Introducción
Entrega a Lipsync 2 un video con el rostro visible y una grabación MP3 o WAV para cambiar el diálogo. Usa sync_mode para resolver diferencias de duración y recupera el MP4 cuando termine la tarea asíncrona.
| Campo | Valor |
|---|---|
| Entrada | Video y Audio |
| Salida | Video |
| Desarrollador / nivel | Sync / Lipsync 2 estándar |
| Contrato de entrada |
|
| Duración del video | 1–120 s; se rechazan al recibirlos los videos que exceden el límite |
| Nueva voz | Audio MP3 o WAV |
| Selección temporal | Cinco modos; |
| Base del cobro | Duración del video enviado redondeada hacia arriba a segundos |
| Resultado asíncrono | MP4 recuperado al terminar la tarea |
| Período de almacenamiento | Archivos generados eliminados después de 14 días |
Funciones y aspectos destacados
El sastre completa una invitación más larga
El ejemplo del taller partió de 5,04 segundos de video y una frase de 6,5 segundos. Al seleccionar loop, recibimos un video de 6,5 segundos: la imagen se repitió mientras la boca articulaba toda la grabación. La imagen midió 864×496 a 24 fps.
La sonrisa y el gesto de cejas se mantienen
La leve sonrisa y la ceja levantada del sastre siguieron presentes tras cambiar el diálogo. Sync afirma que Lipsync 2 aprende la forma de hablar del original sin entrenarse con esa persona. Este clip permite observar ese comportamiento en un caso concreto; después, revisa la interpretación de tu propio hablante.
Adapta el cierre al montaje que necesitas
Usa cut_off para terminar con la entrada más corta, silence para completar una grabación breve con silencio o remap para adaptar el tiempo del video al audio. loop y bounce prolongan tomas cortas mediante repetición o alternancia del sentido de reproducción. Todos mantienen la misma regla de cobro por video de entrada.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
video_url | Sí | URL obligatoria del video existente; el rostro debe verse claramente y la duración estar entre 1–120 segundos. No hay valor predeterminado. mínimo 1 caracteres |
audio_url | Sí | URL obligatoria de MP3 o WAV con las palabras y la voz de reemplazo, sin valor predeterminado. mínimo 1 caracteres |
sync_mode | No | Opcional en toda solicitud; usa |
Precios
$0.06 / segundo
La duración del video enviado se redondea hacia arriba a segundos enteros para el cobro, dentro del rango de entrada de 1–120 segundos. Ni la duración del audio ni sync_mode modifican el cargo de ese video; los clips de más de 120 segundos se rechazan al recibirlos.
Casos de uso
Una invitación fuera del horario de la tienda
Toma el ejemplo del sastre como referencia y usa un clip autorizado de una tienda junto con una invitación grabada más larga. El modo loop puede repetir la toma hasta que termine el audio; revisa el punto de reinicio antes de compartirla.
Un segmento de presentador traducido
Prepara un MP3 o WAV traducido para un clip de presentador ya existente. Según Sync, la forma de hablar puede conservarse entre idiomas; el endpoint sincroniza la grabación enviada, sin escribir ni traducir las palabras.
Diálogo para un personaje generado
Sync indica que Lipsync 2 funciona con personas animadas o generadas con IA, además de material filmado. Aporta un video del personaje y la nueva voz, y selecciona un modo de duración para ese par.
Una corrección en un tutorial
Recorta la toma del instructor hasta la frase que vas a cambiar y graba su reemplazo. Los segundos del video determinan el cobro, por lo que conviene preparar ese fragmento aunque cut_off reduzca aún más el resultado.
Guía de prompts y consejos prácticos
Selecciona las URL del video y de la voz
Prepara un original con rostro visible de 1–120 segundos y el diálogo terminado en MP3 o WAV. Retira el video sobrante antes del envío porque su duración es facturable.
Configura
sync_modepara el cierreCrea una tarea sync/lipsync-2/lip-sync con
video_url,audio_urly un modo temporal opcional.cut_off, el predeterminado, termina con la entrada más corta; elige otro modo admitido si ese cierre cortaría la frase deseada.Sigue la finalización y revisa la reproducción
Consulta el procesamiento con el identificador recibido o usa una notificación. Guarda el MP4 dentro de los 14 días y compara la boca y los cuadros finales con la grabación.
Sustitución de diálogo en el nivel estándar
Lipsync 2 de Sync adapta los movimientos de boca de material existente a una grabación subida. Sync lo describe como un modelo zero-shot que aprende la interpretación del hablante a partir del original, incluso cuando la nueva frase está en otro idioma. No hace falta entrenarlo con esa persona. Usa sync/lipsync-2/lip-sync para la tarea de video y audio; recibirás un MP4 con la voz enviada.
Este endpoint ofrece tres campos. Un guion escrito no proporciona la voz y no hay entrada de instrucciones para dirigir la escena. Graba o genera el diálogo por separado antes de enviar las URL multimedia.
Campos de la solicitud
| Campo | Qué enviar | Valor predeterminado y efecto en el cobro |
|---|---|---|
video_url | URL obligatoria de un clip con rostro claramente visible y duración de 1–120 segundos. | Sin valor predeterminado; la duración original fija los segundos facturables. Los videos de más de 120 segundos se rechazan al recibirlos. |
audio_url | URL obligatoria del diálogo nuevo en MP3 o WAV. | Sin valor predeterminado; cambiar la duración del audio no modifica el cargo del mismo video. |
sync_mode | Regla opcional de duración: cut_off, loop, bounce, silence o remap. | Usa cut_off por defecto; elegir otro modo no modifica el cargo. |
Decide qué ocurre al final
| Modo | Manejo de la duración |
|---|---|
cut_off | Termina el resultado al acabar la entrada más corta. |
loop | Reinicia el clip tantas veces como haga falta mientras se reproduce la grabación hablada más larga. |
bounce | Prolonga la imagen para una voz más larga alternando reproducción normal, inversa y repetición de esa secuencia. |
silence | Añade silencio tras un audio más corto para que se reproduzca el resto del video. |
remap | Cambia la velocidad de reproducción para encajar toda la línea de tiempo del video en la duración de la grabación. |
Elige loop si repetir la toma encaja con la escena y revisa su reinicio en el resultado. Con bounce, comprueba si el movimiento inverso funciona en contexto. Usa remap para ajustar el tiempo del video al audio y examina el ritmo antes de incorporarlo al montaje.
El cobro sigue al video enviado
Cuenta los segundos del video original y redondea hacia arriba al siguiente entero. El rango admitido es de 1–120 segundos. Ni el audio ni el modo de sincronización elegido cambian la cantidad facturable de ese original. Consulta la página de Sync Lipsync 2 para conocer el precio actual por segundo.
En nuestra prueba con cut_off, un original de 5,4 segundos contó como 6 segundos aunque el resultado midiera 4,56 segundos. Si la grabación solo usa una parte pequeña de una toma larga, recorta el video antes del envío. Acortar la salida con un modo no reduce la duración del original enviado.
Prepara el material y el diálogo
Selecciona el pasaje exacto y confirma cuánto dura. El rostro debe verse claramente. Sync indica que lipsync-2 necesita movimiento natural de habla en el original; un tramo inmóvil podría seguir sin movimiento de habla tras procesarlo. Esta observación del desarrollador también importa al evaluar personajes animados o generados con IA.
Escucha el MP3 o WAV completo y compara el cierre con el video previsto. La voz procede de ese archivo; esta operación no clona a la persona filmada. Utiliza rostros, videos y grabaciones que tengas derecho a usar, verifica que toda persona mostrada sea adulta y evita la suplantación.
Envía, consulta y guarda
Envía las dos URL obligatorias junto al sync_mode elegido u omítelo para usar cut_off. El procesamiento es asíncrono: guarda el identificador y consulta el estado o recibe la notificación de finalización. La aceptación indica que la solicitud entró en procesamiento; recupera el MP4 una vez completada.
Observa la boca mientras escuchas las palabras nuevas y revisa las repeticiones, inversiones o ajustes temporales. Descarga los archivos terminados durante los 14 días de conservación. Pasado ese plazo, los archivos generados se eliminan.
Resultados de las pruebas proporcionadas
El ejemplo midnight-tailor-invitation combina 5,04 segundos de un taller a 864×496 con una invitación hablada de 6,5 segundos y sync_mode: loop. En las pruebas, el video se repitió para cubrir la frase y devolvió un MP4 de 6,5 segundos a 864×496 y 24 fps. La leve sonrisa y la ceja levantada del sastre siguieron visibles mientras su boca articulaba las palabras nuevas.
Otro original de 512×768 duraba 5,4 segundos a 25 fps. Con 4,55 segundos de audio y cut_off, el MP4 midió 4,56 segundos y conservó dimensiones y cuadros por segundo. Estas pruebas breves documentan sus resultados particulares; no fijan un máximo de resolución ni garantizan un tiempo de procesamiento.
Cuándo evaluar un modelo relacionado
Si el detalle facial de un primer plano define tu decisión, evalúa Sync Lipsync 2 Pro. Sync presenta Pro como el nivel de mayor precisión. Cobra por segundos de audio y sus modos excluyen silence; revisa esas condiciones antes de reutilizar una solicitud.
También puedes revisar Lipsync 3 de Sync, la opción VEED Lipsync 2.0 y Lip Sync v1. Compara las entradas y el manejo temporal documentados con el montaje que necesitas, sin dar por hecho que aceptan los mismos campos.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "sync/lipsync-2/lip-sync",
"input": {
"audio_url": "https://example.com/reference.mp3",
"sync_mode": "cut_off",
"video_url": "https://example.com/reference.mp4"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.


