رفتن به محتوا

Mirage Avatar X

یکپارچه‌سازی

شناسه مدل mirage-api/avatar-x/reference-to-video
# 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/mirage-api/avatar-x/reference-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "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: ⁨‎$۳٫۰۰⁩ ۳٬۰۰۰ اعتبار API فایل‌های شما پیش از اجرا اندازه‌گیری می‌شوند اجرای آن در این صفحه

دریافت کلید API
Mirage همگام‌سازی لب و آواتارها ورودی‌های مرجعهمگام‌سازی لب #avatar#lipsync#talking-head

ویدیوی سخنگوی آواتار X که با صوت شما و یک مرجع تصویر، ویدیو یا آواتار آماده هدایت می‌شود

Mirage · 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 audio_url
یک فایل بیندازید، یا

نشانی عمومی HTTPS برای صوتی که ویدیوی تولیدشده را هدایت می‌کند و بدون سربرگ‌های مجوز یا کوکی قابل‌دسترسی است. قالب‌های صوتی پذیرفته‌شده FLAC، Opus یا Vorbis، AAC یا ALAC، PCM WAV یا AIFF و MP3 هستند. فایل باید شامل یک جریان مونو یا استریو باشد، 3–180 ثانیه طول داشته باشد، بیش از 64 MiB حجم نداشته باشد و نرخ نمونه‌برداری آن 8–48 kHz باشد.

پیشرفته video_reference_url · avatar · image_reference_url

URL HTTPS ویدیوی مرجع، با دسترسی عمومی و بدون سربرگ‌های مجوز یا کوکی، برای فایلی که دقیقاً یک جریان ویدیو و حداقل یک بخش مناسب 1-ثانیه‌ای برای مرجع دارد؛ صوت نادیده گرفته می‌شود. فایل‌های .mp4، .mov یا .m4v باید با H.264، H.265/HEVC یا ProRes، و .webm باید با VP8 یا VP9 جفت شوند؛ مدت باید 1 تا 120 ثانیه، حجم حداکثر 1 GiB و نسبت تصویر نمایش در محدوده 5٪ از 9:16 یا 16:9 باشد. اگر image_reference_url نیز ارائه شود، ویدیو اولویت دارد.

انتخاب تصویر آماده که فقط وقتی استفاده می‌شود که هیچ مرجع تصویر یا ویدیویی ارائه نشده باشد؛ None و مقدار پیش‌فرض هر دو آن را تنظیم‌نشده باقی می‌گذارند. صوت هرگز از این تصویر تأمین نمی‌شود و همیشه از audio_url می‌آید. برای انتخاب تصویر، گزینه‌ها را در [کاتالوگ آواتار](https://captions.ai/help/docs/api/actor-catalog) پیش‌نمایش کنید و مقدار دقیق Avatar آن را کپی کنید.

URL HTTPS تصویر مرجع، با دسترسی عمومی و بدون کوکی یا سربرگ مجوز؛ ارائه video_reference_url باعث نادیده‌گرفتن آن می‌شود. یک تصویر ثابت با قالب .jpg، .jpeg، .png یا .webp می‌پذیرد؛ حجم حداکثر 25 MiB و اندازه حداکثر 25 مگاپیکسل است. ضلع کوتاه باید حداقل 512 px و هیچ ضلعی بیشتر از 8192 px نباشد؛ نسبت تصویر باید در محدوده 5٪ از 9:16 یا 16:9 قرار گیرد.

POST /run/mirage-api/avatar-x/reference-to-video?wait=20 قیمت → ⁨‎$۳٫۰۰⁩
# 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/mirage-api/avatar-x/reference-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "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 Mirage Avatar X

از `audio_url` (3 تا 180 ثانیه) ویدئوی آواتار هماهنگ با حرکت لب می‌سازد. تصویر از `video_reference_url`، `image_reference_url` یا آواتار آماده `avatar` تأمین می‌شود؛ اگر هر دو ارائه شوند، مرجع ویدئویی بر تصویر اولویت دارد. گزینه آواتار فقط تصویر را تأمین می‌کند، نه صدا را. URLهای مرجع باید از طریق HTTPS به‌صورت عمومی قابل دریافت باشند.

