Introducción
Avatar parlante de P-Video 2 Pro: entran un retrato y una pista de voz, y sale un clip de esa persona con los labios sincronizados, de la misma duración que el audio.
| Campo | Valor |
|---|---|
| Entrada | Imagen y Audio |
| Salida | Video |
| Editor | Pruna AI |
| Endpoints | texto a video, imagen a video, referencia a video, avatar parlante |
| Duración | 5-15 segundos, cualquier número entero; el avatar parlante sigue el audio, 1-180 segundos |
| Resolución | 480p (832x480 en 16:9), 768p |
| Relaciones de aspecto | 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 1:1; imagen a video sigue el cuadro de apertura |
| Modos de generación | cost, speed, quality (referencia a video: cost, speed) |
| Audio | Pista de sonido generada en cada clip; el audio de referencia puede reemplazarla |
| Referencias | Cuadro de apertura y de cierre, hasta 3 videos (15 s en total), hasta 3 clips de audio (15 s en total) |
| Velocidad de cuadros | 24 fps |
| Filtro de contenido | Ninguno |
Funciones y aspectos destacados
Toma prestado un movimiento de cámara
La cámara copia el empuje lento de video 1, mientras que el muelle, la lancha y la mujer provienen de la imagen de apertura; nada del bar del clip de referencia aparece. Ella avanza desde la popa, se acomoda el chal sobre los hombros y termina mirando a cámara. La pista de sonido es muy suave: agua contra el casco, sin música audible.
Una escena con sonido propio
Un plano continuo con una deriva suave hacia la pareja, en lugar de un dolly fuerte. La línea "Same as last summer?" se dice con claridad hacia el final, después de una base musical en la primera mitad; él toma la copa y sonríe en el último tiempo.
Fija el inicio y el final
El clip empieza exactamente en el cuadro de apertura y termina en el de cierre: él dobla la carta, la guarda, se levanta y avanza hacia la balaustrada mientras los fuegos artificiales empiezan alrededor del segundo y medio. La cámara fija mantiene el mismo encuadre de principio a fin. La pista de sonido son aplausos de multitud y crepitar, no explosiones de fuegos artificiales bien definidas.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
prompt | No | Opcional. Gestos, expresión, hacia dónde miran los ojos y movimiento de cámara. |
image_url | Sí | El retrato que habla: JPEG, PNG o WebP. Funciona mejor un rostro claro; el clip conserva la relación de aspecto de la imagen. |
audio_url | Sí | Habla o canto, en MP3 o WAV, de 1 a 180 segundos. Define la duración del clip y el precio, y se conserva como pista de sonido. |
resolution | No | 480p o 768p (por defecto 768p). 768p cuesta más por segundo. |
enable_prompt_expansion | No | Desactivada por defecto, así que tu indicación se usa tal como está escrita. Actívala para que primero se reescriba en una más completa; esto no cambia el precio. Valor predeterminado: |
seed | No | Fija el estado aleatorio inicial para comparar dos ejecuciones con el mismo retrato y audio; no garantiza un clip con cuadros idénticos. |
Precios
Se cobra por segundo del audio de entrada, redondeado al segundo completo, de 1 a 180 segundos; 768p cuesta más por segundo que 480p. La reserva sigue la duración del audio (o el máximo de 180 segundos si no se puede leer) y la diferencia se libera al entregar. La expansión del prompt y la semilla no cambian el precio. Una solicitud fallida no se cobra.
| Especificación | Precio |
|---|---|
| $0.02 / segundo |
| $0.04 / segundo |
Casos de uso
Iteración rápida
Los clips llegan en segundos, así que puedes probar muchas tomas de un mismo plano y quedarte con la mejor.
Escenas sin censura
Nada se filtra. En nuestras pruebas, los prompts hasta el nivel Fuerte se renderizaron tal como se escribieron; las solicitudes de los niveles más altos volvieron suavizadas.
