Перейти к содержимому

H3 Max Lip Sync Image to Video

Интеграция

ID модели 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"

Файлы, как в примере: 0,80 $ 800 API-кредитов · ≈ 85,75 ₽ ваши файлы измеряются перед запуском Запустить на этой странице

Получить API-ключ
MiniMax Синхронизация губ и аватары Встроенное аудиоСинхронизация губдо 2K #lipsync#animation#audio

Превращает портретное изображение и аудиофайл в синхронизированное с губами разговорное видео размером до 2K

MiniMax · Видео

Здесь появится ваш первый результат

Составьте запрос ниже и выполните его с помощью API-ключа. Результаты копируются в наше хранилище и хранятся навсегда или 7 дней бесплатно.

Сформировать запрос

Элементы управления сгенерированы из схемы модели. Код и цена обновляются при изменении параметров.

•обязательно image_url
Перетащите файл или

Входное изображение для анимации; принимаются только соотношения сторон в диапазоне 0.4–2.5.

•обязательно audio_url
Перетащите файл или

Аудио, управляющее движениями рта, длительностью от 5 секунд до 15 минут. Сгенерированное видео имеет ту же длительность, что и аудио.

resolution по умолчанию 768P

Разрешение сгенерированных выходных данных с использованием ближайшего поддерживаемого соотношения сторон изображения.

Расширенные seed · enable_transcription · enable_safety_checker

Сид для случайной генерации; если не указан, выбирается случайно.

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

Запустить этот запрос

Ваш ключ хранится в этом браузере: он отправляется только в Doitong API и сохраняется в localStorage только при включении параметра «Запомнить». Получить API-ключ

О H3 Max Lip Sync Image to Video

Анимирует одно изображение, синхронизируя движения рта с переданным аудиоклипом. Аудио должно длиться не менее 5 секунд, поддерживается длительность до 15 минут, а длина результата совпадает с ним. Соотношение сторон изображения должно быть от 0.4 до 2.5. `resolution` принимает значения от 480P до 2K, а `enable_transcription` может добавить расшифровку для синхронизации.

Параметры

Передавайте либо каноническое имя, либо исходное имя, но не оба. Канонические имена

ИмяТип По умолчаниюДопустимые значения Описание
image_urlобязательно image
Типurl · image
Входное изображение для анимации; принимаются только соотношения сторон в диапазоне 0.4–2.5.
audio_urlобязательно audio
Типurl · audio
Аудио, управляющее движениями рта, длительностью от 5 секунд до 15 минут. Сгенерированное видео имеет ту же длительность, что и аудио.
resolutionнеобязательно
Типenum
По умолчанию768P
480P768P1080P2K
Разрешение сгенерированных выходных данных с использованием ближайшего поддерживаемого соотношения сторон изображения.
enable_transcriptionнеобязательно
Типboolean
По умолчаниюfalse
Помощь с расшифровкой для синхронизации губ. При отключении синхронизация использует только аудио; при включении переданное аудио расшифровывается, а расшифровка используется как руководство.
seedнеобязательно
Типinteger | null
0 – 2 147 483 647
Сид для случайной генерации; если не указан, выбирается случайно.
enable_safety_checkerнеобязательно
Типboolean
По умолчаниюtrue
Определяет, включена ли проверка безопасности контента.
обязательно Каноническое имя, также принимается

Параметры файлов принимают общедоступный https:// URL, data: URI размером до 10 MB или file_url загруженного файла. Файлы

Результат

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"
  }
}
Ваши файлы — ваш выборКаждый URL из outputs[].url — это копия в нашем хранилище: она хранится навсегда (оплата за ГБ в месяц) или 7 дней бесплатно — в зависимости от настройки вашего аккаунта или параметра ?storage=.
Одинаковая структура у каждой моделиtype, url, content_type, width, height и duration — одинаково для изображений, видео и аудио. output — собственный объект результата модели.
Поля результата
video
object {url, content_type, file_name, file_size}Видео с синхронизированными движениями губ и предоставленной аудиодорожкой.
seed
integerСид генератора случайных чисел, использованный для создания результата.
duration
numberДлительность результата в секундах.
timings
object | nullИзмерения времени в секундах, доступные только в маршрутах, возвращающих данные о времени работы бэкенда; в противном случае — null. Запись 'inference' суммирует время шумоподавления DiT на GPU-бэкенде для всех окон, сгенерированных в рамках этого запроса.

Другие модели: Синхронизация губ и аватары

Для AI-агентов: эта страница в формате Markdown доступна по адресу https://doitong.com/ru/developers/models/minimax/h3-max/lip-sync/image-to-video.md. Все модели и руководства: https://doitong.com/developers/llms.txt