Introducción
Lip Sync cambia la voz de imágenes que ya tienes. Envía el clip en video_url y la voz nueva en audio_url, y la zona de la boca de la persona en pantalla se redibuja para seguir las palabras, mientras la actuación, la luz y el encuadre del clip quedan como se grabaron. El resultado dura lo mismo que el audio y lo lleva como banda sonora.
Funciones y aspectos destacados
Solo se repinta la boca
La expresión, el movimiento de la cabeza, el vestuario y el fondo salen de los fotogramas originales, así que una toma que ya funciona sigue funcionando; lo único que cambia es lo que la persona parece decir. Como el resto de la cara no se toca, la frase nueva debe encajar con la interpretación original: una cara tranquila con audio a gritos sigue viéndose tranquila.
El audio decide la duración
El resultado sigue a la grabación, no al clip. Si el audio es más largo que el video, el video se repite en bucle para cubrirlo, y el archivo entregado puede pasarse del final del audio en medio segundo aproximadamente. La imagen mantiene la resolución del video enviado hasta unos 720p: un clip de prueba de 1280×720 volvió en 1280×720, y uno de 1920×1080 también volvió en 1280×720.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
video_url | Sí | Las imágenes a las que se cambia la voz. Una cara, lo bastante grande en el cuadro y girada casi siempre hacia la cámara. mínimo 1 caracteres |
audio_url | Sí | La voz nueva, de 3 a 60 segundos, en MP3 o WAV. El resultado dura lo mismo que esta grabación; los archivos fuera de ese rango se rechazan antes de cobrar nada. mínimo 1 caracteres |
Precios
$0.012 / segundo de salida
Se cobra por segundo de tu audio, redondeado hacia arriba con un mínimo de 3 segundos. El video entregado puede durar alrededor de medio segundo más; ese tiempo extra no se cobra.
Casos de uso
Doblaje sin volver a rodar
Conserva una entrevista, un testimonio o una toma de presentador y coloca una pista traducida. La actuación queda tal como se filmó, y la boca sigue ahora el idioma nuevo en lugar del que se grabó en el set.
Dar voz a clips generados mudos
La mayoría de los modelos de video entregan imágenes sin sonido. Graba o genera una frase, envíala con el clip, y el personaje en pantalla la dice de verdad en lugar de mover los labios al azar o quedarse quieto.
Guía de prompts y consejos prácticos
Elige imágenes que muestren la boca
Una persona, con la cara lo bastante grande en el cuadro y girada casi siempre hacia la cámara. Los cortes bruscos, el desenfoque fuerte, una mano cerca de la boca y las caras muy pequeñas son donde la sincronización se desliza. Un plano estable también disimula el punto del bucle cuando el audio dura más que el clip.
Prepara la frase como un doblaje
Exporta voz seca sin música debajo y recorta el silencio en ambos extremos, porque la duración que se cobra la marca el audio. Mantén cada archivo entre tres y sesenta segundos y divide los guiones largos en pausas naturales.
Cuenta con la espera
Es la herramienta más lenta del conjunto: una frase de diez segundos tardó unos cuatro minutos en procesarse. Envía pronto, consulta el estado con paciencia y prueba la combinación con una frase corta antes de mandar un guion completo.
Inicio rápido de la API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "spicyapi/lip-sync-v1/lip-sync",
"input": {
"audio_url": "https://example.com/reference.mp3",
"video_url": "https://example.com/reference.mp4"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.
