مواد پر جائیں

H3 Max Lip Sync Image to Video

انٹیگریٹ کریں

ماڈل id 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"

مثال جیسی فائلیں: ⁨$0.80⁩ 800 API کریڈٹس آپ کی فائلیں رن سے پہلے ناپی جاتی ہیں اس صفحے پر چلائیں

API کلید حاصل کریں
MiniMax لِپ سنک اور اوتار مقامی آڈیولِپ سنک2K تک #lipsync#animation#audio

پورٹریٹ تصویر اور آڈیو فائل کو لپ سنک والی بولتی ویڈیو میں بدلتا ہے، 2K تک

MiniMax · ویڈیو

آپ کا پہلا نتیجہ یہاں آئے گا

ذیل میں درخواست بنائیں اور اپنی API کلید کے ساتھ چلائیں۔ آؤٹ پٹس ہمارے اسٹوریج میں کاپی ہو جاتے ہیں، ہمیشہ کے لیے یا مفت میں 7 دن تک محفوظ رہتے ہیں۔

درخواست بنائیں

کنٹرولز ماڈل اسکیما سے تیار ہوتے ہیں۔ آپ کے بدلنے کے ساتھ کوڈ اور قیمت اپ ڈیٹ ہوتے ہیں۔

•لازمی image_url
فائل ڈراپ کریں، یا

Animation ان پٹ تصویر؛ صرف 0.4–2.5 range کے اندر aspect ratios قبول کیے جاتے ہیں۔

•لازمی audio_url
فائل ڈراپ کریں، یا

منہ کی حرکات چلانے والا آڈیو، جس کا معاون دورانیہ 5 سیکنڈ سے 15 منٹ تک ہے۔ تیار کردہ ویڈیو کا دورانیہ آڈیو کے برابر ہوتا ہے۔

resolution ڈیفالٹ 768P

تیار کردہ آؤٹ پٹ کا ریزولوشن، جس میں تصویر کے قریب ترین معاون aspect ratio استعمال ہوتا ہے۔

ایڈوانسڈ seed · enable_transcription · enable_safety_checker

بے ترتیب تخلیق کے لیے seed؛ نہ دینے پر بے ترتیب انتخاب کیا جاتا ہے۔

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

یہ درخواست چلائیں

آپ کی key اسی براؤزر میں رہتی ہے: یہ صرف Doitong API کو بھیجی جاتی ہے اور صرف اس صورت میں localStorage میں محفوظ ہوتی ہے جب آپ Remember منتخب کریں۔ API کلید حاصل کریں

H3 Max Lip Sync Image to Video کے بارے میں

ایک تصویر کی اینیمیشن بناتا ہے تاکہ منہ کی حرکات فراہم کردہ آڈیو کلپ کے مطابق ہوں۔ آڈیو کم از کم 5 سیکنڈ کی ہونی چاہیے، 15 منٹ تک معاونت حاصل ہے، اور آؤٹ پٹ کا دورانیہ اسی کے مطابق ہوتا ہے۔ تصویر کی نسبتِ ابعاد 0.4 اور 2.5 کے درمیان ہونی چاہیے۔ `resolution` کی حد 480P سے 2K ہے، اور `enable_transcription` ہم وقت سازی کی رہنمائی کے لیے تحریری نقل شامل کر سکتا ہے۔

پیرامیٹرز

معیاری نام یا مقامی نام میں سے صرف ایک بھیجیں، دونوں نہیں۔ معیاری نام

نامقسم ڈیفالٹمجاز تفصیل
image_urlلازمی image
قسمurl · image
Animation ان پٹ تصویر؛ صرف 0.4–2.5 range کے اندر aspect ratios قبول کیے جاتے ہیں۔
audio_urlلازمی audio
قسمurl · audio
منہ کی حرکات چلانے والا آڈیو، جس کا معاون دورانیہ 5 سیکنڈ سے 15 منٹ تک ہے۔ تیار کردہ ویڈیو کا دورانیہ آڈیو کے برابر ہوتا ہے۔
resolutionاختیاری
قسمenum
ڈیفالٹ768P
480P768P1080P2K
تیار کردہ آؤٹ پٹ کا ریزولوشن، جس میں تصویر کے قریب ترین معاون aspect ratio استعمال ہوتا ہے۔
enable_transcriptionاختیاری
قسمboolean
ڈیفالٹfalse
Lip synchronization کے لیے transcript assistance۔ اسے disabled کرنے پر synchronization صرف آڈیو استعمال کرتی ہے؛ enabled کرنے پر فراہم کردہ آڈیو کا transcript بنا کر اسے رہنمائی کے طور پر استعمال کیا جاتا ہے۔
seedاختیاری
قسمinteger | null
0 – 2,147,483,647
بے ترتیب تخلیق کے لیے seed؛ نہ دینے پر بے ترتیب انتخاب کیا جاتا ہے۔
enable_safety_checkerاختیاری
قسمboolean
ڈیفالٹtrue
یہ کنٹرول کرتا ہے کہ content safety screening enabled ہے یا نہیں۔
لازمی معیاری نام، یہ بھی قبول ہے

فائل پیرامیٹرز عوامی https:// URL، 10 MB تک کی data: URI، یا اپ لوڈ کے file_url کو قبول کرتے ہیں۔ فائلیں

آؤٹ پٹ

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"
  }
}
آپ کی فائلیں، آپ کا انتخابہر outputs[].url ہمارے اسٹوریج میں ایک کاپی ہے: ہمیشہ کے لیے محفوظ (فی GB-ماہ ادائیگی) یا مفت میں 7 دن تک، آپ کی اکاؤنٹ سیٹنگ یا ?storage= کے مطابق۔
ہر ماڈل میں ایک جیسی ساختtype، url، content_type، width، height اور duration، تصاویر، ویڈیو اور آڈیو سب کے لیے یکساں۔ output ماڈل کا اپنا نتیجہ آبجیکٹ ہے۔
آؤٹ پٹ کے فیلڈز
video
object {url, content_type, file_name, file_size}ہم آہنگ lip movements اور فراہم کردہ آڈیو track والی ویڈیو۔
seed
integerنتیجہ تیار کرنے کے لیے استعمال ہونے والا random generator seed۔
duration
numberنتیجے کا دورانیہ، سیکنڈ میں ناپا جاتا ہے۔
timings
object | nullسیکنڈ میں ظاہر کی گئی timing measurements، صرف ان routes پر دستیاب جہاں backend timings رپورٹ ہوں؛ بصورت دیگر null۔ 'inference' entry اس درخواست کے لیے تیار کی گئی تمام windows میں GPU-backend DiT denoising time کو جمع کرتی ہے۔

مزید ماڈلز: لِپ سنک اور اوتار

AI ایجنٹس کے لیے: یہ صفحہ Markdown میں یہاں موجود ہے https://doitong.com/ur/developers/models/minimax/h3-max/lip-sync/image-to-video.md. تمام ماڈلز اور گائیڈز: https://doitong.com/developers/llms.txt