Introducción
Envía en image_url una imagen con el rostro visible y en audio_url la voz. Fabric mueve labios, mandíbula, cabeza y hombros con la voz y devuelve un MP4 que dura lo mismo que el audio, con la relación de aspecto de la imagen.
| Campo | Valor |
|---|---|
| Entrada | Imagen y Audio |
| Salida | Video |
| Modelo | VEED Fabric 1.0 |
| Entradas obligatorias | Imagen ( |
| Resolución | 480p o 720p, relación de aspecto tomada de la imagen |
| Duración | Igual que el audio, hasta 5 minutos |
| Cobro | Por segundo de audio, redondeado hacia arriba |
Funciones y aspectos destacados
Un retrato del siglo XVIII dice una frase de diez segundos
Le dimos a Fabric un retrato al óleo en 3:4 y una voz femenina grabada. Los labios, la mandíbula y la inclinación de la cabeza siguen las palabras, mientras las pinceladas, el craquelado y la seda esmeralda quedan como estaban pintados. El render en 720p salió en 832×1088.
La imagen fija de partida
Este es el retrato 3:4 que enviamos en image_url. Fabric conservó sus colores, su encuadre y la textura de la pintura, y solo añadió el movimiento al hablar.
La pista de voz dirige la escena
Las pausas de la grabación se vuelven pausas en pantalla y una frase que sube de tono levanta un poco la cabeza. Cambia el audio y la misma imagen da otra actuación.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
image_url | Sí | Obligatorio. JPEG, PNG o WebP con un rostro bien visible. mínimo 1 caracteres |
audio_url | Sí | Obligatorio. Voz en MP3, WAV u otro formato común, de hasta cinco minutos. mínimo 1 caracteres |
resolution | No | 480p o 720p. El 720p cuesta más por segundo; ambos mantienen la relación de aspecto de la imagen. |
Precios
Se cobra por segundo de audio, redondeado al segundo entero siguiente, con la tarifa de la resolución elegida. La imagen no tiene costo. Los renders fallidos no se cobran.
| Especificación | Precio |
|---|---|
| $0.096 / segundo |
| $0.18 / segundo |
Casos de uso
Personajes que reciben a los visitantes
Dale voz y un rostro con movimiento a una mascota de marca, un personaje de juego o una presentadora virtual sin armar un rig 3D.
Imágenes antiguas que hablan
Una pintura, una foto antigua o un cartel ilustrado pueden decir una frase para una exposición, un anuncio o una publicación.
Mensajes de video personales en serie
Cambia solo la pista de voz para producir, con el mismo retrato, un clip por cliente, por idioma o por promoción.
Guía de prompts y consejos prácticos
Elige una imagen con el rostro claro
Un rostro que mira a la cámara y ocupa buena parte del cuadro se anima mejor. Sirven fotos, retratos al óleo, fotogramas de anime y mascotas.
Graba o genera la frase
Fabric pronuncia audio, no texto. Graba la voz o créala con un modelo de texto a voz y pasa el enlace del archivo en
audio_url.Elige la resolución
Revisa el ritmo en 480p y luego renderiza la versión buena en 720p. Ambos niveles respetan la relación de aspecto de la imagen.
Introducción
VEED Fabric 1.0 es el modelo de VEED que convierte una imagen en un video parlante. Envía un retrato en image_url y una grabación de voz en audio_url, elige resolution y el mismo rostro dirá esas palabras.
Funciones y ventajas
No solo fotos
Se animan fotos, pinturas al óleo, fotogramas de anime y mascotas. En nuestra prueba con una pintura, la textura del pincel se mantuvo mientras la boca se movía.
El audio marca la duración y el ritmo
El clip dura exactamente lo que el audio, hasta cinco minutos. Las pausas de la grabación se convierten en pausas en pantalla.
El cuadro respeta la forma de la imagen
Una imagen vertical da un video vertical. En 720p una pintura 3:4 dio 832×1088; en 480p una foto 2:3 dio 512×768.
Casos de uso
Mascotas y presentadores virtuales
Dale voz a un personaje de marca para videos de bienvenida o novedades de producto.
Imágenes fijas que narran
Haz que un retrato histórico o un personaje de cartel diga una frase para una exposición o un anuncio.
Guía de entrada y consejos
Rostro hacia la cámara
Un rostro de frente o en tres cuartos que ocupe parte del cuadro da las formas de boca más limpias.
Voz limpia
Usa una sola voz sin música. Si la grabación tiene ruido, límpiala antes de enviarla.
Borradores en 480p
Revisa el ritmo en el nivel más económico y renderiza la versión final en 720p.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "veed/fabric-1.0/talking-avatar",
"input": {
"audio_url": "https://example.com/reference.mp3",
"image_url": "https://example.com/reference.png",
"resolution": "480p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.




