Introducción
Proporciona video_url con un video de rostro de 1–300 segundos y audio_url con la nueva voz. El MP4 conserva las dimensiones y los cuadros por segundo del original y recodifica la voz como AAC mono. Una grabación más corta recorta el clip; una más larga extiende el cierre con cuadros en reversa.
| Campo | Valor |
|---|---|
| Entrada | Video y Audio |
| Salida | Video |
| Desarrollador del modelo | sync. · lipsync-3, también llamado sync-3 |
| Par de archivos admitido | Video de rostro en |
| Rango del original | 1–300 s |
| Archivo entregado | MP4; resolución y cuadros por segundo originales; audio AAC mono |
| Comportamiento de la línea de tiempo | Duración según el audio, con recorte o extensión de cuadros en reversa |
| Base de facturación | Segundos del video de entrada redondeados hacia arriba |
| Procesamiento observado | Aproximadamente 76 s y 173 s en dos ejecuciones con clips cortos |
| Entradas y controles excluidos | Imágenes fijas, TTS integrado, |
Funciones y aspectos destacados
Conserva la toma elegida en tu proceso de edición
El clip original aporta el video de rostro y la grabación nueva aporta las palabras. lipsync-3 devuelve un MP4 sincronizado: una corrección del presentador o una clase traducida con autorización se envían como un par concreto de archivos, en lugar de una instrucción textual.
Ajusta el cierre a la grabación de voz
Una pista hablada de 6,48 segundos prolongó nuestro video de 5,00 segundos hasta 6,48 segundos reproduciendo cuadros en reversa desde el final. Si ese retroceso distrae del diálogo, usa un audio cercano a la duración prevista de la toma y revisa el cierre antes de incorporarlo al montaje.
Conserva las dimensiones y verifica la mezcla
Ambos clips medidos mantuvieron su resolución y frecuencia originales: 1280×720 a 24 fps y 1358×680 a 25 fps. La pista de salida es AAC mono, por lo que debes comprobar la mezcla final además de las dimensiones de imagen.
Prueba transiciones faciales difíciles
sync. afirma en la documentación que sync-3 usa el contexto de la escena y trata las obstrucciones automáticamente. Prueba un giro de cabeza o una mano que cruce el rostro en material representativo de tu proyecto; las dos ejecuciones medidas aportan datos de duración y procesamiento, sin una evaluación comparativa de esas situaciones visuales.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
video_url | Sí | URL obligatoria del video de rostro; el original debe durar 1–300 segundos y se redondea hacia arriba al segundo entero para el cobro. mínimo 1 caracteres |
audio_url | Sí | URL obligatoria de la nueva voz; nuestras pruebas usaron WAV y MP3. mínimo 1 caracteres |
Precios
$0.162 / segundo
Se cobra por segundo del video de entrada, redondeado hacia arriba al segundo entero, para clips de 1 a 300 segundos. La duración del audio no cambia el cargo; los clips fuera de rango se rechazan antes de cobrar y las generaciones fallidas no tienen costo.
Casos de uso
Adaptar una clase grabada a otro idioma
Combina lesson.mp4, con un docente que haya autorizado su uso, y una grabación traducida independiente, lesson.wav. Recibirás un MP4 cuyos labios siguen la voz enviada; prepara la traducción y la grabación antes de solicitar la sincronización.
Corregir un anuncio de producto
Envía la toma original del presentador y un WAV con el nombre del producto y la frase corregidos. El video devuelto se ajusta al nuevo diálogo para que puedas revisar la línea antes de reemplazarla en la edición.
Preparar versiones regionales de un anuncio
Reutiliza un clip de portavoz con archivos de voz aprobados para cada mercado. Cada par de video y audio genera su propio MP4 sincronizado, y el cobro de cada solicitud depende de la duración del video original.
Cambiar la voz de un fragmento de entrevista
Une un fragmento de entrevista autorizado con una nueva pista hablada en MP3. Si la voz dura más que el video, examina los últimos cuadros del MP4: la imagen se prolonga desde el cierre del original en reversa para cubrir el audio.
Guía de prompts y consejos prácticos
Elige y recorta el video de rostro
Selecciona una toma en la que la boca se vea claramente y mide su duración antes de subirla. Envía entre 1 y 300 segundos y elimina las partes que no necesitas pagar.
Termina la nueva grabación de voz
Prepara el diálogo en un archivo de audio; en nuestras pruebas usamos WAV y MP3. Ajusta su duración a la edición prevista para evitar recortes o extensiones en reversa.
Envía las URL del video y del audio
Haz POST /api/v1/jobs/createTask con model en sync/lipsync-3/lip-sync e input con
video_urlyaudio_url. Incluye tu clave API Bearer y usa el ejemplo de solicitud de abajo como cuerpo JSON.Recupera y examina el MP4
Guarda el taskId recibido y consulta /api/v1/jobs/recordInfo?taskId=YOUR_TASK_ID hasta que termine. Descarga el archivo y compara las consonantes, las transiciones de la boca y el cierre con tu grabación de voz.
Sync Lipsync 3 API para material ya grabado
Sync Lipsync 3 API ejecuta lipsync-3 de sync., también llamado sync-3, para sincronizar un video de rostro con una pista de voz de reemplazo. Envía video_url y audio_url a sync/lipsync-3/lip-sync; recibirás un MP4 con la resolución y los cuadros por segundo del original, además de audio AAC mono.
Según la documentación del modelo, sync. utiliza un contexto más amplio de la escena y detecta obstrucciones automáticamente. Las pruebas siguientes miden propiedades del archivo, duración y tiempo de procesamiento.
