Ir para o conteúdo

H3 Max Lip Sync Image to Video

Integrar

ID do modelo 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"

Arquivos como o exemplo: $ 0,80 800 créditos de API seus arquivos são medidos antes da execução Executar nesta página

Obter chave de API
MiniMax Sincronização labial e avatares Áudio nativoSincronização labialaté 2K #lipsync#animation#audio

Transforma uma imagem de retrato e um arquivo de áudio em um vídeo falante com sincronização labial, de até 2K

MiniMax · 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 image_url
Solte um arquivo ou

Imagem de entrada da animação; somente proporções entre 0.4–2.5 são aceitas.

•obrigatório audio_url
Solte um arquivo ou

Áudio que conduz os movimentos da boca, com duração compatível de 5 segundos a 15 minutos. O vídeo gerado tem a mesma duração do áudio.

resolution padrão 768P

Resolução da saída gerada, usando a proporção compatível mais próxima à da imagem.

Avançado seed · enable_transcription · enable_safety_checker

Seed para geração aleatória; a omissão causa uma seleção aleatória.

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

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 H3 Max Lip Sync Image to Video

Anima uma única imagem para que os movimentos da boca acompanhem um clipe de áudio fornecido. O áudio deve ter pelo menos 5 segundos, suporta até 15 minutos, e a duração da saída corresponde à dele. A proporção da imagem deve estar entre 0.4 e 2.5. `resolution` vai de 480P a 2K, e `enable_transcription` pode adicionar uma transcrição para orientar a sincronização.

Parâmetros

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

NomeTipo PadrãoPermitido Descrição
image_urlobrigatório image
Tipourl · image
Imagem de entrada da animação; somente proporções entre 0.4–2.5 são aceitas.
audio_urlobrigatório audio
Tipourl · audio
Áudio que conduz os movimentos da boca, com duração compatível de 5 segundos a 15 minutos. O vídeo gerado tem a mesma duração do áudio.
resolutionopcional
Tipoenum
Padrão768P
480P768P1080P2K
Resolução da saída gerada, usando a proporção compatível mais próxima à da imagem.
enable_transcriptionopcional
Tipoboolean
Padrãofalse
Assistência de transcrição para sincronização labial. Com isso desativado, a sincronização usa apenas o áudio; ao ativar, o áudio fornecido é transcrito e essa transcrição é usada como orientação.
seedopcional
Tipointeger | null
0 – 2.147.483.647
Seed para geração aleatória; a omissão causa uma seleção aleatória.
enable_safety_checkeropcional
Tipoboolean
Padrãotrue
Controla se a verificação de segurança do conteúdo está ativada.
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": "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"
  }
}
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 com movimentos labiais sincronizados e a faixa de áudio fornecida.
seed
integerSeed do gerador aleatório usado para produzir o resultado.
duration
numberDuração do resultado, medida em segundos.
timings
object | nullMedições de tempo expressas em segundos, disponíveis apenas em rotas que informam os tempos do backend; caso contrário, null. A entrada 'inference' agrega o tempo de remoção de ruído DiT no backend de GPU em todas as janelas geradas para esta requisição.

Mais modelos: Sincronização labial e avatares

Para agentes de IA: esta página em Markdown está em https://doitong.com/pt-BR/developers/models/minimax/h3-max/lip-sync/image-to-video.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt