Ir al contenido

Infinitalk · Single Text

Integrar

Id del modelo 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"

Esta solicitud: ≈2,32 $ 2320 créditos de API Ejecutar en esta página

Obtener clave de API
Meituan Sincronización labial y avatares Sincronización labialhasta 720p

Video de avatar parlante a partir de una imagen y texto escrito, hablado con una voz integrada seleccionada

Meituan · Vídeo

Tu primer resultado aparecerá aquí

Crea una solicitud abajo y ejecútala con tu clave de API. Las salidas se copian en nuestro almacenamiento, conservadas para siempre o 7 días gratis.

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan al modificarlos.

•obligatorio

Texto que dirige el proceso de generación de video.

•obligatorio

Instrucciones de texto que orientan la generación de video.

•obligatorio image_url
Suelta un archivo o

URL de la imagen de origen; la relación de aspecto seleccionada determina si se necesita preprocesamiento: una discrepancia activa un redimensionamiento seguido de un recorte centrado.

resolution predeterminado 480p

Resolución del video de salida; solo se admiten 480p y 720p.

•obligatorio

Voz seleccionada para sintetizar voz.

predeterminado 145

Cantidad de fotogramas para la generación, con un intervalo permitido de 41–721.

Avanzado acceleration · seed · enable_safety_checker
acceleration predeterminado regular

Nivel de aceleración aplicado durante la generación.

predeterminado 42

Semilla que hace reproducible la generación. Establecerla en None selecciona una semilla aleatoriamente.

POST /run/infinitalk/single-text?wait=20 cotización → 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"

Ejecutar esta solicitud

Tu clave permanece en este navegador: solo se envía a la Doitong API y se guarda (localStorage) únicamente si marcas Recordar. Obtener una clave de API

Acerca de Infinitalk · Single Text

En lugar de un archivo de audio, esta variante recibe `text_input` y una `voice` (como Aria, Roger o Sarah) para pronunciarlo, y después sincroniza los labios del avatar de `image_url`. Un `prompt` guía el video. `num_frames` va de 41 a 721, `resolution` puede ser 480p o 720p y `acceleration` puede ser none, regular o high.

Parámetros

Envía el nombre canónico o el nombre nativo, no ambos. Nombres canónicos

NombreTipo PredeterminadoPermitido Descripción
image_urlobligatorio image
Tipourl · image
URL de la imagen de origen; la relación de aspecto seleccionada determina si se necesita preprocesamiento: una discrepancia activa un redimensionamiento seguido de un recorte centrado.
text_inputobligatorio
Tipostring
Texto que dirige el proceso de generación de video.
voiceobligatorio
Tipoenum
AriaRogerSarahLauraCharlieGeorgeCallumRiverLiamCharlotteAliceMatildaWillJessicaEricChris
+4 másBrianDanielLilyBill
Voz seleccionada para sintetizar voz.
promptobligatorio
Tipostring
Instrucciones de texto que orientan la generación de video.
num_framesopcional
Tipointeger
Predeterminado145
41 – 721
Cantidad de fotogramas para la generación, con un intervalo permitido de 41–721.
resolutionopcional
Tipoenum
Predeterminado480p
480p720p
Resolución del video de salida; solo se admiten 480p y 720p.
seedopcional
Tipointeger
Predeterminado42
0 – 4.294.967.295
Semilla que hace reproducible la generación. Establecerla en None selecciona una semilla aleatoriamente.
accelerationopcional
Tipoenum
Predeterminadoregular
noneregularhigh
Nivel de aceleración aplicado durante la generación.
enable_safety_checkeropcional
Tipoboolean
Predeterminadotrue
La moderación puede relajarse estableciendo false, siempre que el autor de la llamada esté autorizado.
obligatorio Nombre canónico, también aceptado

Los parámetros de archivo aceptan una URL pública https://, un URI data: de hasta 10 MB o el file_url de una carga. Archivos

Salida

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"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: conservada para siempre (se cobra por GB-mes) o 7 días gratis, según la configuración de tu cuenta o ?storage=.
La misma estructura en todos los modelostype, url, content_type, width, height y duration, tanto para imágenes como para vídeo y audio. output es el objeto de resultado propio del modelo.
Campos de salida
video
object {url, content_type, file_name, file_size}Archivo de video producido por la generación.
seed
integerValor de semilla aplicado durante la generación.

Más modelos: Sincronización labial y avatares

Para agentes de IA: esta página en Markdown está en https://doitong.com/es/developers/models/infinitalk/single-text.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt