Vai al contenuto

H3 Max Lip Sync Image to Video

Integra

ID del modello 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"

File come nell'esempio: 0,80 $ 800 crediti API i tuoi file vengono misurati prima dell'esecuzione Esegui in questa pagina

Ottieni la chiave API
MiniMax · Video

Il tuo primo risultato apparirà qui

Crea una richiesta qui sotto ed eseguila con la tua chiave API. Gli output vengono copiati nella nostra archiviazione, conservati per sempre oppure 7 giorni gratuitamente.

Crea una richiesta

I controlli vengono generati dallo schema del modello. Il codice e il prezzo si aggiornano mentre li modifichi.

•obbligatorio image_url
Trascina un file oppure

Immagine input per l'animazione; sono accettate solo proporzioni comprese nell'intervallo 0.4–2.5.

•obbligatorio audio_url
Trascina un file oppure

Audio che guida i movimenti della bocca, con una durata supportata da 5 secondi a 15 minuti. Il video generato ha la stessa durata dell'audio.

resolution predefinito 768P

Risoluzione dell'output generato, usando le proporzioni supportate più vicine a quelle dell'immagine.

Avanzate seed · enable_transcription · enable_safety_checker

Seed per la generazione casuale; l'omissione causa una selezione casuale.

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

Esegui questa richiesta

La tua chiave rimane in questo browser: viene inviata solo al Doitong API e salvata in localStorage solo se selezioni Ricorda. Ottieni una chiave API

Informazioni su H3 Max Lip Sync Image to Video

Anima una singola immagine in modo che i movimenti della bocca seguano una clip audio fornita. L'audio deve durare almeno 5 secondi, supporta fino a 15 minuti e la durata dell'output corrisponde ad essa. Il rapporto d'aspetto dell'immagine deve essere compreso tra 0.4 e 2.5. `resolution` va da 480P a 2K, e `enable_transcription` può aggiungere una trascrizione per guidare la sincronizzazione.

Parametri

Invia il nome canonico oppure il nome nativo, non entrambi. Nomi canonici

NomeTipo PredefinitoConsentiti Descrizione
image_urlobbligatorio image
Tipourl · image
Immagine input per l'animazione; sono accettate solo proporzioni comprese nell'intervallo 0.4–2.5.
audio_urlobbligatorio audio
Tipourl · audio
Audio che guida i movimenti della bocca, con una durata supportata da 5 secondi a 15 minuti. Il video generato ha la stessa durata dell'audio.
resolutionfacoltativo
Tipoenum
Predefinito768P
480P768P1080P2K
Risoluzione dell'output generato, usando le proporzioni supportate più vicine a quelle dell'immagine.
enable_transcriptionfacoltativo
Tipoboolean
Predefinitofalse
Assistenza alla trascrizione per la sincronizzazione labiale. Se disabilitata, la sincronizzazione usa solo l'audio; se abilitata, trascrive l'audio fornito e usa la trascrizione come guida.
seedfacoltativo
Tipointeger | null
0 – 2.147.483.647
Seed per la generazione casuale; l'omissione causa una selezione casuale.
enable_safety_checkerfacoltativo
Tipoboolean
Predefinitotrue
Controlla se il controllo di sicurezza dei contenuti è abilitato.
obbligatorio Nome canonico, accettato anche

I parametri file accettano un URL pubblico https://, un URI data: fino a 10 MB oppure il file_url di un caricamento. 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"
  }
}
I tuoi file, la tua sceltaOgni outputs[].url è una copia nella nostra archiviazione: conservata per sempre (a pagamento per GB-mese) oppure 7 giorni gratuitamente, in base all'impostazione dell'account o a ?storage=.
Stessa struttura per ogni modellotype, url, content_type, width, height e duration, per immagini, video e audio. output è l'oggetto risultato del modello.
Campi dell'output
video
object {url, content_type, file_name, file_size}Video con movimenti labiali sincronizzati e la traccia audio fornita.
seed
integerSeed del generatore casuale usato per produrre il risultato.
duration
numberDurata del risultato, misurata in secondi.
timings
object | nullMisurazioni dei tempi espresse in secondi, disponibili solo nelle route che riportano i tempi del backend; altrimenti null. La voce 'inference' aggrega il tempo di denoising DiT sul backend GPU per tutte le finestre generate per questa richiesta.

Altri modelli: Lipsync e avatar

Per gli agenti AI: questa pagina in Markdown è disponibile all'indirizzo https://doitong.com/it/developers/models/minimax/h3-max/lip-sync/image-to-video.md. Tutti i modelli e le guide: https://doitong.com/developers/llms.txt