Avançar 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"

Ficheiros como o exemplo: 0,80 $ 800 créditos da API os seus ficheiros são medidos antes da execução Executar nesta página

Obter chave de API
MiniMax · Vídeo

O seu primeiro resultado aparece aqui

Crie um pedido abaixo e execute-o com a sua chave de API. As saídas são copiadas para o nosso armazenamento, guardadas para sempre ou durante 7 dias gratuitamente.

Criar um pedido

Os controlos são gerados a partir do esquema do modelo. O código e o preço são atualizados à medida que os altera.

•obrigatório image_url
Largue um ficheiro ou

Imagem de entrada da animação; só são aceites proporções no intervalo 0.4–2.5.

•obrigatório audio_url
Largue um ficheiro ou

Áudio que orienta os movimentos da boca, com uma duração suportada de 5 segundos a 15 minutos. O vídeo gerado tem a mesma duração que o áudio.

resolution predefinição 768P

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

Avançado seed · enable_transcription · enable_safety_checker

Seed para geração aleatória; a omissão provoca 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 este pedido

A sua chave permanece neste navegador: é enviada apenas para a Doitong API e guardada em localStorage apenas se selecionar Lembrar. Obter uma chave de API

Sobre H3 Max Lip Sync Image to Video

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

Parâmetros

Envie o nome canónico ou o nome nativo, não ambos. Nomes canónicos

NomeTipo PredefiniçãoPermitido Descrição
image_urlobrigatório image
Tipourl · image
Imagem de entrada da animação; só são aceites proporções no intervalo 0.4–2.5.
audio_urlobrigatório audio
Tipourl · audio
Áudio que orienta os movimentos da boca, com uma duração suportada de 5 segundos a 15 minutos. O vídeo gerado tem a mesma duração que o áudio.
resolutionopcional
Tipoenum
Predefinição768P
480P768P1080P2K
Resolução da saída gerada, usando a proporção suportada mais próxima da proporção da imagem.
enable_transcriptionopcional
Tipoboolean
Predefiniçãofalse
Assistência de transcrição para sincronização labial. Com esta opção desativada, a sincronização usa apenas o áudio; ao ativá-la, 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 provoca uma seleção aleatória.
enable_safety_checkeropcional
Tipoboolean
Predefiniçãotrue
Controla se a verificação de segurança do conteúdo está ativada.
obrigatório Nome canónico, também aceite

Os parâmetros de ficheiro aceitam um URL https:// público, um URI data: até 10 MB ou o file_url de um carregamento. Ficheiros

Resultado

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"
  }
}
Os seus ficheiros, a sua escolhaCada outputs[].url é uma cópia no nosso armazenamento: guardada para sempre (paga por GB-mês) ou durante 7 dias gratuitamente, conforme a definição da sua conta ou ?storage=.
A mesma estrutura em todos os modelostype, url, content_type, width, height e duration, tanto para imagens como para vídeo e áudio. output é o próprio objeto de resultado do modelo.
Campos do resultado
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 reportam tempos do backend; caso contrário, null. A entrada 'inference' agrega o tempo de denoising DiT no backend GPU em todas as janelas geradas para este pedido.

Mais modelos: Lipsync e avatares

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