رفتن به محتوا

AI Avatar Multi

یکپارچه‌سازی

شناسه مدل ai-avatar/multi
# 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/ai-avatar/multi?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",
    "first_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "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"

فایل‌هایی مانند نمونه: ⁨‎$۱٫۸۱⁩ ۱٬۸۱۰ اعتبار API فایل‌های شما پیش از اجرا اندازه‌گیری می‌شوند اجرای آن در این صفحه

دریافت کلید API
Open model همگام‌سازی لب و آواتارها همگام‌سازی لبحداکثر 720p #stylized#transform

یک تصویر ثابت را به ویدیوی گفت‌وگوی دونفره تبدیل می‌کند که با یک یا دو قطعهٔ صوتی بارگذاری‌شده هدایت می‌شود

Open model · ویدیو

اولین نتیجه شما اینجا قرار می‌گیرد

درخواست را در زیر بسازید و با کلید API خود اجرا کنید. خروجی‌ها در فضای ذخیره‌سازی ما کپی می‌شوند و برای همیشه یا به‌مدت ۷ روز رایگان نگه‌داری می‌شوند.

ساخت درخواست

کنترل‌ها از شِمای مدل تولید می‌شوند. با تغییر آن‌ها، کد و قیمت به‌روزرسانی می‌شوند.

•الزامی

دستورهای متنی برای هدایت تولید ویدیو.

•الزامی image_url
یک فایل بیندازید، یا

نشانی اینترنتی تصویر منبع؛ نسبت تصویر انتخاب‌شده تعیین می‌کند پیش‌پردازش لازم است یا نه: ناهماهنگی باعث تغییر اندازه و سپس برش مرکزی می‌شود.

•الزامی
یک فایل بیندازید، یا

نشانی اینترنتی فایل صوتی Person 1.

resolution پیش‌فرض 480p

وضوح ویدیوی خروجی؛ فقط 480p و 720p پشتیبانی می‌شوند.

پیش‌فرض 181

تعداد فریم تولید، از 81 تا 129 به‌صورت شامل دو کران.

پیشرفته second_audio_url · acceleration · seed · use_only_first_audio · enable_safety_checker
یک فایل بیندازید، یا

نشانی اینترنتی فایل صوتی Person 2.

acceleration پیش‌فرض regular

سطح شتاب اعمال‌شده هنگام تولید.

پیش‌فرض 81

Seed برای تکرارپذیر کردن تولید. تنظیم آن روی None، Seed را به‌صورت تصادفی انتخاب می‌کند.

POST /run/ai-avatar/multi?wait=20 قیمت → ⁨‎$۱٫۸۱⁩
# 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/ai-avatar/multi?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",
    "first_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "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"

اجرای این درخواست

کلید شما در این مرورگر باقی می‌ماند: فقط به Doitong API ارسال می‌شود و فقط در صورت فعال‌کردن گزینه «یادآوری»، در localStorage ذخیره می‌شود. دریافت کلید API

درباره AI Avatar Multi

یک تصویر به‌همراه `first_audio_url` و یک `second_audio_url` اختیاری می‌گیرد تا ویدیویی بسازد که افراد تصویر به‌نوبت صحبت می‌کنند. `prompt` الزامی صحنه را هدایت می‌کند. خروجی 480p یا 720p است و `num_frames` از 41 تا 241 مقدار می‌گیرد. `use_only_first_audio` نتیجه را به قطعهٔ اول محدود می‌کند و `acceleration` می‌تواند none، regular یا high باشد.

پارامترها

نام استاندارد یا نام بومی را ارسال کنید، نه هر دو. نام‌های استاندارد

نامنوع پیش‌فرضمجاز توضیحات
image_urlالزامی image
نوعurl · image
نشانی اینترنتی تصویر منبع؛ نسبت تصویر انتخاب‌شده تعیین می‌کند پیش‌پردازش لازم است یا نه: ناهماهنگی باعث تغییر اندازه و سپس برش مرکزی می‌شود.
first_audio_urlالزامی
نوعurl · audio
نشانی اینترنتی فایل صوتی Person 1.
second_audio_urlاختیاری
نوعurl · audio
نشانی اینترنتی فایل صوتی Person 2.
promptالزامی
نوعstring
دستورهای متنی برای هدایت تولید ویدیو.
num_framesاختیاری
نوعinteger
پیش‌فرض181
۴۱ – ۲۴۱
تعداد فریم تولید، از 81 تا 129 به‌صورت شامل دو کران.
resolutionاختیاری
نوعenum
پیش‌فرض480p
480p720p
وضوح ویدیوی خروجی؛ فقط 480p و 720p پشتیبانی می‌شوند.
seedاختیاری
نوعinteger
پیش‌فرض81
۰ – ۴٬۲۹۴٬۹۶۷٬۲۹۵
Seed برای تکرارپذیر کردن تولید. تنظیم آن روی None، Seed را به‌صورت تصادفی انتخاب می‌کند.
use_only_first_audioاختیاری
نوعboolean
پیش‌فرضfalse
مشخص می‌کند فقط نخستین فایل صوتی استفاده شود یا خیر.
accelerationاختیاری
نوعenum
پیش‌فرضregular
noneregularhigh
سطح شتاب اعمال‌شده هنگام تولید.
enable_safety_checkerاختیاری
نوعboolean
پیش‌فرضtrue
با تنظیم false، در صورت مجاز بودن فراخواننده، می‌توان بررسی را آسان‌گیرانه‌تر کرد.
الزامی نام استاندارد، همچنین پذیرفته می‌شود

پارامترهای فایل یک URL عمومی https://، یک URI از نوع data: تا سقف 10 MB، یا file_url یک فایل بارگذاری‌شده را می‌پذیرند. فایل‌ها

خروجی

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ai-avatar/multi",
  "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": 1810,
    "usd": "1.81",
    "charged": 1810,
    "refunded": 0
  },
  "input": {
    "image_url": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "first_audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "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"
  }
}
فایل‌های شما، انتخاب شماهر outputs[].url کپی‌ای در فضای ذخیره‌سازی ماست: برای همیشه (با هزینه به‌ازای هر GB-ماه) یا به‌مدت ۷ روز رایگان، بر اساس تنظیم حساب شما یا ?storage=.
ساختار یکسان در همه مدل‌هاtype، url، content_type، width، height و duration برای تصاویر، ویدیو و صدا یکسان هستند. output شیء نتیجه اختصاصی مدل است.
فیلدهای خروجی
video
object {url, content_type, file_name, file_size}فایل ویدیویی تولیدشده.
seed
integerمقدار Seed اعمال‌شده هنگام تولید.

مدل‌های بیشتر: همگام‌سازی لب و آواتارها

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/ai-avatar/multi.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt