Introduzione
Lip Sync ridoppia un girato che hai già. Invia la clip in video_url e la nuova voce in audio_url: la zona della bocca della persona in scena viene ridisegnata per seguire le parole, mentre interpretazione, luce e inquadratura della clip restano come girate. Il risultato dura quanto l'audio e lo porta come colonna sonora.
Caratteristiche principali
Si ridipinge solo la bocca
Espressione, movimenti della testa, costume e sfondo vengono tutti dai fotogrammi originali, quindi una ripresa che funziona continua a funzionare; cambia solo ciò che la persona sembra dire. Poiché il resto del volto non viene toccato, la nuova battuta deve adattarsi all'interpretazione originale: un volto calmo su un audio urlato resta calmo.
È l'audio a decidere la durata
Il risultato segue la registrazione, non la clip. Se l'audio è più lungo del video, il video viene ripetuto in loop per coprirlo e il file consegnato può superare la fine dell'audio di circa mezzo secondo. L'immagine mantiene la risoluzione del video inviato fino a circa 720p: una clip di prova a 1280×720 è tornata a 1280×720, e una a 1920×1080 è tornata anch'essa a 1280×720.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
video_url | Sì | Il girato da ridoppiare. Un volto, abbastanza grande nell'inquadratura e rivolto per lo più verso la camera. almeno 1 caratteri |
audio_url | Sì | La nuova voce, da 3 a 60 secondi, in MP3 o WAV. Il risultato dura quanto questa registrazione; i file fuori dall'intervallo vengono rifiutati prima di qualsiasi addebito. almeno 1 caratteri |
Prezzi
$0.012 / secondo generato
Addebito per secondo del tuo audio, arrotondato per eccesso con un minimo di 3 secondi. Il video consegnato può durare circa mezzo secondo in più; quel tempo non viene addebitato.
Casi d’uso
Doppiaggio senza rigirare
Tieni un'intervista, una testimonianza o una ripresa del presentatore e inserisci una traccia tradotta. L'interpretazione resta esattamente com'è stata filmata e la bocca ora segue la nuova lingua invece di quella registrata sul set.
Dare voce alle clip generate mute
La maggior parte dei modelli video restituisce girato senza audio. Registra o genera una battuta, inviala con la clip e il personaggio in scena la dice davvero, invece di muovere le labbra a caso o restare fermo.
Consigli avanzati
Scegli un girato che mostri la bocca
Una persona, volto abbastanza grande nell'inquadratura, rivolto per lo più verso la camera. Stacchi netti, forte mosso, una mano vicino alla bocca e volti molto piccoli sono i punti in cui la sincronizzazione scivola. Un'inquadratura stabile nasconde anche il punto del loop quando l'audio dura più della clip.
Prepara la battuta come un doppiaggio
Esporta una voce asciutta senza musica sotto e taglia il silenzio a entrambe le estremità, perché la durata addebitata la decide l'audio. Tieni ogni file tra tre e sessanta secondi e dividi i copioni lunghi nelle pause naturali.
Metti in conto l'attesa
È lo strumento più lento della serie: una battuta di dieci secondi ha richiesto circa quattro minuti di elaborazione. Invia presto, fai polling con pazienza e prova l'abbinamento su una battuta breve prima di inviare un copione intero.
Avvio rapido dell’API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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"
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.