Recrear una referencia
Toma prestado el movimiento de cámara de un clip que te guste y pon a tu propio personaje en él con un cuadro de apertura.
Guía de prompts y consejos prácticos
Borrador barato, acabado nítido
Encuentra el plano a 480p en modo cost y después vuelve a correr el mismo prompt a 768p en modo speed o quality.
Escribe una línea Sound:
Cada clip tiene audio. Nombra el ambiente y pon cualquier diálogo entre comillas para obtener el sonido que quieres.
Nombra tus referencias
En referencia a video, escribe "video 1" o "audio 1" en el prompt y di qué tomar de cada uno.
Introducción
P-Video 2 Pro Avatar parlante toma un retrato (image_url) y una grabación de habla o canto (audio_url) y devuelve un clip de esa persona diciéndola, con la boca, el rostro y la cabeza moviéndose al ritmo del audio. Tu grabación se convierte en la pista de sonido. No hay campo de duración: el audio define la longitud, entre 1 y 180 segundos. Un prompt opcional dirige el movimiento, la expresión y el encuadre, y no se filtra nada.
Elige un modo de P-Video 2 Pro según el material inicial
| Lo que tienes al inicio | Modo |
|---|---|
| una escena o un guion escrito | P-Video 2 Pro Texto a video |
| un cuadro de apertura y, opcionalmente, uno de cierre | P-Video 2 Pro Imagen a video |
| un clip del que tomar el movimiento, o una pista de voz o música | P-Video 2 Pro Referencia a video |
| un retrato y una grabación para que esa persona la diga | P-Video 2 Pro Avatar parlante (estás aquí) |
Características clave y destacados
Tu grabación define el clip
El archivo final coincidió con el audio a unas pocas centésimas de segundo en nuestras pruebas: 4.55 segundos de audio devolvieron un clip de 4.58 segundos, 4.8 segundos dieron 4.83 y 5.21 dieron 5.25. Recorta la grabación a la duración que quieras antes de enviarla.
Dos resoluciones, la forma del retrato
Elige 480p o 768p. Pruna documenta que la salida toma la relación de aspecto del retrato, y nuestros retratos 16:9 salieron como 832x480 y 1344x768.
Entrega rápida
Nuestros clips de prueba de cinco segundos tardaron de 27 a 39 segundos desde el envío hasta el archivo final, a cualquiera de las dos resoluciones.
Sin filtro de contenido
SpicyAPI no añade ningún filtro al retrato, al prompt ni al resultado. En nuestras pruebas, una indicación NSFW se renderizó tal como se escribió a 480p.
Casos de uso
Clips de presentador y explicativos
Graba un guion una vez, combínalo con una foto de perfil y obtén un presentador que lo lee frente a la cámara, para introducciones de cursos, recorridos de producto o anuncios.
Voces de personajes
Dale a un retrato de personaje la línea que grabó un actor de voz o un modelo de texto a voz, y mantén el mismo rostro en una serie de clips cortos.
Versiones localizadas
Usa el mismo retrato con la grabación en cada idioma en el que publiques; cada clip sincroniza los labios con su propia pista.
Guía de prompts y consejos pro
Dirige la entrega, no el aspecto
El retrato ya fija el rostro, la ropa y la habitación. Usa el prompt para pequeños gestos: una inclinación hacia el micrófono, las cejas levantadas en una frase clave, una mano que se desplaza hacia el cuello o un acercamiento lento.
El prompt puede cambiar la escena
Un prompt que describe un lugar o una ropa distintos al del retrato puede reemplazarlos: en una de nuestras pruebas, el escenario cambió para coincidir con el texto. Omite el fondo del prompt si el retrato debe quedar como está.
La expansión está desactivada por defecto
enable_prompt_expansion permite que el servicio reescriba tu indicación en una más completa antes de generar. No cambia el precio, pero el resultado puede alejarse de tu redacción.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "pruna-ai/p-video-2-pro/talking-avatar",
"input": {
"audio_url": "https://example.com/reference.mp3",
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "768p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.




