رفتن به محتوا

Sad Talker

یکپارچه‌سازی

شناسه مدل sadtalker
# 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?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"
  }'

# 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"

تا ⁨‎$۴٫۵۰⁩ برای هر اجرا بر اساس مصرف واقعی هزینه دریافت می‌شود و مابقی بازپرداخت می‌شود اجرای آن در این صفحه

دریافت کلید API
Open model همگام‌سازی لب و آواتارها همگام‌سازی لب #animation

یک تصویر چهره را با استفاده از فایل صوتی به ویدیوی سخنگو تبدیل می‌کند

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 source_image_url
یک فایل بیندازید، یا

مکان تصویر منبع به‌صورت URL.

•الزامی
یک فایل بیندازید، یا

URL صوت هدایت‌کننده.

پیشرفته face_model_resolution · preprocess · face_enhancer · pose_style · expression_scale · still_mode
face_model_resolution پیش‌فرض 256

وضوح مورد استفاده مدل چهره.

preprocess پیش‌فرض crop

روش پیش‌پردازشی برای اعمال.

نوع بهبوددهنده چهره برای اعمال.

پیش‌فرض 0

سبک مورد استفاده برای ژست.

پیش‌فرض 1

ضریب مقیاس‌دهی حالت چهره.

POST /run/sadtalker?wait=20 قیمت → ⁨‎$۴٫۵۰⁩
# 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?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"
  }'

# 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 Sad Talker

پرتره را از طریق `source_image_url` و گفتار را از طریق `driven_audio_url` دریافت و ویدیوی چهره سخنگو تولید می‌کند. گزینه‌های قابل تنظیم شامل `pose_style` (از 0 تا 45)، `expression_scale` (از 0 تا 3)، `face_model_resolution` (256 یا 512)، `still_mode` برای حرکت کمتر سر و `preprocess` (crop، extcrop، resize، full، extfull) هستند.

پارامترها

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

نامنوع پیش‌فرضمجاز توضیحات
source_image_urlالزامی image
نوعurl · image
مکان تصویر منبع به‌صورت URL.
driven_audio_urlالزامی
نوعurl · audio
URL صوت هدایت‌کننده.
pose_styleاختیاری
نوعinteger
پیش‌فرض0
۰ – ۴۵
سبک مورد استفاده برای ژست.
face_model_resolutionاختیاری
نوعenum
پیش‌فرض256
256512
وضوح مورد استفاده مدل چهره.
expression_scaleاختیاری
نوعnumber
پیش‌فرض1
۰ – ۳
ضریب مقیاس‌دهی حالت چهره.
face_enhancerاختیاری
نوعstring | null
نوع بهبوددهنده چهره برای اعمال.
still_modeاختیاری
نوعboolean
پیش‌فرضfalse
حالت ثابت برای کاهش حرکت سر هنگام استفاده از پیش‌پردازش `full`.
preprocessاختیاری
نوعenum
پیش‌فرضcrop
cropextcropresizefullextfull
روش پیش‌پردازشی برای اعمال.
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": "sadtalker",
  "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"
  },
  "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}URL ویدیوی تولیدشده.

مدل‌های بیشتر: همگام‌سازی لب و آواتارها

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