Passer au contenu

H3 Max Lip Sync Image to Video

Intégrer

Identifiant du modèle 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"

Fichiers comme dans l’exemple: 0,80 $ 800 crédits API vos fichiers sont mesurés avant l’exécution L’exécuter sur cette page

Obtenir une clé API
MiniMax · Vidéo

Votre premier résultat apparaîtra ici

Construisez une requête ci-dessous et exécutez-la avec votre clé API. Les sorties sont copiées dans notre stockage, conservées indéfiniment ou 7 jours gratuitement.

Créer une requête

Les contrôles sont générés à partir du schéma du modèle. Le code et le prix se mettent à jour lorsque vous les modifiez.

•requis image_url
Déposez un fichier, ou

Image d'entrée d'animation ; seuls les rapports hauteur/largeur compris entre 0.4 et 2.5 sont acceptés.

•requis audio_url
Déposez un fichier, ou

Audio pilotant les mouvements de la bouche, avec une durée prise en charge de 5 secondes à 15 minutes. La vidéo générée a la même durée que l'audio.

resolution par défaut 768P

Résolution de la sortie générée, utilisant le rapport hauteur/largeur pris en charge le plus proche de celui de l'image.

Avancé seed · enable_transcription · enable_safety_checker

Graine pour la génération aléatoire ; son omission entraîne une sélection aléatoire.

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

Exécuter cette requête

Votre clé reste dans ce navigateur : elle est envoyée uniquement à la Doitong API et enregistrée dans localStorage uniquement si vous cochez Mémoriser. Obtenir une clé API

À propos de H3 Max Lip Sync Image to Video

Anime une image unique afin que les mouvements de la bouche suivent un extrait audio fourni. L'audio doit durer au moins 5 secondes, prend en charge jusqu'à 15 minutes et la durée de sortie lui correspond. Le ratio de l'image doit être compris entre 0.4 et 2.5. `resolution` va de 480P à 2K et `enable_transcription` peut ajouter une transcription pour guider la synchronisation.

Paramètres

Envoyez soit le nom canonique, soit le nom natif, mais pas les deux. Noms canoniques

NomType Par défautAutorisé Description
image_urlrequis image
Typeurl · image
Image d'entrée d'animation ; seuls les rapports hauteur/largeur compris entre 0.4 et 2.5 sont acceptés.
audio_urlrequis audio
Typeurl · audio
Audio pilotant les mouvements de la bouche, avec une durée prise en charge de 5 secondes à 15 minutes. La vidéo générée a la même durée que l'audio.
resolutionfacultatif
Typeenum
Par défaut768P
480P768P1080P2K
Résolution de la sortie générée, utilisant le rapport hauteur/largeur pris en charge le plus proche de celui de l'image.
enable_transcriptionfacultatif
Typeboolean
Par défautfalse
Assistance à la transcription pour la synchronisation labiale. Lorsque cette option est désactivée, la synchronisation utilise uniquement l'audio ; lorsqu'elle est activée, elle transcrit l'audio fourni et utilise cette transcription comme guide.
seedfacultatif
Typeinteger | null
0 – 2 147 483 647
Graine pour la génération aléatoire ; son omission entraîne une sélection aléatoire.
enable_safety_checkerfacultatif
Typeboolean
Par défauttrue
Contrôle l'activation du filtrage de sécurité du contenu.
requis Nom canonique, également accepté

Les paramètres de fichier acceptent une URL publique https://, un URI data: jusqu’à 10 MB ou le file_url d’un téléversement. Fichiers

Sortie

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"
  }
}
Vos fichiers, votre choixChaque outputs[].url est une copie dans notre stockage : conservée indéfiniment (facturation au Go-mois) ou 7 jours gratuitement, selon le réglage de votre compte ou ?storage=.
Même structure pour chaque modèletype, url, content_type, width, height et duration, pour les images, vidéos et fichiers audio. output est le propre objet de résultat du modèle.
Champs de sortie
video
object {url, content_type, file_name, file_size}Vidéo avec mouvements des lèvres synchronisés et piste audio fournie.
seed
integerGraine du générateur aléatoire utilisée pour produire le résultat.
duration
numberDurée du résultat, mesurée en secondes.
timings
object | nullMesures de durée exprimées en secondes, disponibles uniquement sur les routes qui indiquent les durées du backend ; sinon null. L'entrée 'inference' cumule la durée du débruitage DiT sur le backend GPU pour toutes les fenêtres générées lors de cette requête.

Plus de modèles : Synchronisation labiale et avatars

Pour les agents IA : cette page au format Markdown est disponible à https://doitong.com/fr/developers/models/minimax/h3-max/lip-sync/image-to-video.md. Tous les modèles et guides : https://doitong.com/developers/llms.txt