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。用于口型同步视频的 AI Talking Avatar API
使用
获取 API 密钥
将肖像和语音输入合并到一次请求中
提交前请验证精确的模型名称、媒体 URL、文件大小、音频时长和分辨率。
AI Talking Avatar API 能力与限制
精确的模型标识符
将 <code>model</code> 设置为 <code>ai-talking-avatar</code>；此必填值选择说话头像工作流。
必填的肖像 URL
传入 <code>image_url</code> 作为公共肖像 URI，大小不超过 10MB，面部清晰可见且无遮挡。
必填的语音 URL
传入 <code>audio_url</code> 作为公共语音音频，时长为 3-60 秒，大小不超过 50MB。
可选的表演提示词
使用 <code>prompt</code> 描述期望的说话表现；文档中的默认值为 <code>person talking</code>。
两种分辨率选项
选择 <code>540p</code> 或 <code>720p</code>。文档中的默认值为 <code>540p</code>。
回调或轮询
提供 HTTPS 回调，或保存 <code>img_uuid</code> 并轮询任务详情端点以获取完成状态。
定价按测量的音频时长计算。30 秒片段在 540p 下消耗 15 token，在 720p 下消耗 30 token。
AI Talking Avatar API 定价
540p 定价
每音频秒 0.5 token，按文档中 $0.02 token 价值计算，相当于每秒 $0.01。
720p 定价
每音频秒 1 token，按文档中 $0.02 token 价值计算，相当于每秒 $0.02。
按测量音频计费
GoEnhance 在扣除 token 前测量传输的音频；费用为测量秒数乘以所选费率。
通过六个步骤集成 GoEnhance API
1
1. 创建 API 密钥
创建 GoEnhance API 密钥，并在经过身份验证的 API 请求中随请求发送。
2
2. 校验源媒体
检查肖像的可见性和大小，然后确认语音文件是公开可访问的、时长为 3-60 秒、且不超过 50MB。
3
3. 构建请求
设置
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。 4
4. 提交任务
通过 POST 将 JSON body 发送到
https://api.goenhance.ai/api/v1/videos/generations。不要发送 duration 字段。 5
5. 持久化并跟踪
保存返回的
img_uuid，然后轮询 GET /api/v1/jobs/detail 或接收回调事件。 6
6. 处理终态
以幂等方式处理成功和失败，校验返回的视频，并将重试与重复提交分开处理。
围绕已授权的肖像和音频输入，构建基于同意的出镜人、培训、本地化和创作者工作流。
数字人视频的开发者用例
本地化出镜人视频
将已获批准的出镜人肖像与本地化语音轨配对，用于产品介绍视频和区域营销活动。
培训内容管线
基于已授权的肖像和准备好的解说词生成人物讲话片段，用于内部学习材料。
个性化欢迎引导
为产品流程创建基于用户同意的欢迎片段，无需自建自定义口型同步渲染技术栈。
创作者旁白工具
在创作者产品中加入“肖像+音频”生成能力，同时异步跟踪每个请求。
营销活动视频变体
生成经批准的语音和分辨率变体，用于审核、本地化及下游视频编辑。
自动化内容队列
将任务 ID 和回调接入批量编排，不阻塞应用请求线程。
常见请求、定价、媒体限制、任务状态和集成问题的解答。