Sleppa yfir í efni

H3 Max Lip Sync Image to Video

Tengja

Auðkenni líkans 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"

Skrár eins og dæmið: 0,80 $ 800 API-inneignir skrárnar þínar eru mældar áður en keyrt er Keyra á þessari síðu

Fá API-lykil
MiniMax · Myndband

Fyrsta niðurstaðan þín birtist hér

Búðu til beiðni hér að neðan og keyrðu hana með API-lyklinum þínum. Úttök eru afrituð í geymsluna okkar og geymd að eilífu eða 7 dagar án kostnaðar.

Búa til beiðni

Stýringar eru búnar til út frá líkanaskemanu. Kóðinn og verðið uppfærast þegar þú breytir þeim.

•áskilið image_url
Slepptu skrá eða

Inntaksmynd fyrir hreyfimynd; aðeins stærðarhlutföll á bilinu 0.4–2.5 eru samþykkt.

•áskilið audio_url
Slepptu skrá eða

Hljóð sem stýrir munnhreyfingum, með studdri lengd frá 5 sekúndum til 15 mínútna. Myndbandið sem myndað er hefur sömu lengd og hljóðið.

resolution sjálfgefið 768P

Upplausn myndaðs úttaks, með því að nota stuttasta studda stærðarhlutfallið við myndarinnar.

Ítarlegt seed · enable_transcription · enable_safety_checker

Sáð fyrir slembna efnisgerð; ef því er sleppt er valið af handahófi.

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

Keyra þessa beiðni

Lykillinn þinn er áfram í þessum vafra: hann er aðeins sendur til Doitong API og vistaður í localStorage aðeins ef þú hakar við Muna. Fá API-lykil

Um H3 Max Lip Sync Image to Video

Hreyfir eina mynd þannig að munnhreyfingar fylgi uppgefnu hljóðskeiði. Hljóðið verður að vera að minnsta kosti 5 sekúndur, styður allt að 15 mínútur og úttakslengdin samsvarar því. Stærðarhlutfall myndar verður að vera á milli 0.4 og 2.5. `resolution` er frá 480P til 2K og `enable_transcription` getur bætt við uppskrift til að stýra samstillingu.

Færibreytur

Sendu annaðhvort samræmda heitið eða upprunalega heitið, ekki bæði. Samræmd heiti

HeitiGerð SjálfgefiðLeyfilegt Lýsing
image_urláskilið image
Gerðurl · image
Inntaksmynd fyrir hreyfimynd; aðeins stærðarhlutföll á bilinu 0.4–2.5 eru samþykkt.
audio_urláskilið audio
Gerðurl · audio
Hljóð sem stýrir munnhreyfingum, með studdri lengd frá 5 sekúndum til 15 mínútna. Myndbandið sem myndað er hefur sömu lengd og hljóðið.
resolutionvalfrjálst
Gerðenum
Sjálfgefið768P
480P768P1080P2K
Upplausn myndaðs úttaks, með því að nota stuttasta studda stærðarhlutfallið við myndarinnar.
enable_transcriptionvalfrjálst
Gerðboolean
Sjálfgefiðfalse
Aðstoð við afritun fyrir samstillingu vara. Þegar þetta er óvirkt byggist samstilling aðeins á hljóði; þegar það er virkt er hljóðið afritað og afritið notað sem leiðbeining.
seedvalfrjálst
Gerðinteger | null
0 – 2.147.483.647
Sáð fyrir slembna efnisgerð; ef því er sleppt er valið af handahófi.
enable_safety_checkervalfrjálst
Gerðboolean
Sjálfgefiðtrue
Stýrir því hvort öryggisskimun efnis sé virk.
áskilið Samræmt heiti, einnig samþykkt

Skrárfæribreytur taka við opinberri https://-vefslóð, data:-URI allt að 10 MB eða file_url fyrir upphleðslu. Skrár

Úttak

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"
  }
}
Skrárnar þínar, þitt valHvert outputs[].url er afrit í geymslunni okkar: geymt að eilífu (greitt fyrir hvert GB-mánuðargildi) eða 7 dagar án kostnaðar, eftir stillingu aðgangsins þíns eða ?storage=.
Sama lögun í öllum líkönumtype, url, content_type, width, height og duration, jafnt fyrir myndir, myndbönd og hljóð. output er eigið niðurstöðuhlutur líkansins.
Reitir úttaks
video
object {url, content_type, file_name, file_size}Myndband með samstilltum munnhreyfingum og uppgefinni hljóðrás.
seed
integerSáð slembigjafa sem var notað til að búa til niðurstöðuna.
duration
numberLengd niðurstöðunnar, mæld í sekúndum.
timings
object | nullTímamælingar gefnar upp í sekúndum, aðeins tiltækar á leiðum sem skila bakendatímum; annars null. 'inference'-færslan leggur saman tíma DiT-afsuðnings á GPU-bakenda fyrir alla glugga sem myndaðir voru fyrir þessa beiðni.

Fleiri líkön: Varasamstilling og avatarar

Fyrir gervigreindarþjóna: þessi síða á Markdown-sniði er á https://doitong.com/is/developers/models/minimax/h3-max/lip-sync/image-to-video.md. Öll líkön og leiðbeiningar: https://doitong.com/developers/llms.txt