Patakbuhin ang kahilingang ito

Nananatili ang iyong key sa browser na ito: ipinapadala lamang ito sa Doitong API at sine-save (localStorage) lamang kung pipiliin mo ang Tandaan. Kumuha ng API key

Tungkol sa H3 Max Lip Sync Image to Video

Nag-a-animate ng isang larawan upang sumunod ang galaw ng bibig sa ibinigay na audio clip. Dapat hindi bababa sa 5 segundo ang audio, sinusuportahan ang hanggang 15 minuto, at tumutugma rito ang haba ng output. Dapat nasa pagitan ng 0.4 at 2.5 ang aspect ratio ng larawan. Ang `resolution` ay mula 480P hanggang 2K, at maaaring magdagdag ang `enable_transcription` ng transcript upang gabayan ang synchronization.

Mga parameter

Ipadala ang canonical na pangalan o ang native na pangalan, hindi pareho. Mga canonical na pangalan

PangalanUri defaultPinapayagan Paglalarawan
image_urlkinakailangan image
Uriurl · image
Input na larawan para sa animation; mga aspect ratio lamang sa loob ng saklaw na 0.4–2.5 ang tinatanggap.
audio_urlkinakailangan audio
Uriurl · audio
Audio na nagtutulak sa galaw ng bibig, na may suportadong tagal mula 5 segundo hanggang 15 minuto. Kapareho ng audio ang tagal ng nabuong video.
resolutionopsyonal
Urienum
default768P
480P768P1080P2K
Resolution ng nabuong output, gamit ang suportadong aspect ratio na pinakamalapit sa larawan.
enable_transcriptionopsyonal
Uriboolean
defaultfalse
Tulong sa transcript para sa lip synchronization. Kapag disabled ito, audio lamang ang ginagamit para sa synchronization; kapag enabled, tina-transcribe ang ibinigay na audio at ginagamit ang transcript bilang gabay.
seedopsyonal
Uriinteger | null
0 – 2,147,483,647
Seed para sa random na pagbuo; kapag hindi isinama, random na pipili ng isa.
enable_safety_checkeropsyonal
Uriboolean
defaulttrue
Kinokontrol kung enabled ang content safety screening.
kinakailangan Canonical na pangalan, tinatanggap din

Tumatanggap ang mga parameter ng file ng pampublikong https:// URL, data: URI na hanggang 10 MB, o file_url ng isang upload. Mga file

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"
  }
}
Ikaw ang pumipili para sa iyong mga fileAng bawat outputs[].url ay kopya sa aming storage: pinananatili nang walang hanggan (sinisingil bawat GB-month) o 7 araw nang libre, ayon sa setting ng iyong account o ?storage=.
Parehong shape sa bawat modelotype, url, content_type, width, height at duration, para sa mga larawan, video at audio. Ang output ay sariling result object ng modelo.
Mga field ng output
video
object {url, content_type, file_name, file_size}Video na may naka-synchronize na galaw ng labi at ibinigay na audio track.
seed
integerSeed ng random generator na ginamit upang buuin ang resulta.
duration
numberTagal ng resulta, sinusukat sa segundo.
timings
object | nullMga sukat ng oras na ipinapahayag sa segundo, na available lamang sa mga route na nag-uulat ng backend timings; kung hindi, null. Pinagsasama-sama ng entry na 'inference' ang oras ng GPU-backend DiT denoising sa lahat ng window na nabuo para sa kahilingang ito.

Higit pang modelo: Lipsync at Avatar

Para sa mga AI agent: nasa Markdown ang pahinang ito sa https://doitong.com/fil/developers/models/minimax/h3-max/lip-sync/image-to-video.md. Lahat ng modelo at gabay: https://doitong.com/developers/llms.txt