שפּרינגען צו אינהאַלט

H3 Max Lip Sync Image to Video

אינטעגרירן

מאָדעל־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"

פֿײַלן ווי דער בײַשפּיל: ⁨$ 0.80⁩ 800 API־קרעדיטן אײַערע פֿײַלן ווערן געמאסטן איידערן לויפֿן לויפֿן עס אויף דער דאָזיקער בלאַט

באַקומען אַן API שליסל
MiniMax ליפּסינק און אַוואַטאַרן געבוירענער אַודיאָליפּסינקביז 2K #lipsync#animation#audio

מאַכט פֿון אַ פּאָרטרעט־בילד און אַן אַודיאָ־טעקע אַ ליפּ־סינכראָניזירטן רעדנדיקן ווידעאָ, ביז 2K

MiniMax · ווידעא

דאָ קומט אײַער ערשטער רעזולטאַט

בויט אונטן אַ בקשה און לויפט זי מיט אײַער API שליסל. רעזולטאַטן ווערן קאַפּירט צו אונדזער סטאָרידזש, געהאַלטן אויף אייביק אָדער 7 טעג אומזיסט.

בויען אַ בעטן

קאָנטראָלן ווערן דזשענערירט פֿון דעם מאָדעל־סכעמע. דער קאָד און דער פּרײַז דערהײַנטיקן זיך ווען איר ענדערט זיי.

•פארלאנגט image_url
לייגט אַרײַן אַ טעקע, אָדער

אַנימאַציע־אַרײַנגעבונג־בילד; נאָר אַספּעקט־פֿאַרהעלטענישן אין דער גרענעץ 0.4–2.5 ווערן אָנגענומען.

•פארלאנגט audio_url
לייגט אַרײַן אַ טעקע, אָדער

אַודיאָ וואָס טרײַבט די מויל־באַוועגונגען, מיט אַ געשטיצטן געדויער פֿון 5 סעקונדעס ביז 15 מינוט. דער גענערירטער ווידעא האָט דעם זעלבן געדויער ווי דער אַודיאָ.

resolution סטאַנדאַרט 768P

רעזולטאַט־רעזאָלוציע, מיטן געשטיצטן אַספּעקט־פֿאַרהעלטעניש וואָס איז נענטער צום בילד.

פֿאָרגעשריטן seed · enable_transcription · enable_safety_checker

זוימען פֿאַר צופֿעליקער גענערירונג; נישט צושטעלן ברענגט צו אַ צופֿעליקער אויסקלײַב.

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

לויפֿן דעם ריקוועסט

אײַער key בלײַבט אין דעם בלעטערער: זי ווערט געשיקט נאָר צום Doitong API און אָפּגעהיט (localStorage) נאָר אויב איר טיקט אָן געדענקען. באַקומען אַן API שליסל

וועגן H3 Max Lip Sync Image to Video

אַנימירט איין בילד אַזוי אַז די מויל־באַוועגונגען גייען נאָך אַ צוגעשטעלטן אַודיאָ־קליפּ. די אַודיאָ מוז זײַן לכל־הפּחות 5 סעקונדעס לאַנג, שטיצט ביז 15 מינוט, און דער אויסגאַנג־לענג שטימט מיט איר. דער בילדס אַספּעקט־פֿאַרהעלטעניש מוז זײַן צווישן 0.4 און 2.5. `resolution` גייט פֿון 480P ביז 2K, און `enable_transcription` קען צולייגן אַ טראַנסקריפּט צו פירן די סינכראָניזאַציע.