Envía una solicitud de sincronización labial
Crea una tarea con el nombre público del modelo y las dos URL multimedia dentro de input. Guarda este ejemplo como request.json y reemplaza las URL de muestra:
{
"model": "sync/lipsync-3/lip-sync",
"input": {
"video_url": "https://example.com/presenter.mp4",
"audio_url": "https://example.com/replacement.wav"
}
}
Envía ese archivo con tu clave de SpicyAPI:
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
--data-binary @request.json
Conserva data.taskId y consulta GET /api/v1/jobs/recordInfo?taskId=YOUR_TASK_ID con la misma autenticación. Revisa el estado de la tarea para confirmar que terminó.
Estructura de la respuesta
La tarea completada expone el video en data.output.assets. Este fragmento omite otros campos y usa identificadores y URL de ejemplo; las mediciones coinciden con la prueba WAV:
{
"code": 200,
"msg": "success",
"data": {
"taskId": "job_example",
"model": "sync/lipsync-3/lip-sync",
"state": "succeeded",
"output": {
"assets": [
{
"url": "https://example.com/dubbed-result.mp4",
"mime": "video/mp4",
"width": 1280,
"height": 720,
"durationSeconds": 4.58
}
]
}
}
}
Parámetros y controles disponibles
Este endpoint recibe una URL de video original y una URL de voz. Omite los controles específicos de la API del desarrollador.
| Campo | Obligatorio | Qué controla | Preparación |
|---|---|---|---|
video_url | Sí | Video de rostro de 1–300 segundos; determina la resolución y los cuadros por segundo | Recorta el material sobrante y comprueba que la boca se vea. |
audio_url | Sí | Nueva voz y duración de la línea de tiempo final | Prepara el diálogo por separado; usamos WAV y MP3 en las pruebas. |
Este endpoint no ofrece entrada de imagen, TTS integrado ni sync_mode. sync. documenta otros flujos de entrada en su propia API; sus ejemplos no definen los campos que se aceptan aquí.
Duración final y precio
Los segundos del video de entrada, redondeados hacia arriba, determinan el cobro; consulta la tarifa vigente en esta página. La duración del audio no modifica la cantidad facturable, aunque el MP4 recibido sea más corto o más largo que el original. Los clips fuera de rango se rechazan antes de cobrar y las generaciones fallidas no se facturan.
La grabación de reemplazo define cuánto video se entrega. Una voz más corta recorta el clip y una más larga lo prolonga reproduciendo cuadros del original en reversa desde el final. Ajusta la voz a la duración de la toma si el retroceso resulta molesto; no hay un selector de modo disponible.
Resultados de nuestras pruebas con clips cortos
La ficha del 13 de noviembre de 2026 registra dos pruebas con estas duraciones y tiempos de procesamiento. No permiten establecer el rendimiento en videos largos ni clasificar la calidad visual.
| Video original | Voz de entrada | MP4 recibido | Procesamiento |
|---|---|---|---|
| 5,04 s, 1280×720, 24 fps | WAV de 4,55 s | 4,58 s, 1280×720, 24 fps | Unos 76 s |
| 5,00 s, 1358×680, 25 fps | MP3 de 6,48 s | 6,48 s, 1358×680, 25 fps | Unos 173 s |
Ambas ejecuciones conservaron las dimensiones y los cuadros por segundo del original, y el audio de salida fue AAC mono. El caso WAV muestra que la duración del video codificado puede diferir ligeramente de la duración del audio.
Prepara una prueba de calidad útil
Elige una toma hablada representativa y un diálogo aislado para evaluar la calidad. sync. recomienda rostros visibles y bien iluminados y voz sin música ni hablantes superpuestos en su guía de solución de problemas.
- Selecciona una toma corta con permiso para utilizar tanto el video como la voz.
- Termina la línea de reemplazo y compara su duración con la imagen.
- Revisa cierres de labios, giros de cabeza y manos que pasen por la boca.
- Busca movimiento en reversa al final y escucha la mezcla AAC mono.
Un video de clase con una grabación traducida sirve para adaptar el contenido a otro idioma; una toma de presentador con una frase de producto corregida sirve para reparar el diálogo. Prepara traducciones y voces antes de llamar a este endpoint.
Límites y solución de problemas
Comprueba la duración original y los dos campos URL antes de investigar una solicitud fallida. El rango del video es de 1–300 segundos; elimina campos no admitidos como sync_mode en vez de copiar sin cambios una solicitud del desarrollador. Si falla la descarga de los archivos, verifica que cada URL entregue el contenido correcto y siga accesible durante el procesamiento.
Si el resultado es más corto de lo esperado, revisa la duración de la voz enviada. El movimiento en reversa al final es el comportamiento de extensión documentado cuando el audio supera al video original. Conserva los archivos originales junto al MP4 para diagnosticar diferencias de tiempo.
Elige lipsync-3 u otro modelo relacionado
Evalúa cada modelo de sincronización labial con el mismo par de archivos autorizados.
| Opción | Cuándo evaluarla | Evidencia disponible aquí |
|---|---|---|
| lipsync-3 | Video de rostro existente más voz | Dos ejecuciones medidas con clips cortos. |
| lip-sync/v1 | Sincronización labial de menor costo en SpicyAPI | Sin prueba comparativa de calidad ni latencia. |
Si necesitas imágenes, TTS integrado o modos de sincronización seleccionables, busca una API que documente esas funciones. Usa material y voces cuyos derechos de uso tengas y nunca emplees un resultado con otra voz para suplantar a una persona real.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "sync/lipsync-3/lip-sync",
"input": {
"audio_url": "https://example.com/reference.mp3",
"video_url": "https://example.com/reference.mp4"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.


