Przejdź do treści

AI Avatar Single Text

Integracja

Identyfikator modelu ai-avatar/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/ai-avatar/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"

To żądanie: ≈4,688 $ 4688 kredytów API Uruchom na tej stronie

Uzyskaj klucz API
Open model Synchronizacja ruchu ust i awatary Synchronizacja ruchu ustdo 720p #stylized#transform

Tworzy film z pojedynczym mówiącym awatarem na podstawie obrazu i tekstu, z synchronizacją ruchu ust i wybieranym głosem

Open model · Wideo

Tutaj pojawi się pierwszy wynik

Zbuduj poniżej żądanie i uruchom je za pomocą klucza API. Wyniki są kopiowane do naszej przestrzeni dyskowej i przechowywane bezterminowo lub 7 dni bezpłatnie.

Zbuduj żądanie

Elementy sterujące są generowane ze schematu modelu. Kod i cena aktualizują się podczas ich zmiany.

•wymagane

Tekst sterujący procesem generowania wideo.

•wymagane

Instrukcje tekstowe sterujące generowaniem wideo.

•wymagane image_url
Upuść plik lub

URL obrazu źródłowego; wybrany współczynnik proporcji określa, czy potrzebne jest przetwarzanie wstępne: niezgodność powoduje zmianę rozmiaru, a następnie centralne kadrowanie.

resolution domyślnie 480p

Rozdzielczość wynikowego wideo; obsługiwane są tylko 480p i 720p.

•wymagane

Głos wybrany do syntezy mowy.

domyślnie 145

Liczba klatek generowania w dozwolonym zakresie 41–721.

Zaawansowane acceleration · seed · enable_safety_checker
acceleration domyślnie regular

Poziom przyspieszenia stosowany podczas generowania.

domyślnie 42

Ziarno zapewniające powtarzalność generowania. Ustawienie None wybiera ziarno losowo.

POST /run/ai-avatar/single-text?wait=20 wycena → 4,688 $
# 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/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"

Uruchom to żądanie

Klucz pozostaje w tej przeglądarce: jest wysyłany tylko do Doitong API i zapisywany (localStorage) tylko po zaznaczeniu opcji Zapamiętaj. Uzyskaj klucz API

Informacje o AI Avatar Single Text

Zamienia jeden obraz w mówiącego awatara. Podaj `text_input`, `voice` i `prompt`; tekst zostanie automatycznie wypowiedziany i zsynchronizowany z ruchem ust. `num_frames` przyjmuje wartości od 41 do 721, co stanowi najszerszy zakres wśród wariantów awatarów, a `resolution` wynosi 480p lub 720p. `acceleration` może mieć wartość none, regular lub high.

Parametry

Wyślij nazwę kanoniczną albo natywną, nie obie. Nazwy kanoniczne

NazwaTyp DomyślneDozwolone Opis
image_urlwymagane image
Typurl · image
URL obrazu źródłowego; wybrany współczynnik proporcji określa, czy potrzebne jest przetwarzanie wstępne: niezgodność powoduje zmianę rozmiaru, a następnie centralne kadrowanie.
text_inputwymagane
Typstring
Tekst sterujący procesem generowania wideo.
voicewymagane
Typenum
AriaRogerSarahLauraCharlieGeorgeCallumRiverLiamCharlotteAliceMatildaWillJessicaEricChris
+4 więcejBrianDanielLilyBill
Głos wybrany do syntezy mowy.
promptwymagane
Typstring
Instrukcje tekstowe sterujące generowaniem wideo.
num_framesopcjonalne
Typinteger
Domyślne145
41 – 721
Liczba klatek generowania w dozwolonym zakresie 41–721.
resolutionopcjonalne
Typenum
Domyślne480p
480p720p
Rozdzielczość wynikowego wideo; obsługiwane są tylko 480p i 720p.
seedopcjonalne
Typinteger
Domyślne42
0 – 4 294 967 295
Ziarno zapewniające powtarzalność generowania. Ustawienie None wybiera ziarno losowo.
accelerationopcjonalne
Typenum
Domyślneregular
noneregularhigh
Poziom przyspieszenia stosowany podczas generowania.
enable_safety_checkeropcjonalne
Typboolean
Domyślnetrue
Filtrowanie można złagodzić, ustawiając false, jeśli wywołujący ma odpowiednie uprawnienia.
wymagane Nazwa kanoniczna, również akceptowana

Parametry plików przyjmują publiczny URL https://, identyfikator URI data: do 10 MB albo file_url przesłanego pliku. Pliki

Wynik

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ai-avatar/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": 4688,
    "usd": "4.688",
    "charged": 4688,
    "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"
  }
}
Twoje pliki, Twój wybórKażdy outputs[].url to kopia w naszej przestrzeni dyskowej: przechowywana bezterminowo (opłata za GB-miesiąc) lub 7 dni bezpłatnie, zgodnie z ustawieniem konta lub ?storage=.
Taki sam format w każdym modelutype, url, content_type, width, height i duration — tak samo dla obrazów, filmów i dźwięku. output to własny obiekt wyniku modelu.
Pola wyniku
video
object {url, content_type, file_name, file_size}Plik wideo utworzony podczas generowania.
seed
integerWartość ziarna stosowana podczas generowania.

Więcej modeli: Synchronizacja ruchu ust i awatary

Dla agentów AI: ta strona w formacie Markdown jest dostępna pod adresem https://doitong.com/pl/developers/models/ai-avatar/single-text.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt