Introducción
Combina un video de rostro existente con voz de reemplazo en MP3 o WAV para obtener un MP4 revisado. Elige entre cuatro modos temporales; se cobra toda la duración del audio subido aunque cut_off acorte el resultado.
| Campo | Valor |
|---|---|
| Entrada | Video y Audio |
| Salida | Video |
| Desarrollador / nivel | Sync / Lipsync 2 Pro |
| Modelo de solicitud | sync/lipsync-2-pro/lip-sync |
| Archivos obligatorios | Video de rostro y voz de reemplazo |
| Límites de la grabación | 1–300 segundos; MP3 o WAV |
| Modo opcional |
|
| Cantidad facturable | Duración del audio subido redondeada hacia arriba |
| Entrega | Tarea asíncrona; salida MP4 |
| Dimensiones del ejemplo | 1280×720 a 24 fps |
| Rechazos de revisión | Sin cargo |
| Disponibilidad de salida | 14 días antes de eliminarla |
Funciones y aspectos destacados
Mira al relojero decir una frase nueva
En las pruebas, una toma del relojero de 6,04 segundos junto a 4,2 segundos de voz produjo 4,21 segundos de video. El detalle de labios, los dientes y la barba corta entrecana siguieron visibles mientras la boca articulaba las nuevas palabras. El MP4 midió 1280×720 a 24 fps.
Evalúa el detalle cuando el rostro llena el cuadro
Sync afirma que Lipsync 2 Pro destaca los detalles faciales finos y conserva la forma de hablar sin entrenamiento específico por persona. Un primer plano permite al editor examinar esa afirmación en movimiento. La portada adjunta es una ilustración, no un resultado de prueba.
Un resultado recortado puede cobrar toda la grabación
cut_off termina con la entrada más corta, pero se cobra el audio enviado completo, redondeado hacia arriba. Recorta una grabación demasiado larga antes del envío o usa loop, bounce o remap si necesitas imagen durante toda la frase. Cambiar el modo no modifica la tarifa.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
video_url | Sí | URL obligatoria del material, sin valor predeterminado. Elige un rostro claramente visible, sobre todo para evaluar detalle en primer plano. mínimo 1 caracteres |
audio_url | Sí | URL obligatoria de MP3 o WAV con voz nueva de 1–300 segundos, sin valor predeterminado. Se aplica con cualquier |
sync_mode | No | Ajuste opcional: |
Precios
$0.101 / segundo
Se cobra la duración del audio subido redondeada hacia arriba a segundos enteros, para grabaciones de 1 a 300 segundos. La duración del video y sync_mode no afectan el cálculo; cut_off puede acortar la salida mientras todo el audio sigue siendo facturable. Los rechazos de revisión de contenido no generan cargos.
Casos de uso
Revisa una escena de un relojero
Usa el primer plano proporcionado como referencia para una edición breve de diálogo. Examina boca, dientes y barba en movimiento y comprueba que la frase nueva llegue al final previsto.
Cambia un mensaje publicitario en primer plano
Graba las palabras revisadas para una toma de un portavoz autorizado. Pro se centra en el detalle facial de encuadres cerrados; examina el montaje recibido antes de usarlo en el anuncio.
Dobla un fragmento de conversación filmada
Prepara la grabación de voz nueva para la toma seleccionada. Según Sync, Pro conserva la forma de hablar visible en el original; escoge un modo temporal adecuado para el audio nuevo.
Adapta el diálogo a una toma disponible
Usa cut_off para un cierre más breve, loop para repetir la imagen, bounce para alternar el sentido de reproducción o remap para ajustar la línea de tiempo. Contrasta las repeticiones o cambios de velocidad con la escena prevista.
Guía de prompts y consejos prácticos
Proporciona las dos URL multimedia
Asigna a
video_urluna toma de rostro claro y aaudio_urluna grabación MP3 o WAV de 1–300 segundos. Mide el audio porque fija la duración facturable.Elige un modo y envía
Selecciona uno de los cuatro valores de
sync_modeadmitidos u omítelo para usarcut_off. Envía la tarea con el modelo sync/lipsync-2-pro/lip-sync y conserva su identificador.Recupera y examina la salida
Espera la finalización consultando el estado o mediante notificación. Revisa la sincronización de boca, el detalle fino y el cierre, y guarda el MP4 antes de que venzan los 14 días de conservación.
Edición de diálogo en primer plano con Pro
Sync Lipsync 2 Pro es el nivel de Sync centrado en el detalle para cambiar el habla visible en material existente. Sync lo presenta como un modelo de calidad de estudio y zero-shot que conserva la interpretación del hablante sin una fase de entrenamiento aparte. Su enfoque declarado incluye dientes, detalle de barba y textura de labios, por lo que un encuadre cerrado resulta útil para evaluarlo.
Llama a sync/lipsync-2-pro/lip-sync con una URL de video, otra de grabación nueva y un modo temporal opcional. El proceso es asíncrono: conserva el identificador y consulta la finalización o usa una notificación. El archivo recibido es un MP4 con la voz del audio subido. No se realiza clonación de voz.
