Przejdź do treści

Sad Talker · Reference

Integracja

Identyfikator modelu sadtalker/reference
# 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/reference?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",
    "reference_pose_video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  }'

# 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"

Do 4,50 $ za uruchomienie opłata jest naliczana za rzeczywiste wykorzystanie, a reszta jest zwracana Uruchom na tej stronie

Uzyskaj klucz API
Open model Synchronizacja ruchu ust i awatary Dane referencyjneSynchronizacja ruchu ust #animation

Animacja mówiącej twarzy na podstawie obrazu i audio, z ułożeniem głowy pobranym z wideo referencyjnego

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 source_image_url
Upuść plik lub

Lokalizacja obrazu źródłowego jako URL.

•wymagane
Upuść plik lub

URL audio sterującego.

•wymagane
Upuść plik lub

URL wideo referencyjnego.

Zaawansowane face_model_resolution · preprocess · face_enhancer · pose_style · expression_scale · still_mode
face_model_resolution domyślnie 256

Rozdzielczość używana przez model twarzy.

preprocess domyślnie crop

Metoda przetwarzania wstępnego do zastosowania.

Typ wzmacniacza twarzy do zastosowania.

domyślnie 0

Styl używany dla pozy.

domyślnie 1

Współczynnik skalowania ekspresji.

POST /run/sadtalker/reference?wait=20 wycena → 4,50 $
# 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/reference?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",
    "reference_pose_video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  }'

# 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 Sad Talker · Reference

Podobnie jak podstawowy wariant animowanej twarzy, ale dodatkowo wymaga `reference_pose_video_url` — wideo, którego ruchy głowy sterują wynikiem. Dane wejściowe to `source_image_url` i `driven_audio_url`. Opcje obejmują `pose_style` (0 do 45), `expression_scale` (0 do 3), `face_model_resolution` (256 lub 512), `still_mode` oraz wybór jednego z pięciu trybów `preprocess`.

Parametry

Wyślij nazwę kanoniczną albo natywną, nie obie. Nazwy kanoniczne

NazwaTyp DomyślneDozwolone Opis
source_image_urlwymagane image
Typurl · image
Lokalizacja obrazu źródłowego jako URL.
driven_audio_urlwymagane
Typurl · audio
URL audio sterującego.
reference_pose_video_urlwymagane
Typurl · video
URL wideo referencyjnego.
pose_styleopcjonalne
Typinteger
Domyślne0
0 – 45
Styl używany dla pozy.
face_model_resolutionopcjonalne
Typenum
Domyślne256
256512
Rozdzielczość używana przez model twarzy.
expression_scaleopcjonalne
Typnumber
Domyślne1
0 – 3
Współczynnik skalowania ekspresji.
face_enhanceropcjonalne
Typstring | null
Typ wzmacniacza twarzy do zastosowania.
still_modeopcjonalne
Typboolean
Domyślnefalse
Tryb nieruchomy ograniczający ruch głowy podczas używania przetwarzania wstępnego `full`.
preprocessopcjonalne
Typenum
Domyślnecrop
cropextcropresizefullextfull
Metoda przetwarzania wstępnego do zastosowania.
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": "sadtalker/reference",
  "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",
    "reference_pose_video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  },
  "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"
  }
}
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}URL wygenerowanego wideo.

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/sadtalker/reference.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt