model: ai-talking-avatar 將一張人像與一段語音軌道轉換為唇形同步的說話影片。以非同步方式提交 GoEnhance API 任務，保存回傳的 img_uuid，然後輪詢或使用回呼來取得完成狀態。用於唇形同步影片的 AI Talking Avatar API
使用
取得 API 金鑰
在單一請求中連接人像與語音輸入
提交前請驗證精確的模型名稱、媒體 URL、檔案大小、音訊長度與解析度。
AI Talking Avatar API 功能與限制
確切的模型識別碼
將 <code>model</code> 設為 <code>ai-talking-avatar</code>；這個必要值會選取 talking-avatar 工作流程。
必填的人像 URL
以公開人像 URI 的形式傳遞 <code>image_url</code>，大小不超過 10MB，且臉部清晰可見、無遮擋。
必填的語音 URL
以公開語音音訊的形式傳遞 <code>audio_url</code>，長度為 3-60 秒且不超過 50MB。
選用的表演提示詞
使用 <code>prompt</code> 描述期望的說話表演；文件記載的預設值為 <code>person talking</code>。
兩種解析度選項
選擇 <code>540p</code> 或 <code>720p</code>。文件記載的預設值為 <code>540p</code>。
回呼或輪詢
提供 HTTPS 回呼，或保存 <code>img_uuid</code> 並輪詢任務詳細端點以取得完成狀態。
定價依量測的音訊長度而定。一段 30 秒的片段在 540p 下需 15 tokens，在 720p 下需 30 tokens。
AI Talking Avatar API 定價
540p 定價
每音訊秒 0.5 token，以文件記載的每 token $0.02 計算，等於每秒 $0.01。
720p 定價
每音訊秒 1 token，以文件記載的每 token $0.02 計算，等於每秒 $0.02。
量測音訊計費
GoEnhance 會在扣除 token 前量測傳輸的音訊；費用為量測秒數乘以所選費率。
用六個步驟整合 GoEnhance API
1
1. 建立 API 金鑰
建立 GoEnhance API 金鑰，並在已驗證的 API 請求中一併送出。
2
2. 驗證來源媒體
檢查人像是否清楚可見及其尺寸，並確認語音檔案為公開、長度 3-60 秒、且不超過 50MB。
3
3. 建構請求
設定
model: ai-talking-avatar，加入 image_url 和 audio_url，再選擇選用的提示詞與解析度。 4
4. 提交任務
將 JSON 主體 POST 至
https://api.goenhance.ai/api/v1/videos/generations。請勿傳送 duration 欄位。 5
5. 儲存並追蹤
儲存回傳的
img_uuid，然後輪詢 GET /api/v1/jobs/detail 或接收回呼事件。 6
6. 處理最終狀態
以冪等方式處理成功與失敗，驗證回傳的影片，並將重試與重複提交分開處理。
圍繞已授權的人像與音訊輸入，建立考量同意機制的講者、訓練、本地化與創作者工作流程。
人像說話影片的開發者使用案例
在地化主講人影片
將已核准的主講人人像與本地化的語音音軌搭配，用於產品介紹影片與區域行銷活動。
訓練內容管線
從授權人像與準備好的旁白產生講話片段，用於內部學習教材。
個人化引導
為產品流程建立以同意為基礎的歡迎短片，而不需建置自訂的嘴型同步算圖堆疊。
創作者旁白工具
將人像加音訊的生成功能加入創作者產品，並以非同步方式追蹤每個請求。
行銷活動影片變體
產生已核准的語音與解析度變體，供審查、本地化與後續影片剪輯使用。
自動化內容佇列
將任務 ID 與回呼連接到批次協調流程，且不阻塞應用程式的請求執行緒。
針對常見請求、定價、媒體限制、任務狀態與整合問題的解答。