Léim chuig an ábhar

H3 Max Lip Sync Image to Video

Comhtháthú

Aitheantas na samhla 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"

Comhaid cosúil leis an sampla: $0.80 800 gcreidmheas API déantar do chuid comhad a thomhas roimh an rith Rith ar an leathanach seo

Faigh eochair API
MiniMax Sioncronú Liopaí agus Abhatáir Fuaim dhúchasachSioncronú liopaísuas le 2K #lipsync#animation#audio

Tiontaíonn sé íomhá portráide agus comhad fuaime ina fhíseán cainte sioncronaithe liopaí, suas le 2K

MiniMax · Físeán

Beidh do chéad toradh anseo

Tóg iarratas thíos agus rith é le d’eochair API. Cóipeáiltear na haschuir chuig ár stóráil, coinnithe go deo nó ar feadh 7 lá saor in aisce.

Tóg iarratas

Gintear na rialtáin ó scéim na samhla. Nuashonraítear an cód agus an praghas de réir mar a athraíonn tú iad.

•riachtanach image_url
Scaoil comhad, nó

Íomhá ionchuir bheochana; ní ghlactar ach le cóimheasa gné sa raon 0.4–2.5.

•riachtanach audio_url
Scaoil comhad, nó

Fuaim a spreagann gluaiseachtaí an bhéil, le fad tacaithe ó 5 shoicind go 15 nóiméad. Tá an fad céanna leis an bhfuaim ag an bhfíseán a gineadh.

resolution réamhshocrú 768P

Taifeach an aschuir a gineadh, agus an cóimheas gné tacaithe is gaire do chóimheas na híomhá á úsáid.

Ardleibhéal seed · enable_transcription · enable_safety_checker

Síol don ghiniúint randamach; má fhágtar ar lár é, roghnaítear ceann go randamach.

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

Rith an t-iarratas seo

Fanann d'eochair sa bhrabhsálaí seo: seoltar chuig Doitong API amháin í agus sábháiltear (localStorage) í ach amháin má chuireann tú tic le Meabhraigh. Faigh eochair API

Maidir le H3 Max Lip Sync Image to Video

Beochann sé íomhá aonair ionas go leanann gluaiseachtaí an bhéil gearrthóg fuaime soláthraithe. Caithfidh an fhuaim a bheith 5 soicind ar a laghad, tacaíonn sí le suas le 15 nóiméad, agus meaitseálann fad an aschuir í. Caithfidh cóimheas gnéithe na híomhá a bheith idir 0.4 agus 2.5. Réimsíonn `resolution` ó 480P go 2K, agus is féidir le `enable_transcription` tras-scríbhinn a chur leis chun an sioncrónú a threorú.

Paraiméadair

Seol an t-ainm canónach nó an t-ainm dúchasach, ní an dá cheann. Ainmneacha canónacha

AinmCineál RéamhshocrúCeadaithe Cur síos
image_urlriachtanach image
Cineálurl · image
Íomhá ionchuir bheochana; ní ghlactar ach le cóimheasa gné sa raon 0.4–2.5.
audio_urlriachtanach audio
Cineálurl · audio
Fuaim a spreagann gluaiseachtaí an bhéil, le fad tacaithe ó 5 shoicind go 15 nóiméad. Tá an fad céanna leis an bhfuaim ag an bhfíseán a gineadh.
resolutionroghnach
Cineálenum
Réamhshocrú768P
480P768P1080P2K
Taifeach an aschuir a gineadh, agus an cóimheas gné tacaithe is gaire do chóimheas na híomhá á úsáid.
enable_transcriptionroghnach
Cineálboolean
Réamhshocrúfalse
Cúnamh tras-scríofa do shioncronú na liopaí. Nuair atá sé seo díchumasaithe, úsáideann an sioncronú an fhuaim amháin; nuair a chumasaítear é, tras-scríobhann sé an fhuaim a soláthraíodh agus úsáideann sé an tras-scríbhinn sin mar threoir.
seedroghnach
Cineálinteger | null
0 – 2,147,483,647
Síol don ghiniúint randamach; má fhágtar ar lár é, roghnaítear ceann go randamach.
enable_safety_checkerroghnach
Cineálboolean
Réamhshocrútrue
Rialaíonn sé an bhfuil scagadh sábháilteachta ábhair cumasaithe.
riachtanach Ainm canónach, glactar leis freisin

Glacann paraiméadair chomhaid le URL poiblí https://, URI data: suas le 10 MB, nó file_url uaslódála. Comhaid

Aschur

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"
  }
}
Do chuid comhad, do roghaIs cóip ar ár stóráil é gach outputs[].url: coinnithe go deo (íoctha in aghaidh GB-mhí) nó ar feadh 7 lá saor in aisce, de réir shocrú do chuntais nó ?storage=.
An cruth céanna ar gach samhailtype, url, content_type, width, height agus duration, d'íomhánna, d'fhíseáin agus d'fhuaim araon. Is é output réad toraidh na samhla féin.
Réimsí aschuir
video
object {url, content_type, file_name, file_size}Físeán le gluaiseachtaí sioncronaithe na liopaí agus an rian fuaime a soláthraíodh.
seed
integerSíol gineadóra randamaí a úsáideadh chun an toradh a tháirgeadh.
duration
numberFad an toraidh, tomhaiste i soicindí.
timings
object | nullTomhais ama arna sloinneadh i soicindí, ar fáil ar bhealaí amháin a thuairiscíonn uainiú an inneall; murach sin null. Comhtháthaíonn an iontráil 'inference' am dínóisiúlaithe DiT ar inneall GPU thar na fuinneoga uile a gineadh don iarratas seo.

Tuilleadh samhlacha: Sioncronú Liopaí agus Abhatáir

Do ghníomhairí AI: tá an leathanach seo mar Markdown ag https://doitong.com/ga/developers/models/minimax/h3-max/lip-sync/image-to-video.md. Gach samhail agus treoir: https://doitong.com/developers/llms.txt