model: ai-talking-avatar 将一张肖像和一条语音轨转换为口型同步的说话视频。提交一个异步 GoEnhance API 任务,保存返回的 img_uuid,然后轮询或使用回调来获取完成状态。model: ai-talking-avatar 将一张肖像和一条语音轨转换为口型同步的说话视频。提交一个异步 GoEnhance API 任务,保存返回的 img_uuid,然后轮询或使用回调来获取完成状态。
model 设置为 ai-talking-avatar;此必填值选择说话头像工作流。image_url 作为公共肖像 URI,大小不超过 10MB,面部清晰可见且无遮挡。audio_url 作为公共语音音频,时长为 3-60 秒,大小不超过 50MB。prompt 描述期望的说话表现;文档中的默认值为 person talking。540p 或 720p。文档中的默认值为 540p。img_uuid 并轮询任务详情端点以获取完成状态。model: ai-talking-avatar,添加 image_url 和 audio_url,然后选择可选的提示词和分辨率。https://api.goenhance.ai/api/v1/videos/generations。不要发送 duration 字段。img_uuid,然后轮询 GET /api/v1/jobs/detail 或接收回调事件。发送 POST https://api.goenhance.ai/api/v1/videos/generations,其中包含 model: ai-talking-avatar、可公开访问的肖像 image_url 和可公开访问的 audio_url。
计费按实际测量的音频时长计算:540p 下每秒 0.5 token,720p 下每秒 1 token,分别相当于每秒 $0.01 和 $0.02。
文档中标注的必填字段为 model、image_url 和 audio_url。提示词、分辨率和回调 URL 为可选。
不可以。端点会拒绝 duration 字段。输出长度和计费均按音频文件的实际测量时长计算。
肖像最大可为 10MB。音频时长必须为 3-60 秒,且最大可为 50MB。请使用清晰的语音,人脸应无遮挡并大致正对镜头。
该端点接受 540p 和 720p。如果未指定,文档默认值为 540p。
保存 img_uuid 并轮询 GET /api/v1/jobs/detail,或提供公开的 HTTPS 回调 URL 以接收状态变更通知。
本页面描述的是通过 GoEnhance API 进行的独立访问,不声称与上游存在合作伙伴关系、背书或官方隶属关系。