پارامترها

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

نامنوع پیش‌فرضمجاز توضیحات
audio_urlالزامی audio
نوعurl · audio
نشانی عمومی HTTPS برای صوتی که ویدیوی تولیدشده را هدایت می‌کند و بدون سربرگ‌های مجوز یا کوکی قابل‌دسترسی است. قالب‌های صوتی پذیرفته‌شده FLAC، Opus یا Vorbis، AAC یا ALAC، PCM WAV یا AIFF و MP3 هستند. فایل باید شامل یک جریان مونو یا استریو باشد، 3–180 ثانیه طول داشته باشد، بیش از 64 MiB حجم نداشته باشد و نرخ نمونه‌برداری آن 8–48 kHz باشد.
video_reference_urlاختیاری
نوعstring | null
URL HTTPS ویدیوی مرجع، با دسترسی عمومی و بدون سربرگ‌های مجوز یا کوکی، برای فایلی که دقیقاً یک جریان ویدیو و حداقل یک بخش مناسب 1-ثانیه‌ای برای مرجع دارد؛ صوت نادیده گرفته می‌شود. فایل‌های .mp4، .mov یا .m4v باید با H.264، H.265/HEVC یا ProRes، و .webm باید با VP8 یا VP9 جفت شوند؛ مدت باید 1 تا 120 ثانیه، حجم حداکثر 1 GiB و نسبت تصویر نمایش در محدوده 5٪ از 9:16 یا 16:9 باشد. اگر image_reference_url نیز ارائه شود، ویدیو اولویت دارد.
avatarاختیاری
نوعenum
NoneAyeshaAyesha (16:9)FarhanFarhan (16:9)GiuliaGiulia (16:9)JasmineJasmine (16:9)LukeLuke (16:9)MayaMaya (16:9)MichaelMichael (16:9)Neha
+5 مورد دیگرNeha (16:9)TariqTariq (16:9)ValerieValerie (16:9)
انتخاب تصویر آماده که فقط وقتی استفاده می‌شود که هیچ مرجع تصویر یا ویدیویی ارائه نشده باشد؛ None و مقدار پیش‌فرض هر دو آن را تنظیم‌نشده باقی می‌گذارند. صوت هرگز از این تصویر تأمین نمی‌شود و همیشه از audio_url می‌آید. برای انتخاب تصویر، گزینه‌ها را در [کاتالوگ آواتار](https://captions.ai/help/docs/api/actor-catalog) پیش‌نمایش کنید و مقدار دقیق Avatar آن را کپی کنید.
image_reference_urlاختیاری
نوعstring | null
URL HTTPS تصویر مرجع، با دسترسی عمومی و بدون کوکی یا سربرگ مجوز؛ ارائه video_reference_url باعث نادیده‌گرفتن آن می‌شود. یک تصویر ثابت با قالب .jpg، .jpeg، .png یا .webp می‌پذیرد؛ حجم حداکثر 25 MiB و اندازه حداکثر 25 مگاپیکسل است. ضلع کوتاه باید حداقل 512 px و هیچ ضلعی بیشتر از 8192 px نباشد؛ نسبت تصویر باید در محدوده 5٪ از 9:16 یا 16:9 قرار گیرد.
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": "mirage-api/avatar-x/reference-to-video",
  "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": 3000,
    "usd": "3.00",
    "charged": 3000,
    "refunded": 0
  },
  "input": {
    "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
    }
  },
  "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}

مدل‌های بیشتر: همگام‌سازی لب و آواتارها

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/mirage-api/avatar-x/reference-to-video.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt