Zum Inhalt springen

Infinitalk · Single Text

Integrieren

Modell-ID infinitalk/single-text
# 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/infinitalk/single-text?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",
    "text_input": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "voice": "Aria",
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# 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"

Diese Anfrage: ≈2,32 $ 2.320 API-Credits Auf dieser Seite ausführen

API-Schlüssel abrufen
Meituan Lipsync & Avatare Lipsyncbis zu 720p

Talking-Avatar-Video aus einem Bild und eingegebenem Text, gesprochen mit einer ausgewählten integrierten Stimme

Meituan · Video

Dein erstes Ergebnis erscheint hier

Erstelle unten eine Anfrage und führe sie mit deinem API-Schlüssel aus. Ausgaben werden in unseren Speicher kopiert und dauerhaft oder 7 Tage kostenlos aufbewahrt.

Anfrage erstellen

Die Steuerelemente werden aus dem Modellschema generiert. Code und Preis werden aktualisiert, während du sie änderst.

•erforderlich

Text, der den Prozess der Video-Generierung steuert.

•erforderlich

Textanweisungen zur Steuerung der Video-Generierung.

•erforderlich image_url
Datei ablegen oder

URL des Quellbilds; das ausgewählte Seitenverhältnis bestimmt, ob eine Vorverarbeitung erforderlich ist: Bei einer Abweichung wird das Bild skaliert und anschließend mittig zugeschnitten.

resolution Standard 480p

Ausgabevideoauflösung; nur 480p und 720p werden unterstützt.

•erforderlich

Für die Sprachsynthese ausgewählte Stimme.

Standard 145

Frame-Anzahl für die Generierung mit einem zulässigen Bereich von 41–721.

Erweitert acceleration · seed · enable_safety_checker
acceleration Standard regular

Während der Generierung angewendete Beschleunigungsstufe.

Standard 42

Seed für reproduzierbare Generierung. Bei None wird ein Seed zufällig ausgewählt.

POST /run/infinitalk/single-text?wait=20 Preis → 2,32 $
# 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/infinitalk/single-text?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",
    "text_input": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "voice": "Aria",
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# 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"

Diese Anfrage ausführen

Dein Schlüssel bleibt in diesem Browser: Er wird nur an die Doitong API gesendet und nur gespeichert (localStorage), wenn du „Merken“ aktivierst. API-Schlüssel abrufen

Über Infinitalk · Single Text

Statt einer Audiodatei verwendet diese Variante `text_input` und eine `voice` (etwa Aria, Roger oder Sarah), spricht den Text und synchronisiert anschließend die Lippen des Avatars aus `image_url`. Ein `prompt` steuert das Video. `num_frames` reicht von 41 bis 721, `resolution` ist 480p oder 720p, und `acceleration` kann none, regular oder high sein.

Parameter

Sende entweder den kanonischen Namen oder den nativen Namen, nicht beide. Kanonische Namen

NameTyp StandardZulässig Beschreibung
image_urlerforderlich image
Typurl · image
URL des Quellbilds; das ausgewählte Seitenverhältnis bestimmt, ob eine Vorverarbeitung erforderlich ist: Bei einer Abweichung wird das Bild skaliert und anschließend mittig zugeschnitten.
text_inputerforderlich
Typstring
Text, der den Prozess der Video-Generierung steuert.
voiceerforderlich
Typenum
AriaRogerSarahLauraCharlieGeorgeCallumRiverLiamCharlotteAliceMatildaWillJessicaEricChris
+4 weitereBrianDanielLilyBill
Für die Sprachsynthese ausgewählte Stimme.
prompterforderlich
Typstring
Textanweisungen zur Steuerung der Video-Generierung.
num_framesoptional
Typinteger
Standard145
41 – 721
Frame-Anzahl für die Generierung mit einem zulässigen Bereich von 41–721.
resolutionoptional
Typenum
Standard480p
480p720p
Ausgabevideoauflösung; nur 480p und 720p werden unterstützt.
seedoptional
Typinteger
Standard42
0 – 4.294.967.295
Seed für reproduzierbare Generierung. Bei None wird ein Seed zufällig ausgewählt.
accelerationoptional
Typenum
Standardregular
noneregularhigh
Während der Generierung angewendete Beschleunigungsstufe.
enable_safety_checkeroptional
Typboolean
Standardtrue
Die Prüfung kann durch Setzen auf false gelockert werden, sofern der Aufrufer dazu berechtigt ist.
erforderlich Kanonischer Name, ebenfalls akzeptiert

Dateiparameter akzeptieren eine öffentliche https://-URL, eine data:-URI bis 10 MB oder die file_url eines Uploads. Dateien

Ausgabe

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "infinitalk/single-text",
  "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": 2320,
    "usd": "2.32",
    "charged": 2320,
    "refunded": 0
  },
  "input": {
    "image_url": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "text_input": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "voice": "Aria",
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  },
  "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
  },
  "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"
  }
}
Deine Dateien, deine EntscheidungJede outputs[].url ist eine Kopie in unserem Speicher: dauerhaft aufbewahrt (Abrechnung pro GB-Monat) oder 7 Tage kostenlos – je nach Kontoeinstellung oder ?storage=.
Gleiche Struktur bei jedem Modelltype, url, content_type, width, height und duration – für Bilder, Video und Audio gleichermaßen. output ist das Ergebnisobjekt des Modells.
Ausgabefelder
video
object {url, content_type, file_name, file_size}Durch die Generierung erzeugte Videodatei.
seed
integerWährend der Generierung angewendeter Seed-Wert.

Weitere Modelle: Lipsync & Avatare

Für KI-Agenten: Diese Seite ist als Markdown verfügbar unter https://doitong.com/de/developers/models/infinitalk/single-text.md. Alle Modelle und Anleitungen: https://doitong.com/developers/llms.txt