פּאַראַמעטערס

שיקט אָדער דעם קאַנאָנישן נאָמען אָדער דעם נאַטיוון נאָמען, נישט ביידע. קאַנאָנישע נעמען

נאָמעןטיפּ סטאַנדאַרטערלויבט באַשרײַבונג
image_urlפארלאנגט image
טיפּurl · image
אַנימאַציע־אַרײַנגעבונג־בילד; נאָר אַספּעקט־פֿאַרהעלטענישן אין דער גרענעץ 0.4–2.5 ווערן אָנגענומען.
audio_urlפארלאנגט audio
טיפּurl · audio
אַודיאָ וואָס טרײַבט די מויל־באַוועגונגען, מיט אַ געשטיצטן געדויער פֿון 5 סעקונדעס ביז 15 מינוט. דער גענערירטער ווידעא האָט דעם זעלבן געדויער ווי דער אַודיאָ.
resolutionאָפּציאָנעל
טיפּenum
סטאַנדאַרט768P
480P768P1080P2K
רעזולטאַט־רעזאָלוציע, מיטן געשטיצטן אַספּעקט־פֿאַרהעלטעניש וואָס איז נענטער צום בילד.
enable_transcriptionאָפּציאָנעל
טיפּboolean
סטאַנדאַרטfalse
טראַנסקריפּציע־הילף פֿאַר ליפּ־סינכראָניזאַציע. ווען דאָס איז אויסגעשלאָסן, נוצט די סינכראָניזאַציע נאָר אַודיאָ; ווען עס איז אָנגעשלאָסן, ווערט דער צוגעשטעלטער אַודיאָ טראַנסקריבירט און דער טראַנסקריפּט ווערט גענוצט ווי אנווײַזונג.
seedאָפּציאָנעל
טיפּinteger | null
0 – 2,147,483,647
זוימען פֿאַר צופֿעליקער גענערירונג; נישט צושטעלן ברענגט צו אַ צופֿעליקער אויסקלײַב.
enable_safety_checkerאָפּציאָנעל
טיפּboolean
סטאַנדאַרטtrue
קאָנטראָלירט צי אינהאַלט־זיכערקייט־דורכזוכונג איז אָנגעשלאָסן.
פארלאנגט קאַנאָנישער נאָמען, אויך אַקצעפּטירט

טעקע־פּאַראַמעטערס נעמען אַן עפֿנטלעכע https:// URL, אַ data: URI ביז 10 MB, אָדער דעם file_url פֿון אַן אַרויפֿלאָד. טעקעס

אויסגאַבע

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"
  }
}
אייער טעקעס, אייער ברירהיעדער outputs[].url איז אַ קאַפּיע אין אונדזער סטאָרידזש: געהאַלטן אויף אייביק (באַצאָלט פּער GB־חודש) אָדער 7 טעג אומזיסט, לויט אײַער חשבון־באַשטעטיקונג אָדער ?storage=.
דער זעלבער פֿאָרעם בײַ יעדן מאָדעלtype, url, content_type, width, height און duration, סײַ פֿאַר בילדער, ווידעאָ און אַודיאָ. output איז דער אייגענער רעזולטאַט־אָביעקט פֿון מאָדעל.
פֿעלדער פֿון דער אויסגאַבע
video
object {url, content_type, file_name, file_size}ווידעא מיט סינכראָניזירטע ליפּ־באַוועגונגען און דעם צוגעשטעלטן אַודיאָ־טרעק.
seed
integerצופֿעליקער גענעראַטאָר־זוימען גענוצט צו שאַפֿן דעם רעזולטאַט.
duration
numberגעדויער פֿונעם רעזולטאַט, געמאָסטן אין סעקונדעס.
timings
object | nullצײַט־מעסטן אויסגעדריקט אין סעקונדעס, בנימצא נאָר אויף רוטעס וואָס מעלדן באַקענד־צײַטן; אַנדערש null. דער 'inference' איינטראָג צוזאַמענרעכנט די GPU־באַקענד DiT־דענויזינג־צײַט פֿאַר אַלע פֿענצטער וואָס זענען גענערירט געוואָרן פֿאַר דער בקשה.

מער מאָדעלן: ליפּסינק און אַוואַטאַרן

פֿאַר AI־אַגענטן: דער בלאַט ווי Markdown געפֿינט זיך בײַ https://doitong.com/yi/developers/models/minimax/h3-max/lip-sync/image-to-video.md. אַלע מאָדעלן און גוידעס: https://doitong.com/developers/llms.txt