Leum chun t-susbaint

H3 Max Lip Sync Image to Video

Amalaich

ID a’ mhodail 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"

Faidhlichean mar an eisimpleir: $0.80 800 creideasan API thèid na faidhlichean agad a thomhas ron ruith Ruith e air an duilleig seo

Faigh iuchair API
MiniMax Sioncronadh bilean & Ava­taran Fuaim dùthchasachSioncronadh bileansuas ri 2K #lipsync#animation#audio

Tionndaidh ìomhaigh dhealbhan agus faidhle fuaim gu bhidio labhairt le sioncronadh bhilean, suas ri 2K

MiniMax · Bhidio

Thèid a’ chiad toradh agad an-seo

Tog iarrtas gu h-ìosal agus ruith e leis an iuchair API agad. Tha na h-às-churan air an lethbhreacadh dhan stòradh againn, air an cumail gu bràth no 7 latha an-asgaidh.

Tog iarrtas

Tha na smachdan air an cruthachadh bho sgeama a’ mhodail. Bidh an còd agus a’ phrìs ag ùrachadh fhad ’s a dh’atharraicheas tu iad.

•riatanach image_url
Leig às faidhle, no

Ìomhaigh in-chur beòthalachd; cha ghabhar ri co-mheasan taobh ach taobh a-staigh raon 0.4–2.5.

•riatanach audio_url
Leig às faidhle, no

Claisneachd a’ stiùireadh gluasadan beòil, le fad le taic bho 5 diog gu 15 mionaid. Bidh an aon fhad ris a’ chlaisneachd aig a’ bhidio a chaidh a ghineadh.

resolution bun-roghainn 768P

Dùmhlachd-bhreacaidh an às-chuir a chaidh a ghineadh, a’ cleachdadh a’ cho-mheas taobh le taic as fhaisge air co-mheas na h-ìomhaigh.

Adhartach seed · enable_transcription · enable_safety_checker

Sìol airson gineadh air thuaiream; ma thèid fhàgail às, thèid taghadh air thuaiream a dhèanamh.

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

Ruith an t-iarrtas seo

Fuirichidh an iuchair agad sa bhrobhsair seo: thèid a cur chun Doitong API a-mhàin agus a sàbhaladh (localStorage) a-mhàin ma chuireas tu comharra ri Cuimhnich. Faigh iuchair API

Mu H3 Max Lip Sync Image to Video

Beothaich aon ìomhaigh gus am bi gluasadan a’ bheòil a’ leantainn criomag fuaim a chaidh a thoirt seachad. Feumaidh am fuaim a bhith co-dhiù 5 diogan a dh’fhaid, gabhaidh e ri suas ri 15 mionaidean, agus bidh fad an toraidh co-ionann ris. Feumaidh co-mheas taobh na h-ìomhaighe a bhith eadar 0.4 agus 2.5. Tha `resolution` eadar 480P agus 2K, agus faodaidh `enable_transcription` tar-sgrìobhadh a chur ris gus an sioncronadh a stiùireadh.

Paramadairean

Cuir an t-ainm canonical no an t-ainm dùthchasach, chan e an dà chuid. Ainmean canonical

AinmSeòrsa Bun-roghainnCeadaichte Tuairisgeul
image_urlriatanach image
Seòrsaurl · image
Ìomhaigh in-chur beòthalachd; cha ghabhar ri co-mheasan taobh ach taobh a-staigh raon 0.4–2.5.
audio_urlriatanach audio
Seòrsaurl · audio
Claisneachd a’ stiùireadh gluasadan beòil, le fad le taic bho 5 diog gu 15 mionaid. Bidh an aon fhad ris a’ chlaisneachd aig a’ bhidio a chaidh a ghineadh.
resolutionroghainneil
Seòrsaenum
Bun-roghainn768P
480P768P1080P2K
Dùmhlachd-bhreacaidh an às-chuir a chaidh a ghineadh, a’ cleachdadh a’ cho-mheas taobh le taic as fhaisge air co-mheas na h-ìomhaigh.
enable_transcriptionroghainneil
Seòrsaboolean
Bun-roghainnfalse
Taic tar-sgrìobhaidh airson sioncronadh nam bilean. Nuair a tha seo ciorramach, cleachdaidh sioncronadh claisneachd a-mhàin; le bhith ga chur an comas tar-sgrìobhaidh e a’ chlaisneachd a chaidh a sholarachadh agus cleachdaidh e an tar-sgrìobhadh sin mar stiùireadh.
seedroghainneil
Seòrsainteger | null
0 – 2,147,483,647
Sìol airson gineadh air thuaiream; ma thèid fhàgail às, thèid taghadh air thuaiream a dhèanamh.
enable_safety_checkerroghainneil
Seòrsaboolean
Bun-roghainntrue
A’ riaghladh a bheil sgrìonadh sàbhailteachd susbaint an comas.
riatanach Ainm canonical, gabhar ris cuideachd

Gabhaidh paramadairean faidhle ri URL poblach https://, URI data: suas ri 10 MB, no file_url de luchdachadh suas. Faidhlichean

Toradh

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"
  }
}
Na faidhlichean agad, do roghainnTha gach outputs[].url na lethbhreac air an stòradh againn: air a chumail gu bràth (air a phàigheadh gach GB-mìos) no 7 latha an-asgaidh, a rèir suidheachadh a’ chunntais agad no ?storage=.
An aon chruth air gach modailtype, url, content_type, width, height agus duration, airson dealbhan, bhidio agus fuaim le chèile. ’S e output nì toraidh a’ mhodail fhèin.
Raointean toraidh
video
object {url, content_type, file_name, file_size}Bhidio le gluasadan bilean sioncronaichte agus an clàr-fuaim a chaidh a sholarachadh.
seed
integerSìol gineadair air thuaiream a chaidh a chleachdadh gus an toradh a chruthachadh.
duration
numberFad an toraidh, air a thomhas ann an diogan.
timings
object | nullTomhasan tìmeachaidh air an cur an cèill ann an diogan, rim faighinn a-mhàin air puingean-crìche a bhios ag aithris tìmeachadh backend; air neo null. Bidh an inntrigeadh 'inference' a’ cruinneachadh ùine dì-noising DiT air backend GPU thar nan uinneagan uile a chaidh a ghineadh airson an iarrtais seo.

Barrachd mhodalan: Sioncronadh bilean & Ava­taran

Do riochdairean AI: tha an duilleag seo mar Markdown aig https://doitong.com/gd/developers/models/minimax/h3-max/lip-sync/image-to-video.md. Na modailean agus na treòraichean uile: https://doitong.com/developers/llms.txt