رفتن به محتوا

Bytedance Omnihuman V1.5

یکپارچه‌سازی

شناسه مدل bytedance/omnihuman/v1.5
# 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/bytedance/omnihuman/v1.5?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",
    "audio": "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"

فایل‌هایی مانند نمونه: ⁨‎$۱٫۶۰⁩ ۱٬۶۰۰ اعتبار API فایل‌های شما پیش از اجرا اندازه‌گیری می‌شوند اجرای آن در این صفحه

دریافت کلید API
ByteDance همگام‌سازی لب و آواتارها همگام‌سازی لبحداکثر 1080p #image-to-video#lipsync

OmniHuman 1.5 پرامپت متنی، ماسک گوینده، حالت turbo و انتخاب 720p یا 1080p را اضافه می‌کند

ByteDance · 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.

پرامپت متنی برای هدایت تولید ویدیو.

•الزامی image_url
یک فایل بیندازید، یا

نشانی تصویر منبع برای تولید ویدیو.

•الزامی audio_url
یک فایل بیندازید، یا

نشانی صوت منبع برای تولید ویدیو، با محدودیت مدت وابسته به وضوح: کمتر از 60 ثانیه برای 720p یا کمتر از 30 ثانیه برای 1080p.

resolution پیش‌فرض 1080p

وضوح خروجی ویدیو: 720p تولید سریع‌تر و کیفیت بالاتر با صوت تا 60 ثانیه ارائه می‌دهد، درحالی‌که 1080p صوت تا 30 ثانیه را پشتیبانی می‌کند. مقدار پیش‌فرض 1080p است.

پیشرفته mask · turbo_mode
mask_url
یک فایل بیندازید، یا

نشانی ماسک که فرد سخنگو را با ناحیه سفید مشخص می‌کند؛ پس از اعمال ماسک، فقط همان فرد صحبت می‌کند.

POST /run/bytedance/omnihuman/v1.5?wait=20 قیمت → ⁨‎$۱٫۶۰⁩
# 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/bytedance/omnihuman/v1.5?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",
    "audio": "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"

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 Bytedance Omnihuman V1.5

تصویر یک فرد را از فایل صوتی متحرک می‌کند. `prompt` اختیاری صحنه را هدایت می‌کند و `mask_url` صحبت‌کردن را به ناحیهٔ سفید ماسک محدود می‌کند. `turbo_mode` اندکی از کیفیت را برای سرعت بیشتر کاهش می‌دهد. `resolution` برابر 720p یا 1080p است؛ صدا در 720p می‌تواند تا 60 ثانیه و در 1080p تا 30 ثانیه باشد.

پارامترها

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

نامنوع پیش‌فرضمجاز توضیحات
promptاختیاری
نوعstring | null
پرامپت متنی برای هدایت تولید ویدیو.
image_urlالزامی image
نوعurl · image
نشانی تصویر منبع برای تولید ویدیو.
mask_urlاختیاری mask
نوعurl · image
نشانی ماسک که فرد سخنگو را با ناحیه سفید مشخص می‌کند؛ پس از اعمال ماسک، فقط همان فرد صحبت می‌کند.
audio_urlالزامی audio
نوعurl · audio
نشانی صوت منبع برای تولید ویدیو، با محدودیت مدت وابسته به وضوح: کمتر از 60 ثانیه برای 720p یا کمتر از 30 ثانیه برای 1080p.
turbo_modeاختیاری
نوعboolean
پیش‌فرضfalse
برای تولید سریع‌تر، مقدار کمی از کیفیت ویدیو را قربانی کنید.
resolutionاختیاری
نوعenum
پیش‌فرض1080p
720p1080p
وضوح خروجی ویدیو: 720p تولید سریع‌تر و کیفیت بالاتر با صوت تا 60 ثانیه ارائه می‌دهد، درحالی‌که 1080p صوت تا 30 ثانیه را پشتیبانی می‌کند. مقدار پیش‌فرض 1080p است.
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": "bytedance/omnihuman/v1.5",
  "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": 1600,
    "usd": "1.60",
    "charged": 1600,
    "refunded": 0
  },
  "input": {
    "image_url": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "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
    },
    "duration": 5
  },
  "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 ویدیوی حاصل.
duration
number

مدل‌های بیشتر: همگام‌سازی لب و آواتارها

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/bytedance/omnihuman/v1.5.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt