Ir al contenido

Sad Talker · Reference

Integrar

Id del modelo sadtalker/reference
# 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/reference?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",
    "reference_pose_video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  }'

# 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"

Hasta 4,50 $ por ejecución se cobra según el uso real y el resto se reembolsa Ejecutar en esta página

Obtener clave de API
Open model Sincronización labial y avatares Entradas de referenciaSincronización labial #animation

Animación de un rostro parlante a partir de una imagen y audio, con la pose de la cabeza tomada de un vídeo de referencia

Open model · 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 source_image_url
Suelta un archivo o

Ubicación de la imagen de origen como URL.

•obligatorio
Suelta un archivo o

URL que apunta al audio de conducción.

•obligatorio
Suelta un archivo o

URL del video de referencia.

Avanzado face_model_resolution · preprocess · face_enhancer · pose_style · expression_scale · still_mode
face_model_resolution predeterminado 256

Resolución utilizada por el modelo facial.

preprocess predeterminado crop

Método de preprocesamiento que se aplicará.

Tipo de mejora facial que se aplicará.

predeterminado 0

Estilo utilizado para la pose.

predeterminado 1

Factor de escala de la expresión.

POST /run/sadtalker/reference?wait=20 cotización → 4,50 $
# 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/reference?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",
    "reference_pose_video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  }'

# 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 Sad Talker · Reference

Como la variante básica de rostro parlante, pero también requiere `reference_pose_video_url`, un vídeo cuyos movimientos de cabeza guían el resultado. Las entradas son `source_image_url` y `driven_audio_url`. Las opciones incluyen `pose_style` (0 a 45), `expression_scale` (0 a 3), `face_model_resolution` (256 o 512), `still_mode` y una selección de cinco modos de `preprocess`.

Parámetros

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

NombreTipo PredeterminadoPermitido Descripción
source_image_urlobligatorio image
Tipourl · image
Ubicación de la imagen de origen como URL.
driven_audio_urlobligatorio
Tipourl · audio
URL que apunta al audio de conducción.
reference_pose_video_urlobligatorio
Tipourl · video
URL del video de referencia.
pose_styleopcional
Tipointeger
Predeterminado0
0 – 45
Estilo utilizado para la pose.
face_model_resolutionopcional
Tipoenum
Predeterminado256
256512
Resolución utilizada por el modelo facial.
expression_scaleopcional
Tiponumber
Predeterminado1
0 – 3
Factor de escala de la expresión.
face_enhanceropcional
Tipostring | null
Tipo de mejora facial que se aplicará.
still_modeopcional
Tipoboolean
Predeterminadofalse
Modo fijo para reducir el movimiento de la cabeza al utilizar el preprocesamiento `full`.
preprocessopcional
Tipoenum
Predeterminadocrop
cropextcropresizefullextfull
Método de preprocesamiento que se aplicará.
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": "sadtalker/reference",
  "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",
    "reference_pose_video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  },
  "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"
  }
}
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}URL del video generado.

Más modelos: Sincronización labial y avatares

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