Introduction
Lip Sync redouble une séquence que vous avez déjà. Envoyez le clip dans video_url et la nouvelle voix dans audio_url : la zone de la bouche de la personne à l'écran est redessinée pour suivre les mots, tandis que l'interprétation, la lumière et le cadrage du clip restent tels que tournés. Le résultat dure autant que l'audio et le porte comme bande son.
Fonctionnalités et points forts
Seule la bouche est repeinte
Expression, mouvements de tête, costume et décor viennent tous des images d'origine : une prise qui fonctionne continue de fonctionner, et seul change ce que la personne semble dire. Comme le reste du visage n'est pas touché, la nouvelle réplique doit coller au jeu d'origine : un visage calme sur un audio crié reste calme.
L'audio décide de la durée
Le résultat suit l'enregistrement, pas le clip. Quand l'audio est plus long que la vidéo, la vidéo est bouclée pour le couvrir, et le fichier livré peut dépasser la fin de l'audio d'environ une demi-seconde. L'image garde la résolution de la vidéo envoyée jusqu'à environ 720p ; un clip de test en 1280×720 est revenu en 1280×720, et un clip en 1920×1080 aussi en 1280×720.
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
video_url | Oui | La séquence à redoubler. Un visage, assez grand dans le cadre et tourné surtout vers la caméra. 1 caractères minimum |
audio_url | Oui | La nouvelle voix, de 3 à 60 secondes, en MP3 ou WAV. Le résultat dure autant que cet enregistrement ; un fichier hors de cette plage est refusé avant toute facturation. 1 caractères minimum |
Tarification
$0.012 / seconde produite
Facturé à la seconde de votre audio, arrondie au-dessus avec un minimum de 3 secondes. La vidéo livrée peut durer environ une demi-seconde de plus ; ce surplus n’est pas facturé.
Cas d’utilisation
Doubler sans retourner
Gardez une interview, un témoignage client ou une prise de présentateur et posez une piste traduite. L'interprétation reste exactement telle qu'elle a été filmée, et la bouche suit désormais la nouvelle langue plutôt que celle enregistrée sur le plateau.
Donner une voix aux clips générés muets
La plupart des modèles vidéo livrent des séquences muettes. Enregistrez ou générez une réplique, envoyez-la avec le clip, et le personnage à l'écran la prononce vraiment au lieu de bouger les lèvres au hasard ou de rester immobile.
Guide de prompt et conseils pratiques
Choisir une séquence qui montre la bouche
Une personne, visage assez grand dans le cadre, tourné surtout vers la caméra. Coupes franches, flou de bougé marqué, main près de la bouche et très petits visages sont les endroits où la synchronisation décroche. Un plan stable masque aussi le point de boucle quand l'audio dure plus que le clip.
Préparer la réplique comme un doublage
Exportez une voix sèche sans musique dessous et coupez le silence aux deux bouts, puisque la durée facturée est fixée par l'audio. Gardez chaque fichier entre trois et soixante secondes et découpez les longs scripts aux pauses naturelles.
Prévoir l'attente
C'est l'outil le plus lent de la série : une réplique de dix secondes a demandé environ quatre minutes de traitement. Envoyez tôt, interrogez patiemment la tâche et testez l'association sur une courte réplique avant d'envoyer un script complet.
Démarrage rapide de l’API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "spicyapi/lip-sync-v1/lip-sync",
"input": {
"audio_url": "https://example.com/reference.mp3",
"video_url": "https://example.com/reference.mp4"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.