Campos de la solicitud
| Campo | Requisito y valor predeterminado | Función de entrada y cobro |
|---|---|---|
video_url | Obligatorio; sin valor predeterminado | Material con un rostro claro. Su duración no determina directamente el cargo. |
audio_url | Obligatorio; sin valor predeterminado | MP3 o WAV de 1–300 segundos. Los segundos subidos se redondean hacia arriba para el cobro. |
sync_mode | Opcional; cut_off por defecto | Elige cut_off, loop, bounce o remap. La elección mantiene el cobro por segundos de audio. |
Los tres campos se aplican a todo este endpoint de sincronización labial. No se admite instrucción textual, ajuste de resolución ni modo silence. Prepara la grabación antes de enviar la solicitud; se recibe voz terminada en lugar de una frase escrita.
Decide cómo ajustar entradas de distinta duración
cut_off: termina con la entrada más corta. Un audio más largo puede perder su cierre en el clip recibido.loop: repite el video para cubrir una pista de audio que dure más.bounce: alterna reproducción normal e inversa de la imagen para cubrir la grabación más larga.remap: estira o comprime la línea de tiempo del video hasta la duración de la grabación.
Elige observando los movimientos originales, además de comparar duraciones. Un gesto repetido o invertido puede distraer en una escena de diálogo. Examina el MP4 terminado antes de incorporarlo al montaje.
El cobro mide la grabación enviada
Se cuentan los segundos del audio de entrada, redondeados hacia arriba al entero, dentro del rango de 1–300 segundos. La duración del video y el modo temporal no alteran esa regla. Consulta la página del modelo Pro para ver el precio vigente por segundo.
Con cut_off, un resultado más corto no reduce la duración enviada que se usa para cobrar. Si el audio supera al video y piensas descartar ese cierre, edita la grabación antes del envío. Un archivo de audio de 4,2 segundos cuenta como 5 segundos facturables por el redondeo. No se cobran los rechazos por revisión de contenido.
Prepara los archivos para una comparación útil
Elige una toma hablada autorizada con el rostro bien visible. Para evaluar el detalle de Pro, examina boca, dientes y textura de barba al tamaño de visualización previsto. Aporta una grabación MP3 o WAV terminada y escucha palabras y pausas antes de medir su duración.
Haz una primera prueba lo bastante breve para examinarla con atención. Compara entrada y salida escuchando la grabación nueva y revisa el cierre para detectar palabras cortadas, gestos repetidos, inversiones o cambios de velocidad asociados al modo elegido.
Ejemplo del relojero y resultados medidos
El ejemplo watchmaker-close-detail utiliza una toma cerrada de un relojero con camisa azul marino de cuello abierto y barba corta entrecana. El original dura 6,04 segundos a 1280×720; la grabación nueva dura 4,2 segundos. La entrada de la solicitud es:
{
"video_url": "https://cdn.spicyapi.ai/models/examples/inputs/8bce11f8f3cee83e.mp4",
"audio_url": "https://cdn.spicyapi.ai/models/examples/inputs/deddbb8db32c1ca2.mp3",
"sync_mode": "cut_off"
}
En las pruebas, esa entrada devolvió 4,21 segundos de MP4 a 1280×720 y 24 fps. La boca siguió la frase de reemplazo y la textura de labios, dientes y barba permaneció visible. Es un primer plano breve medido, sin comparación controlada de calidad frente a otro modelo.
Otra prueba temporal combinó un original de 4,0 segundos a 854×480 y 24 fps con 4,55 segundos de voz. Con cut_off, el resultado terminó a los 4,0 segundos. Esa observación ilustra el recorte; calcula el cobro con la regla por segundos de audio indicada arriba.
Revisión de contenido y límites de archivos
Este nivel aplica un filtro de contenido. La entrada Mild se procesó; dos intentos Moderate fueron rechazados durante el procesamiento. Las tareas rechazadas no generan cargos. Estas observaciones no establecen resultados para niveles sin probar.
Utiliza rostros, videos y voces que tengas derecho a emplear y asegúrate de que cada persona mostrada sea adulta. La suplantación está prohibida. Los archivos generados están disponibles 14 días y después se eliminan; descarga el MP4 aceptado durante ese plazo.
Compara opciones cercanas de sincronización labial
Sync Lipsync 2 cobra por segundos del video de entrada y ofrece silence además de las opciones temporales descritas. Considéralo si esas diferencias de contrato o revisión de contenido importan. Sync presenta Pro como la alternativa centrada en detalle para primeros planos.
Sync Lipsync 3 y VEED Lipsync 2.0 son otras páginas que puedes revisar. Consulta sus reglas individuales de entrada y cobro antes de probarlas; el caso del relojero no establece una clasificación de rendimiento entre ellas.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "sync/lipsync-2-pro/lip-sync",
"input": {
"audio_url": "https://example.com/reference.mp3",
"sync_mode": "cut_off",
"video_url": "https://example.com/reference.mp4"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.


