Op den Inhalt sprangen

Infinitalk · Single Text

Integréieren

Modell-ID infinitalk/single-text
# 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/infinitalk/single-text?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",
    "text_input": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "voice": "Aria",
    "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"

Dës Ufro: ≈2,32 $ 2.320 API-Kreditter Op dëser Säit ausféieren

API-Schlëssel kréien
Meituan Lipsync & Avataren Lipsyncbis zu 720p

Talking-Avatar-Video aus engem Bild an getipptem Text, geschwat mat enger ausgewielter agebauter Stëmm

Meituan · Video

Äin éischt Resultat kënnt hei hin

Baut hei drënner eng Ufro a féiert se mat Ärem API-Schlëssel aus. Output gëtt an eis Späicherung kopéiert, fir ëmmer oder 7 Deeg gratis gespäichert.

Eng Ufro erstellen

D'Kontrolle ginn aus dem Modellschema generéiert. De Code an de Präis aktualiséiere sech, wann s du se ännerst.

•obligatoresch

Text, deen de Video-Generatiounsprozess steiert.

•obligatoresch

Textinstruktiounen, déi d'Video-Generatioun steieren.

•obligatoresch image_url
Fichier erofzéien, oder

URL vum Quellbild; dat gewielte Bildformat bestëmmt, ob Virveraarbechtung néideg ass: Bei enger Ofwäichung gëtt d'Bild skaléiert an duerno zentral gecropt.

resolution Standard 480p

Opléisung vum Output-Video; nëmmen 480p an 720p ginn ënnerstëtzt.

•obligatoresch

Stëmm, déi fir d'Sproochsynthees ausgewielt gouf.

Standard 145

Frame-Zuel fir d'Generatioun, mat engem erlaabte Beräich vun 41–721.

Erweidert acceleration · seed · enable_safety_checker
acceleration Standard regular

Beschleunegungsniveau, deen während der Generatioun applizéiert gëtt.

Standard 42

Seed, deen d'Generatioun reproduzéierbar mécht. Wann et op None gesat gëtt, gëtt e Seed zoufälleg gewielt.

POST /run/infinitalk/single-text?wait=20 Präis → 2,32 $
# 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/infinitalk/single-text?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",
    "text_input": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "voice": "Aria",
    "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"

Dës Ufro ausféieren

Äre Schlëssel bleift an dësem Browser: e gëtt nëmmen un d'Doitong API geschéckt an nëmme gespäichert (localStorage), wann s du „Erënneren“ aktivéiers. En API-Schlëssel kréien

Iwwer Infinitalk · Single Text

Amplaz vun enger Audiodatei hëlt dës Variant `text_input` an eng `voice` (zum Beispill Aria, Roger oder Sarah) un, fir den Text ze schwätzen, a synchroniséiert duerno d'Lëppe vum Avatar aus `image_url`. E `prompt` guidéiert de Video. `num_frames` geet vun 41 bis 721, `resolution` ass 480p oder 720p, an `acceleration` kann none, regular oder high sinn.

Parameteren

Schéck entweder den kanoneschen Numm oder den natierlechen Numm, net béid. Kanonesch Nimm

NummTyp StandardErlaabt Beschreiwung
image_urlobligatoresch image
Typurl · image
URL vum Quellbild; dat gewielte Bildformat bestëmmt, ob Virveraarbechtung néideg ass: Bei enger Ofwäichung gëtt d'Bild skaléiert an duerno zentral gecropt.
text_inputobligatoresch
Typstring
Text, deen de Video-Generatiounsprozess steiert.
voiceobligatoresch
Typenum
AriaRogerSarahLauraCharlieGeorgeCallumRiverLiamCharlotteAliceMatildaWillJessicaEricChris
+4 méiBrianDanielLilyBill
Stëmm, déi fir d'Sproochsynthees ausgewielt gouf.
promptobligatoresch
Typstring
Textinstruktiounen, déi d'Video-Generatioun steieren.
num_framesoptional
Typinteger
Standard145
41 – 721
Frame-Zuel fir d'Generatioun, mat engem erlaabte Beräich vun 41–721.
resolutionoptional
Typenum
Standard480p
480p720p
Opléisung vum Output-Video; nëmmen 480p an 720p ginn ënnerstëtzt.
seedoptional
Typinteger
Standard42
0 – 4.294.967.295
Seed, deen d'Generatioun reproduzéierbar mécht. Wann et op None gesat gëtt, gëtt e Seed zoufälleg gewielt.
accelerationoptional
Typenum
Standardregular
noneregularhigh
Beschleunegungsniveau, deen während der Generatioun applizéiert gëtt.
enable_safety_checkeroptional
Typboolean
Standardtrue
D'Kontroll kann duerch false gelackert ginn, wann den Uruffer autoriséiert ass.
obligatoresch Kanoneschen Numm, och akzeptéiert

Fichierparameter akzeptéieren eng ëffentlech https:// URL, eng data: URI bis zu 10 MB oder de file_url vun engem Upload. Fichieren

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "infinitalk/single-text",
  "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": 2320,
    "usd": "2.32",
    "charged": 2320,
    "refunded": 0
  },
  "input": {
    "image_url": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "text_input": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "voice": "Aria",
    "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"
  }
}
Är Fichieren, Är WielAll outputs[].url ass eng Kopie an eiser Späicherung: fir ëmmer gespäichert (bezuelbar pro GB-Mount) oder 7 Deeg gratis, jee no Ärer Kontastellung oder ?storage=.
D'selwecht Struktur bei all Modelltype, url, content_type, width, height an duration, fir Biller, Video an Audio gläichermoossen. output ass dem Modell säin eegent Resultatobjet.
Output-Felder
video
object {url, content_type, file_name, file_size}Video-Datei, déi duerch d'Generatioun erstallt gouf.
seed
integerSeed-Wäert, deen während der Generatioun applizéiert gouf.

Méi Modeller: Lipsync & Avataren

Fir AI-Agenten: dës Säit als Markdown ass ënner https://doitong.com/lb/developers/models/infinitalk/single-text.md. All Modeller a Guiden: https://doitong.com/developers/llms.txt