ਸਮੱਗਰੀ ਵੱਲ ਜਾਓ

H3 Max Lip Sync Image to Video

ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ

ਮਾਡਲ id 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"

ਉਦਾਹਰਨ ਵਰਗੀਆਂ ਫ਼ਾਈਲਾਂ: $0.80 800 API ਕ੍ਰੈਡਿਟ ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ ਚਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਮਾਪੀਆਂ ਜਾਂਦੀਆਂ ਹਨ ਇਸ ਪੰਨੇ ’ਤੇ ਚਲਾਓ

API ਕੁੰਜੀ ਲਵੋ
MiniMax ਲਿਪਸਿੰਕ ਅਤੇ ਅਵਤਾਰ ਨੇਟਿਵ ਆਡੀਓਲਿਪਸਿੰਕ2K ਤੱਕ #lipsync#animation#audio

ਪੋਰਟ੍ਰੇਟ ਚਿੱਤਰ ਅਤੇ ਆਡੀਓ ਫਾਈਲ ਨੂੰ ਲਿਪ-ਸਿੰਕ ਕੀਤੇ ਬੋਲਦੇ ਵੀਡੀਓ ਵਿੱਚ ਬਦਲਦਾ ਹੈ, 2K ਤੱਕ

MiniMax · ਵੀਡੀਓ

ਤੁਹਾਡਾ ਪਹਿਲਾ ਨਤੀਜਾ ਇੱਥੇ ਹੋਵੇਗਾ

ਹੇਠਾਂ ਬੇਨਤੀ ਬਣਾਓ ਅਤੇ ਆਪਣੀ API ਕੁੰਜੀ ਨਾਲ ਚਲਾਓ। ਆਉਟਪੁੱਟ ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਕਾਪੀ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਹਮੇਸ਼ਾ ਲਈ ਜਾਂ ਮੁਫ਼ਤ ਵਿੱਚ 7 ਦਿਨ ਤੱਕ ਰੱਖੇ ਜਾਂਦੇ ਹਨ।

ਰਿਕਵੈਸਟ ਬਣਾਓ

ਕੰਟਰੋਲ ਮਾਡਲ ਸਕੀਮਾ ਤੋਂ ਤਿਆਰ ਹੁੰਦੇ ਹਨ। ਤੁਸੀਂ ਬਦਲਾਅ ਕਰਦੇ ਹੀ ਕੋਡ ਅਤੇ ਕੀਮਤ ਅੱਪਡੇਟ ਹੋ ਜਾਂਦੇ ਹਨ।

•ਲੋੜੀਂਦਾ image_url
ਫ਼ਾਈਲ ਛੱਡੋ, ਜਾਂ

ਐਨੀਮੇਸ਼ਨ ਇਨਪੁੱਟ ਚਿੱਤਰ; ਸਿਰਫ਼ 0.4–2.5 ਸੀਮਾ ਦੇ ਅੰਦਰਲੇ ਪੱਖ ਅਨੁਪਾਤ ਸਵੀਕਾਰ ਕੀਤੇ ਜਾਂਦੇ ਹਨ।

•ਲੋੜੀਂਦਾ audio_url
ਫ਼ਾਈਲ ਛੱਡੋ, ਜਾਂ

ਮੂੰਹ ਦੀਆਂ ਹਰਕਤਾਂ ਨੂੰ ਚਲਾਉਣ ਵਾਲੀ ਆਡੀਓ, ਜਿਸਦੀ ਸਮਰਥਿਤ ਮਿਆਦ 5 ਸਕਿੰਟ ਤੋਂ 15 ਮਿੰਟ ਹੈ। ਸਿਰਜੇ ਗਏ ਵੀਡੀਓ ਦੀ ਮਿਆਦ ਆਡੀਓ ਦੇ ਬਰਾਬਰ ਹੁੰਦੀ ਹੈ।

resolution ਡਿਫ਼ਾਲਟ 768P

ਸਿਰਜੇ ਗਏ ਆਉਟਪੁੱਟ ਦਾ ਰੈਜ਼ਿਊਲਿਊਸ਼ਨ, ਜਿਸ ਵਿੱਚ ਚਿੱਤਰ ਦੇ ਪੱਖ ਅਨੁਪਾਤ ਦੇ ਸਭ ਤੋਂ ਨੇੜੇ ਸਮਰਥਿਤ ਪੱਖ ਅਨੁਪਾਤ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ।

ਉੱਨਤ seed · enable_transcription · enable_safety_checker

ਬੇਤਰਤੀਬ ਸਿਰਜਣਾ ਲਈ ਸੀਡ; ਨਾ ਦੇਣ 'ਤੇ ਬੇਤਰਤੀਬ ਚੋਣ ਹੁੰਦੀ ਹੈ।

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

ਇਹ ਬੇਨਤੀ ਚਲਾਓ

ਤੁਹਾਡੀ key ਇਸ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਰਹਿੰਦੀ ਹੈ: ਇਹ ਸਿਰਫ਼ Doitong API ਨੂੰ ਭੇਜੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਸਿਰਫ਼ ਤਾਂ ਹੀ (localStorage) ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਹੁੰਦੀ ਹੈ ਜੇ ਤੁਸੀਂ Remember ਚੁਣੋ। API ਕੁੰਜੀ ਪ੍ਰਾਪਤ ਕਰੋ

H3 Max Lip Sync Image to Video ਬਾਰੇ

ਇੱਕ ਚਿੱਤਰ ਨੂੰ ਐਨੀਮੇਟ ਕਰਦਾ ਹੈ ਤਾਂ ਜੋ ਮੂੰਹ ਦੀਆਂ ਹਰਕਤਾਂ ਦਿੱਤੀ ਆਡੀਓ ਕਲਿੱਪ ਨਾਲ ਮਿਲਣ। ਆਡੀਓ ਘੱਟੋ-ਘੱਟ 5 ਸਕਿੰਟ ਦੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ, 15 ਮਿੰਟ ਤੱਕ ਸਮਰਥਿਤ ਹੈ ਅਤੇ ਆਉਟਪੁੱਟ ਦੀ ਲੰਬਾਈ ਇਸ ਨਾਲ ਮਿਲਦੀ ਹੈ। ਚਿੱਤਰ ਦਾ ਆਸਪੈਕਟ ਰੇਸ਼ੋ 0.4 ਅਤੇ 2.5 ਦੇ ਵਿਚਕਾਰ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। `resolution` 480P ਤੋਂ 2K ਤੱਕ ਹੁੰਦਾ ਹੈ, ਅਤੇ `enable_transcription` ਸਮਕਾਲੀਕਰਨ ਲਈ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ ਜੋੜ ਸਕਦਾ ਹੈ।

ਪੈਰਾਮੀਟਰ

ਕੈਨੋਨਿਕਲ ਨਾਮ ਜਾਂ ਨੇਟਿਵ ਨਾਮ ਵਿੱਚੋਂ ਕੋਈ ਇੱਕ ਭੇਜੋ, ਦੋਵੇਂ ਨਹੀਂ। ਕੈਨੋਨਿਕਲ ਨਾਮ

ਨਾਮਕਿਸਮ ਡਿਫ਼ਾਲਟਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵੇਰਵਾ
image_urlਲੋੜੀਂਦਾ image
ਕਿਸਮurl · image
ਐਨੀਮੇਸ਼ਨ ਇਨਪੁੱਟ ਚਿੱਤਰ; ਸਿਰਫ਼ 0.4–2.5 ਸੀਮਾ ਦੇ ਅੰਦਰਲੇ ਪੱਖ ਅਨੁਪਾਤ ਸਵੀਕਾਰ ਕੀਤੇ ਜਾਂਦੇ ਹਨ।
audio_urlਲੋੜੀਂਦਾ audio
ਕਿਸਮurl · audio
ਮੂੰਹ ਦੀਆਂ ਹਰਕਤਾਂ ਨੂੰ ਚਲਾਉਣ ਵਾਲੀ ਆਡੀਓ, ਜਿਸਦੀ ਸਮਰਥਿਤ ਮਿਆਦ 5 ਸਕਿੰਟ ਤੋਂ 15 ਮਿੰਟ ਹੈ। ਸਿਰਜੇ ਗਏ ਵੀਡੀਓ ਦੀ ਮਿਆਦ ਆਡੀਓ ਦੇ ਬਰਾਬਰ ਹੁੰਦੀ ਹੈ।
resolutionਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟ768P
480P768P1080P2K
ਸਿਰਜੇ ਗਏ ਆਉਟਪੁੱਟ ਦਾ ਰੈਜ਼ਿਊਲਿਊਸ਼ਨ, ਜਿਸ ਵਿੱਚ ਚਿੱਤਰ ਦੇ ਪੱਖ ਅਨੁਪਾਤ ਦੇ ਸਭ ਤੋਂ ਨੇੜੇ ਸਮਰਥਿਤ ਪੱਖ ਅਨੁਪਾਤ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ।
enable_transcriptionਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟfalse
ਹੋਠਾਂ ਦੇ ਸਮਕਾਲੀਕਰਨ ਲਈ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ ਸਹਾਇਤਾ। ਇਸਨੂੰ ਬੰਦ ਕਰਨ 'ਤੇ ਸਮਕਾਲੀਕਰਨ ਸਿਰਫ਼ ਆਡੀਓ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ; ਚਾਲੂ ਕਰਨ 'ਤੇ ਦਿੱਤੀ ਆਡੀਓ ਦਾ ਟ੍ਰਾਂਸਕ੍ਰਿਪਸ਼ਨ ਕਰਕੇ ਉਸ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ ਨੂੰ ਮਾਰਗਦਰਸ਼ਨ ਵਜੋਂ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ।
seedਵਿਕਲਪਿਕ
ਕਿਸਮinteger | null
0 – 2,14,74,83,647
ਬੇਤਰਤੀਬ ਸਿਰਜਣਾ ਲਈ ਸੀਡ; ਨਾ ਦੇਣ 'ਤੇ ਬੇਤਰਤੀਬ ਚੋਣ ਹੁੰਦੀ ਹੈ।
enable_safety_checkerਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟtrue
ਨਿਯੰਤਰਿਤ ਕਰਦਾ ਹੈ ਕਿ ਸਮੱਗਰੀ ਸੁਰੱਖਿਆ ਜਾਂਚ ਚਾਲੂ ਹੈ ਜਾਂ ਨਹੀਂ।
ਲੋੜੀਂਦਾ ਕੈਨੋਨਿਕਲ ਨਾਮ, ਇਹ ਵੀ ਸਵੀਕਾਰਿਆ ਜਾਂਦਾ ਹੈ

ਫ਼ਾਈਲ ਪੈਰਾਮੀਟਰ ਜਨਤਕ https:// URL, 10 MB ਤੱਕ ਦਾ data: URI, ਜਾਂ ਅੱਪਲੋਡ ਦੇ file_url ਨੂੰ ਸਵੀਕਾਰਦੇ ਹਨ। ਫ਼ਾਈਲਾਂ

ਆਉਟਪੁੱਟ

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"
  }
}
ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ, ਤੁਹਾਡੀ ਚੋਣਹਰ outputs[].url ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਇੱਕ ਕਾਪੀ ਹੈ: ਹਮੇਸ਼ਾ ਲਈ ਰੱਖੀ ਜਾਂਦੀ ਹੈ (ਪ੍ਰਤੀ GB-ਮਹੀਨਾ ਭੁਗਤਾਨ) ਜਾਂ 7 ਦਿਨ ਤੱਕ ਮੁਫ਼ਤ, ਤੁਹਾਡੀ ਖਾਤਾ ਸੈਟਿੰਗ ਜਾਂ ?storage= ਅਨੁਸਾਰ।
ਹਰ ਮਾਡਲ ’ਤੇ ਇੱਕੋ ਜਿਹਾ ਰੂਪਤਸਵੀਰਾਂ, ਵੀਡੀਓ ਅਤੇ ਆਡੀਓ ਸਭ ਲਈ type, url, content_type, width, height ਅਤੇ duration। output ਮਾਡਲ ਦਾ ਆਪਣਾ ਨਤੀਜਾ ਆਬਜੈਕਟ ਹੈ।
ਆਉਟਪੁੱਟ ਦੇ ਫ਼ੀਲਡ
video
object {url, content_type, file_name, file_size}ਸਮਕਾਲੀ ਹੋਠਾਂ ਦੀਆਂ ਹਰਕਤਾਂ ਅਤੇ ਦਿੱਤੇ ਆਡੀਓ ਟ੍ਰੈਕ ਵਾਲਾ ਵੀਡੀਓ।
seed
integerਨਤੀਜਾ ਤਿਆਰ ਕਰਨ ਲਈ ਵਰਤਿਆ ਗਿਆ ਬੇਤਰਤੀਬ ਜਨਰੇਟਰ ਸੀਡ।
duration
numberਨਤੀਜੇ ਦੀ ਮਿਆਦ, ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਾਪੀ ਗਈ।
timings
object | nullਸਕਿੰਟਾਂ ਵਿੱਚ ਦਰਸਾਏ ਸਮੇਂ ਦੇ ਮਾਪ, ਜੋ ਸਿਰਫ਼ ਬੈਕਐਂਡ ਸਮੇਂ ਦੀ ਰਿਪੋਰਟ ਕਰਨ ਵਾਲੇ ਰੂਟਾਂ 'ਤੇ ਉਪਲਬਧ ਹਨ; ਨਹੀਂ ਤਾਂ null। 'inference' ਐਂਟਰੀ ਇਸ ਬੇਨਤੀ ਲਈ ਸਿਰਜੇ ਸਾਰੇ ਵਿੰਡੋਜ਼ ਵਿੱਚ GPU-ਬੈਕਐਂਡ DiT ਡੀਨੌਇਜ਼ਿੰਗ ਸਮੇਂ ਨੂੰ ਇਕੱਠਾ ਕਰਦੀ ਹੈ।

ਹੋਰ ਮਾਡਲ: ਲਿਪਸਿੰਕ ਅਤੇ ਅਵਤਾਰ

AI ਏਜੰਟਾਂ ਲਈ: ਇਹ ਪੰਨਾ Markdown ਵਜੋਂ ਇੱਥੇ ਹੈ https://doitong.com/pa/developers/models/minimax/h3-max/lip-sync/image-to-video.md. ਸਾਰੇ ਮਾਡਲ ਅਤੇ ਗਾਈਡ: https://doitong.com/developers/llms.txt