用於唇形同步影片的 AI Talking Avatar API

使用 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。
取得 API 金鑰
講者在專業錄音室中進行 AI Talking Avatar API 製作

在單一請求中連接人像與語音輸入

從清晰的人像開始

提供一個大小不超過 10MB 的公開 image_url。說話者的臉部應清晰可見、無遮擋,且大致面向鏡頭,以作為可靠的來源圖片。
AI Talking Avatar API 請求所需的正向人像拍攝

使用錄製的音訊驅動語音

提供一個長度 3 至 60 秒且不超過 50MB 的公開 audio_url。其量測到的持續時間同時決定輸出長度與計費時間。
錄製音訊以驅動說話頭像影片的錄音時段
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 model 設為 ai-talking-avatar;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 image_url,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 audio_url,長度為 3-60 秒且不超過 50MB。

選用的表演提示詞

使用 prompt 描述期望的說話表演;文件記載的預設值為 person talking。

兩種解析度選項

選擇 540p 或 720p。文件記載的預設值為 540p。

回呼或輪詢

提供 HTTPS 回呼,或保存 img_uuid 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。
取得 API 金鑰
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。

AI Talking Avatar API 常見問題

AI Talking Avatar API 使用哪個端點?

使用 model: ai-talking-avatar 傳送 POST https://api.goenhance.ai/api/v1/videos/generations,並附上公開的人像 image_url 與公開的 audio_url。

AI Talking Avatar API 的計價方式為何?

計費以測量到的音訊長度為準:540p 時每秒 0.5 個 token,720p 時每秒 1 個 token,分別等於每秒 $0.01 與 $0.02。

哪些請求欄位是必填的?

文件中列出的必填欄位為 model、image_url 與 audio_url。提示詞、解析度與回呼 URL 皆為選填。

我可以傳送 duration 參數嗎?

不行。端點會拒絕 duration 欄位。輸出長度與計費皆依音訊檔案的測量長度而定。

人像與音訊有哪些限制?

人像最大 10MB。音訊長度須為 3-60 秒,且不得超過 50MB。請使用清晰語音,並確保臉部無遮蔽、大致面對鏡頭。

有哪些輸出解析度可用?

端點接受 540p 與 720p。若未指定,文件中記載的預設值為 540p。

我該如何接收完成的影片?

保存 img_uuid 並輪詢 GET /api/v1/jobs/detail,或提供一個公開的 HTTPS 回呼 URL 以接收狀態變更。

這是上游模型的官方 API 嗎?

本頁面說明透過 GoEnhance API 的獨立存取方式。它不主張任何上游合作關係、背書或官方關聯。

使用 AI Talking Avatar API 建置