Ir para o conteúdo

Kling LipSync Text-to-Video

Integrar

ID do modelo kling-video/lipsync/text-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/kling-video/lipsync/text-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "video": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4",
    "text": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "voice_id": "genshin_vindi2"
  }'

# 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"

Arquivos como o exemplo: $ 0,14 140 créditos de API seus arquivos são medidos antes da execução Executar nesta página

Obter chave de API
Kling Sincronização labial e avatares Sincronização labial #text-to-video#lipsync

Faz uma pessoa em um vídeo falar um texto digitado usando uma voz sintética selecionável, com velocidade ajustável

Kling · Vídeo

Seu primeiro resultado aparecerá aqui

Monte uma requisição abaixo e execute-a com sua chave de API. As saídas são copiadas para nosso armazenamento, mantidas para sempre ou por 7 dias gratuitamente.

Criar uma solicitação

Os controles são gerados a partir do esquema do modelo. O código e o preço são atualizados conforme você os altera.

•obrigatório 88 / 120

Texto usado para gerar um vídeo com sincronização labial, limitado a 120 caracteres.

•obrigatório video_url
Solte um arquivo ou

URL de vídeo para geração de sincronização labial. Aceita arquivos .mp4 ou .mov de até 100MB, com duração de 2–60s, somente em 720p ou 1080p; ambas as dimensões devem estar entre 720–1920px. Falhas de validação retornam um erro.

•obrigatório

Identificador da voz usada para sintetizar a fala.

Avançado voice_language · voice_speed · enable_safety_checker
voice_language padrão en

Idioma associado ao Voice ID selecionado.

padrão 1

Velocidade da fala usada ao gerar vídeo a partir de texto.

POST /run/kling-video/lipsync/text-to-video?wait=20 cotação → $ 0,14
# 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/kling-video/lipsync/text-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "video": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4",
    "text": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "voice_id": "genshin_vindi2"
  }'

# 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"

Executar esta solicitação

Sua chave permanece neste navegador: ela é enviada somente à Doitong API e salva (localStorage) apenas se você marcar Lembrar. Obter uma chave de API

Sobre Kling LipSync Text-to-Video

Gera fala com sincronização labial a partir de texto, em vez de um arquivo de áudio. Forneça `video_url`, até 120 caracteres de `text` e um `voice_id` escolhido em uma lista de vozes predefinidas. `voice_language` é zh ou en, e `voice_speed` varia de 0.8 a 2. O vídeo de origem pode ser .mp4 ou .mov, ter até 100MB, duração de 2 a 60 segundos e resolução de 720p ou 1080p.

Parâmetros

Envie o nome canônico ou o nome nativo, não ambos. Nomes canônicos

NomeTipo PadrãoPermitido Descrição
enable_safety_checkeropcional
Tipoboolean
Padrãotrue
As verificações de segurança só podem ser desativadas com autorização da conta; requisições sem autorização sempre passam por verificação.
video_urlobrigatório video
Tipourl · video
URL de vídeo para geração de sincronização labial. Aceita arquivos .mp4 ou .mov de até 100MB, com duração de 2–60s, somente em 720p ou 1080p; ambas as dimensões devem estar entre 720–1920px. Falhas de validação retornam um erro.
textobrigatório
Tipostring
≤ 120 caracteres
Texto usado para gerar um vídeo com sincronização labial, limitado a 120 caracteres.
voice_idobrigatório
Tipoenum
genshin_vindi2zhinen_xueshengAOTai_shatanggenshin_klee2genshin_kiraraai_kaiyaoversea_male1ai_chenjiahao_712girlfriend_4_speech02chat1_female_new-3chat_0407_5-1cartoon-boy-07uk_boy1cartoon-girl-01PeppaPig_platform
+30 a maisai_huangzhong_712ai_huangyaoshi_712ai_laoguowang_712chengshu_jiejieyou_pingjingcalm_story1uk_man2laopopo_speech02heainainai_speech02reader_en_m-v1commercial_lady_en_f-v1tiyuxi_xueditiexin_nanyougirlfriend_1_speech02girlfriend_2_speech02zhuxi_speech02uk_oldman3dongbeilaotie_speech02chongqingxiaohuo_speech02chuanmeizi_speech02chaoshandashu_speech02ai_taiwan_man2_speech02xianzhanggui_speech02tianjinjiejie_speech02diyinnansang_DB_CN_M_04-v2yizhipiannan-v1guanxiaofang-v2tianmeixuemei-v1daopianyansang-v1mengwa-v1
Identificador da voz usada para sintetizar a fala.
voice_languageopcional
Tipoenum
Padrãoen
zhen
Idioma associado ao Voice ID selecionado.
voice_speedopcional
Tiponumber
Padrão1
0,8 – 2
Velocidade da fala usada ao gerar vídeo a partir de texto.
obrigatório Nome canônico, também aceito

Os parâmetros de arquivo aceitam uma URL https:// pública, um URI data: de até 10 MB ou o file_url de um upload. Arquivos

Saída

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "kling-video/lipsync/text-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": 140,
    "usd": "0.14",
    "charged": 140,
    "refunded": 0
  },
  "input": {
    "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4",
    "text": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "voice_id": "genshin_vindi2"
  },
  "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
    }
  },
  "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"
  }
}
Seus arquivos, sua escolhaCada outputs[].url é uma cópia em nosso armazenamento: mantida para sempre (cobrada por GB-mês) ou por 7 dias gratuitamente, conforme a configuração da sua conta ou ?storage=.
Mesmo formato em todos os modelostype, url, content_type, width, height e duration, para imagens, vídeos e áudios. output é o próprio objeto de resultado do modelo.
Campos da saída
video
object {url, content_type, file_name, file_size}Vídeo produzido pelo modelo.

Mais modelos: Sincronização labial e avatares

Para agentes de IA: esta página em Markdown está em https://doitong.com/pt-BR/developers/models/kling-video/lipsync/text-to-video.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt