Przejdź do treści

H3 Max Lip Sync Image to Video

Integracja

Identyfikator modelu 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"

Pliki takie jak przykład: 0,80 $ 800 kredytów API Twoje pliki są mierzone przed uruchomieniem Uruchom na tej stronie

Uzyskaj klucz API
MiniMax · Wideo

Tutaj pojawi się pierwszy wynik

Zbuduj poniżej żądanie i uruchom je za pomocą klucza API. Wyniki są kopiowane do naszej przestrzeni dyskowej i przechowywane bezterminowo lub 7 dni bezpłatnie.

Zbuduj żądanie

Elementy sterujące są generowane ze schematu modelu. Kod i cena aktualizują się podczas ich zmiany.

•wymagane image_url
Upuść plik lub

Obraz wejściowy animacji; akceptowane są tylko współczynniki proporcji z zakresu 0.4–2.5.

•wymagane audio_url
Upuść plik lub

Audio sterujące ruchami ust, o obsługiwanym czasie trwania od 5 sekund do 15 minut. Wygenerowane wideo ma taki sam czas trwania jak audio.

resolution domyślnie 768P

Rozdzielczość wygenerowanego wyniku, z użyciem obsługiwanego współczynnika proporcji najbardziej zbliżonego do współczynnika obrazu.

Zaawansowane seed · enable_transcription · enable_safety_checker

Ziarno losowego generowania; pominięcie powoduje losowy wybór.

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

Uruchom to żądanie

Klucz pozostaje w tej przeglądarce: jest wysyłany tylko do Doitong API i zapisywany (localStorage) tylko po zaznaczeniu opcji Zapamiętaj. Uzyskaj klucz API

Informacje o H3 Max Lip Sync Image to Video

Animuje pojedynczy obraz tak, aby ruchy ust odpowiadały dostarczonemu klipowi audio. Audio musi trwać co najmniej 5 sekund, obsługiwane jest do 15 minut, a długość danych wyjściowych jest taka sama. Proporcje obrazu muszą mieścić się w zakresie od 0.4 do 2.5. `resolution` wynosi od 480P do 2K, a `enable_transcription` może dodać transkrypcję do synchronizacji.

Parametry

Wyślij nazwę kanoniczną albo natywną, nie obie. Nazwy kanoniczne

NazwaTyp DomyślneDozwolone Opis
image_urlwymagane image
Typurl · image
Obraz wejściowy animacji; akceptowane są tylko współczynniki proporcji z zakresu 0.4–2.5.
audio_urlwymagane audio
Typurl · audio
Audio sterujące ruchami ust, o obsługiwanym czasie trwania od 5 sekund do 15 minut. Wygenerowane wideo ma taki sam czas trwania jak audio.
resolutionopcjonalne
Typenum
Domyślne768P
480P768P1080P2K
Rozdzielczość wygenerowanego wyniku, z użyciem obsługiwanego współczynnika proporcji najbardziej zbliżonego do współczynnika obrazu.
enable_transcriptionopcjonalne
Typboolean
Domyślnefalse
Pomoc transkrypcji do synchronizacji ruchu ust. Po wyłączeniu synchronizacja korzysta wyłącznie z audio; po włączeniu dostarczone audio jest transkrybowane, a transkrypcja służy jako wskazówka.
seedopcjonalne
Typinteger | null
0 – 2 147 483 647
Ziarno losowego generowania; pominięcie powoduje losowy wybór.
enable_safety_checkeropcjonalne
Typboolean
Domyślnetrue
Określa, czy kontrola bezpieczeństwa treści jest włączona.
wymagane Nazwa kanoniczna, również akceptowana

Parametry plików przyjmują publiczny URL https://, identyfikator URI data: do 10 MB albo file_url przesłanego pliku. Pliki

Wynik

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"
  }
}
Twoje pliki, Twój wybórKażdy outputs[].url to kopia w naszej przestrzeni dyskowej: przechowywana bezterminowo (opłata za GB-miesiąc) lub 7 dni bezpłatnie, zgodnie z ustawieniem konta lub ?storage=.
Taki sam format w każdym modelutype, url, content_type, width, height i duration — tak samo dla obrazów, filmów i dźwięku. output to własny obiekt wyniku modelu.
Pola wyniku
video
object {url, content_type, file_name, file_size}Wideo ze zsynchronizowanymi ruchami ust i dostarczoną ścieżką audio.
seed
integerZiarno generatora losowego użyte do utworzenia wyniku.
duration
numberCzas trwania wyniku, mierzony w sekundach.
timings
object | nullPomiary czasu wyrażone w sekundach, dostępne tylko na trasach raportujących czasy backendu; w przeciwnym razie null. Wpis 'inference' sumuje czas odszumiania DiT na backendzie GPU dla wszystkich okien wygenerowanych dla tego żądania.

Więcej modeli: Synchronizacja ruchu ust i awatary

Dla agentów AI: ta strona w formacie Markdown jest dostępna pod adresem https://doitong.com/pl/developers/models/minimax/h3-max/lip-sync/image-to-video.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt