কনটেন্টে যান

Sad Talker

ইন্টিগ্রেট করুন

মডেল id sadtalker
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/sadtalker?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",
    "driven_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

প্রতি রান সর্বোচ্চ ৪.৫০$ পর্যন্ত প্রকৃত ব্যবহার অনুযায়ী চার্জ করা হয়, বাকি অর্থ ফেরত দেওয়া হয় এই পেজে চালান

API কী পান
Open model লিপসিঙ্ক ও অ্যাভাটার লিপসিঙ্ক #animation

একটি অডিও ফাইলের মাধ্যমে চালিত একক মুখের ছবিকে কথা বলা ভিডিওতে অ্যানিমেট করে

Open model · ভিডিও

আপনার প্রথম ফলাফল এখানে আসবে

নিচে একটি রিকোয়েস্ট তৈরি করে আপনার API কী দিয়ে চালান। আউটপুট আমাদের স্টোরেজে কপি করা হয়, চিরকাল বা বিনামূল্যে ৭ দিন পর্যন্ত রাখা হয়।

একটি অনুরোধ তৈরি করুন

মডেল স্কিমা থেকে কন্ট্রোল তৈরি করা হয়। এগুলো পরিবর্তন করলে কোড ও মূল্য আপডেট হয়।

•আবশ্যক source_image_url
একটি ফাইল ড্রপ করুন, অথবা

URL হিসেবে দেওয়া উৎস ছবির অবস্থান।

•আবশ্যক
একটি ফাইল ড্রপ করুন, অথবা

চালিকা অডিও নির্দেশকারী URL।

অ্যাডভান্সড face_model_resolution · preprocess · face_enhancer · pose_style · expression_scale · still_mode
face_model_resolution ডিফল্ট 256

ফেস মডেল দ্বারা ব্যবহৃত রেজোলিউশন।

preprocess ডিফল্ট crop

প্রয়োগ করার preprocessing পদ্ধতি।

প্রয়োগ করার ফেস এনহ্যান্সারের ধরন।

ডিফল্ট 0

পোজের জন্য ব্যবহৃত স্টাইল।

ডিফল্ট 1

অভিব্যক্তির স্কেলিং ফ্যাক্টর।

POST /run/sadtalker?wait=20 মূল্য → ৪.৫০$
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/sadtalker?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",
    "driven_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

এই অনুরোধ চালান

আপনার key এই ব্রাউজারেই থাকে: এটি শুধু Doitong API-তে পাঠানো হয় এবং Remember টিক দিলে কেবল localStorage-এ সংরক্ষিত হয়। একটি API কী পান

Sad Talker সম্পর্কে

`source_image_url`-এর মাধ্যমে একটি পোর্ট্রেট এবং `driven_audio_url`-এর মাধ্যমে বক্তব্য গ্রহণ করে কথা বলা মুখের ভিডিও তৈরি করে। পরিবর্তনযোগ্য বিকল্পগুলোর মধ্যে রয়েছে `pose_style` (0 থেকে 45), `expression_scale` (0 থেকে 3), `face_model_resolution` (256 বা 512), কম মাথা নাড়াচাড়ার জন্য `still_mode`, এবং `preprocess` (crop, extcrop, resize, full, extfull)।

প্যারামিটার

ক্যানোনিকাল নাম অথবা নেটিভ নাম—দুটো একসঙ্গে নয়—পাঠান। ক্যানোনিকাল নামগুলো

নামধরন ডিফল্টঅনুমোদিত বিবরণ
source_image_urlআবশ্যক image
ধরনurl · image
URL হিসেবে দেওয়া উৎস ছবির অবস্থান।
driven_audio_urlআবশ্যক
ধরনurl · audio
চালিকা অডিও নির্দেশকারী URL।
pose_styleঐচ্ছিক
ধরনinteger
ডিফল্ট0
০ – ৪৫
পোজের জন্য ব্যবহৃত স্টাইল।
face_model_resolutionঐচ্ছিক
ধরনenum
ডিফল্ট256
256512
ফেস মডেল দ্বারা ব্যবহৃত রেজোলিউশন।
expression_scaleঐচ্ছিক
ধরনnumber
ডিফল্ট1
০ – ৩
অভিব্যক্তির স্কেলিং ফ্যাক্টর।
face_enhancerঐচ্ছিক
ধরনstring | null
প্রয়োগ করার ফেস এনহ্যান্সারের ধরন।
still_modeঐচ্ছিক
ধরনboolean
ডিফল্টfalse
`full` preprocessing ব্যবহার করার সময় মাথার নড়াচড়া কমানোর জন্য স্থির মোড।
preprocessঐচ্ছিক
ধরনenum
ডিফল্টcrop
cropextcropresizefullextfull
প্রয়োগ করার preprocessing পদ্ধতি।
আবশ্যক ক্যানোনিকাল নাম, এটিও গ্রহণযোগ্য

ফাইল প্যারামিটার হিসেবে একটি পাবলিক https:// URL, 10 MB পর্যন্ত একটি data: URI, অথবা আপলোডের file_url গ্রহণ করা হয়। ফাইল

আউটপুট

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "sadtalker",
  "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": 4500,
    "usd": "4.50",
    "charged": 4500,
    "refunded": 0
  },
  "input": {
    "source_image_url": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "driven_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
    }
  },
  "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://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
আপনার ফাইল, আপনার পছন্দপ্রতিটি outputs[].url আমাদের স্টোরেজে একটি কপি: চিরকাল রাখা হয় (প্রতি GB-মাস অনুযায়ী অর্থপ্রদত্ত) অথবা অ্যাকাউন্ট সেটিংস বা ?storage= অনুযায়ী বিনামূল্যে ৭ দিন পর্যন্ত।
প্রতিটি মডেলে একই গঠনছবি, ভিডিও এবং অডিও—সব ক্ষেত্রেই type, url, content_type, width, height এবং duration। output হলো মডেলের নিজস্ব ফলাফল অবজেক্ট।
আউটপুটের ফিল্ড
video
object {url, content_type, file_name, file_size}জেনারেট করা ভিডিওর URL।

আরও মডেল: লিপসিঙ্ক ও অ্যাভাটার

AI এজেন্টদের জন্য: এই পৃষ্ঠাটি Markdown হিসেবে এখানে আছে https://doitong.com/bn/developers/models/sadtalker.md. সব মডেল ও গাইড: https://doitong.com/developers/llms.txt