model: ai-talking-avatar. Envíe una tarea asíncrona de la API de GoEnhance, guarde el img_uuid devuelto y luego sondee o use callbacks para saber cuándo se completa.API de AI Talking Avatar para video con sincronización de labios
Convierta un retrato y una pista de voz en un video parlante con sincronización de labios con
Obtenga clave de API
Conecte las entradas de retrato y voz en una sola solicitud
Comience con un retrato nítido
Proporcione una image_url pública de hasta 10MB. El rostro del hablante debe ser claramente visible, sin obstrucciones y aproximadamente de frente para que la imagen de origen sea fiable.
Impulse el habla con audio grabado
Proporcione una audio_url pública de entre 3 y 60 segundos y de hasta 50MB. Su duración medida determina tanto la duración de salida como la duración facturable.
Valide el nombre exacto del modelo, las URLs de los medios, los tamaños de archivo, la duración del audio y la resolución antes del envío.
Capacidades y límites de la API de AI Talking Avatar
Identificador exacto del modelo
Establezca <code>model</code> en <code>ai-talking-avatar</code>; este valor obligatorio selecciona el flujo de trabajo de talking avatar.
URL de retrato obligatoria
Proporcione <code>image_url</code> como una URI de retrato pública de no más de 10MB con un rostro visible y sin obstrucciones.
URL de voz obligatoria
Proporcione <code>audio_url</code> como audio de voz público de 3 a 60 segundos de duración y de no más de 50MB.
Prompt de interpretación opcional
Use <code>prompt</code> para describir la interpretación de habla deseada; el valor predeterminado documentado es <code>person talking</code>.
Dos opciones de resolución
Elija <code>540p</code> o <code>720p</code>. El valor predeterminado documentado es <code>540p</code>.
Callback o sondeo
Proporcione un callback HTTPS o conserve el <code>img_uuid</code> y sondee el endpoint de detalle del trabajo para conocer su finalización.
El precio se rige por la duración del audio medido. Un clip de 30 segundos cuesta 15 tokens a 540p o 30 tokens a 720p.
Precios de la API de AI Talking Avatar
Precio de 540p
0,5 token por segundo de audio, equivalente a $0.01 por segundo según el valor documentado de $0.02 por token.
Precio de 720p
1 token por segundo de audio, equivalente a $0.02 por segundo según el valor documentado de $0.02 por token.
Facturación según audio medido
GoEnhance mide el audio transferido antes de descontar tokens; el costo es la cantidad de segundos medidos multiplicada por la tarifa seleccionada.
Integre la API de GoEnhance en seis pasos
1
1. Cree una clave de API
Cree una clave de API de GoEnhance y envíela con su solicitud de API autenticada.
2
2. Valide el medio de origen
Verifique la visibilidad y el tamaño del retrato, luego confirme que el archivo de voz sea público, de 3 a 60 segundos y no mayor de 50 MB.
3
3. Construir la solicitud
Establezca
model: ai-talking-avatar, añada image_url y audio_url, luego elija un prompt y una resolución opcionales. 4
4. Envíe la tarea
Envíe el cuerpo JSON a
https://api.goenhance.ai/api/v1/videos/generations. No envíe un campo duration. 5
5. Persistir y rastrear
Guarde el
img_uuid devuelto y luego consulte GET /api/v1/jobs/detail o reciba eventos de devolución de llamada. 6
6. Manejar estados terminales
Procese el éxito y el fallo de forma idempotente, valide el video devuelto y mantenga los reintentos separados de los envíos duplicados.
Cree flujos de trabajo de presentador, capacitación, localización y creador con conciencia del consentimiento en torno a entradas autorizadas de retratos y audio.
Casos de uso para desarrolladores de video de avatar parlante
Videos de presentadores localizados
Empareje retratos de presentadores aprobados con pistas de voz localizadas para videos explicativos de productos y campañas regionales.
Canales de entrenamiento de contenido
Genere segmentos de cabeza parlante a partir de retratos autorizados y narración preparada para materiales de aprendizaje internos.
Incorporación personalizada
Cree clips de bienvenida basados en consentimiento para flujos de productos sin construir una pila de renderizado de sincronización de labios personalizada.
Herramientas de narración de creadores
Agregue la generación de retrato más audio a los productos de creadores mientras realiza un seguimiento asíncrono de cada solicitud.
Variantes de video de campaña
Genere variantes aprobadas de voz y resolución para revisión, localización y edición de video posterior.
Colas de contenido automatizadas
Conecte los IDs de tarea y los callbacks a la orquestación de lotes sin bloquear el hilo de solicitudes de la aplicación.
Respuestas a preguntas comunes sobre solicitudes, precios, límites de medios, estado de tareas e integración.