소개
인물 사진과 음성을 업로드하십시오. 선택 프롬프트로 표정과 움직임을 조정할 수 있으며, 없으면 음성의 흐름을 따릅니다.
| 항목 | 값 |
|---|---|
| 입력 | 이미지 오디오 |
| 출력 | 영상 |
| 입력 조합 | 인물 사진 1장과 음성 녹음 1개 |
| 인물 사진 형식 | JPEG, PNG 또는 WebP |
| 오디오 길이 제한 | 최대 120초 |
| 연출 프롬프트 | 선택 사항이며 입력 시 1~2,000자 |
| 출력 해상도 옵션 | 480p 또는 720p |
| 기본 해상도 | 720p |
| 해상도별 요금 비율 | 같은 오디오 길이 기준: 720p 요금 = 2 x 480p 요금 |
| 과금 기준 | 입력 녹음의 초 미만을 올림한 시간 |
| 최소 과금 시간 | 4초 |
| 완료되지 않은 실행 | 요금 없음 |
| 기록한 테스트 입력 | 인물 사진과 9.2초 오디오, 480p 선택 |
| 기록한 테스트 출력 | MP4, 556 x 740픽셀, 9.38초 |
핵심 기능 및 하이라이트
짧은 녹음에서 반환된 MP4
2026년 11월 18일 실행에서는 인물 사진과 9.2초 음성 클립을 결합해 556 x 740픽셀, 9.38초 길이의 MP4를 반환받았습니다. 요청은 480p를 선택하고 차분하고 자연스러운 머리 움직임과 따뜻한 말투를 지시했습니다. 예시를 소리와 함께 재생해 연출을 확인합니다.
말하는 스타일을 지정합니다
최대 2,000자로 표정과 움직임을 지시합니다. 말할 내용은 녹음에 담고 프롬프트에는 반기는 모습, 차분한 모습, 집중하는 모습과 원하는 머리 움직임 등 연출을 기술합니다. 완성된 영상과 대조하기 쉽도록 지시는 간결하게 작성합니다.
제출 전에 요금을 선택합니다
출력은 480p와 720p 중에서 선택하며 기본값은 720p입니다. 입력 오디오 길이가 같을 때 720p 비용은 480p의 2배입니다. 과금은 입력 녹음의 초 미만을 올림해 계산하며 최소 4초 요금을 적용합니다. 완료되지 않은 실행에는 요금이 부과되지 않습니다.
요청 파라미터
| 파라미터 | 필수 | 설명 |
|---|---|---|
image_url | 예 | 움직일 인물 사진을 지정합니다. 1자 이상 |
audio_url | 예 | 120초 이내의 음성입니다. 4초 미만은 4초로 과금됩니다. 1자 이상 |
prompt | 아니요 | 표정과 움직임에 대한 선택 지시입니다. 1자 이상 · 2000자 이하 |
resolution | 아니요 | 480p 또는 720p(기본)를 선택합니다. 720p는 480p의 2배 요금입니다. |
요금
Talking Avatar Flash는 입력 음성의 시작된 초마다 과금되며 최소 4초가 적용되고, 끝나지 않은 실행에는 요금이 없습니다.
| 사양 | 요금 |
|---|---|
| $0.162 / 초 |
| $0.324 / 초 |
활용 사례
녹음으로 전하는 소개
발표자 인물 사진에 강좌나 행사를 위해 준비한 환영 녹음을 결합합니다. 선택 지시는 친근한 표정과 절제된 머리 움직임처럼 구체적인 역할에 집중하고, 공유 전에 연출을 검토합니다.
음성 중심의 제품 설명
전문 대변인의 인물 사진과 제품을 설명하는 녹음을 사용합니다. 생성 전에 오디오의 말할 내용을 확정하고 프롬프트에는 시도할 표정과 움직임을 기술합니다.
전시 안내
안내자 인물 사진에 전시품 설명 녹음을 결합합니다. 차분한 표정과 절제된 머리 움직임을 기술한 다음, 전시 자료에 추가하기 전에 내레이션과 영상을 함께 확인합니다.
워크숍 환영 인사
공예 강사의 인물 사진에 수업 소개 녹음을 더합니다. 움직임 프롬프트로 편안한 연출을 요청하고 완성된 영상이 교육 자료의 진행 속도에 맞는지 확인합니다.
프롬프트 가이드 및 실전 팁
인물 사진과 녹음을 준비합니다
JPEG, PNG, WebP 인물 사진과 최대 120초 길이의 음성 녹음을 선택합니다. 업로드 전에 오디오 전체를 듣고 말할 내용을 확정합니다.
표정과 움직임을 지시합니다
절제된 머리 움직임과 반기는 표정 등 연출 방향을 짧게 추가합니다. 프롬프트는 선택 사항이며 최대 2,000자까지 입력할 수 있습니다.
출력 해상도를 선택합니다
480p 또는 720p를 선택하며 기본값은 720p입니다. 입력 오디오 길이가 같으면 720p 비용은 480p의 2배입니다.
완성된 영상을 확인합니다
소리와 함께 영상을 재생하고 입 모양, 표정, 마무리를 녹음과 비교합니다. 실제로 사용할 상황을 고려해 연출을 확인합니다.
인물 사진에 녹음한 말을 입힙니다
Talking Avatar Flash는 음성 녹음을 바탕으로 정지된 인물 사진을 움직입니다. 이미지와 오디오를 제공하고 480p 또는 720p를 선택한 다음 필요에 따라 표정과 움직임 지시를 추가합니다. 말할 내용이 준비된 강좌 환영 인사, 발표자 소개, 제품 설명에 적합한 작업 흐름입니다.
말할 내용은 녹음이 담당합니다. 프롬프트는 인물이 말하는 동안 얼굴이 어떤 표정을 짓고 머리가 어떻게 움직일지 정하는 연출 지시로 사용합니다. 각 입력의 역할을 구분하면 자료를 준비하고 반환된 영상을 평가하기 수월합니다.
인물 사진과 오디오를 준비합니다
image_url에 JPEG, PNG, WebP 인물 사진을, audio_url에 음성 녹음을 제공합니다. 두 필드에는 모두 비어 있지 않은 값이 필요합니다. 오디오는 최대 120초까지 사용할 수 있으므로 제출 전에 파일 전체 길이를 확인합니다.
얼굴을 선명하게 살펴볼 수 있는 인물 사진을 선택합니다. 녹음을 처음부터 끝까지 듣고 생성 전에 말할 내용, 쉼, 마무리를 확정합니다. 원하지 않는 테이크나 실수로 들어간 무음은 오디오 준비 단계에서 제거합니다. 움직임 프롬프트로 발화 내용을 수정하려고 하지 않도록 합니다.
입력 필드를 설정합니다
원본 자료를 가리키는 URL 두 개를 필수로 제공한 다음 원하는 연출과 출력 높이에 따라 선택 필드를 설정합니다.
| 필드 | 용도 | 허용 값 |
|---|---|---|
image_url | 움직일 인물 사진 | 필수, 비어 있지 않은 문자열, JPEG, PNG, WebP |
audio_url | 말할 내용을 제공하는 음성 녹음 | 필수, 비어 있지 않은 문자열, 최대 120초 |
prompt | 표정과 움직임 지시 | 선택 사항, 입력 시 1~2,000자 |
resolution | 출력 높이 설정 | 480p 또는 720p, 기본값 720p |
검토할 수 있는 지시를 작성합니다
표정과 움직임을 짧고 일관된 지시로 기술합니다. 환영 인사에는 친근한 표정과 안정적인 머리 움직임을 요청할 수 있습니다. 제품 설명에는 집중하는 표정과 작고 절도 있는 움직임을 적용해 다른 연출 방향을 검토할 수 있습니다. 녹음 목적에 맞춰 지시를 작성합니다.
프롬프트를 또 다른 대본으로 채우지 않도록 합니다. 제품명, 수업 세부 내용, 인사말을 바꿔야 한다면 다음 요청 전에 오디오를 수정합니다. 텍스트 필드는 녹음이 재생되는 동안 보이기를 원하는 연출을 지정하는 데 사용합니다.
글로 된 지시가 필요하지 않으면 prompt를 생략합니다. 입력하는 경우 비어 있지 않은 값을 제공하고 2,000자 제한을 지킵니다. 두 지시를 비교하려면 인물 사진, 녹음, 해상도는 그대로 유지하고 특정 표정이나 움직임 지시를 수정합니다. 차이를 검토할 수 있도록 두 프롬프트와 각각의 결과를 함께 저장합니다.
해상도를 선택하고 요금을 계획합니다
출력 높이는 480p와 720p 중에서 선택합니다. resolution을 생략하면 720p가 선택됩니다. 입력 오디오 길이가 같을 때 720p 비용은 480p의 2배입니다. 제출 전에 설정을 정하고 이 페이지에 표시된 가격으로 요청 비용을 계획합니다.
과금은 입력 오디오의 초 미만을 올림해 계산하며 최소 4초를 적용합니다. 4초보다 짧은 녹음에도 이 최소 시간이 적용됩니다. 더 긴 녹음은 1초 미만의 부분도 1초로 계산합니다. 반환된 영상 길이가 아니라 원본 녹음과 선택한 해상도를 기준으로 비용을 예상합니다. 완료되지 않은 실행에는 요금이 부과되지 않습니다.
인물 사진과 오디오로 얻은 결과를 확인합니다
2026년 11월 18일 night-sky-talk 실행에서는 인물 사진과 9.2초 음성 클립을 결합하고 480p를 설정했습니다. 반환된 결과는 556 x 740픽셀, 9.38초 길이의 MP4였습니다. 움직임 지시는 다음과 같습니다.
He speaks warmly with calm, natural head movement.
예시를 소리와 함께 열어 말하는 인물 영상이 녹음을 어떻게 표현하는지 확인합니다. 이 실행에서는 입력 오디오와 반환된 영상의 측정 길이가 다릅니다. 오디오 기준 요금을 계산할 때는 입력 녹음을 사용합니다.
공유 전에 검토합니다
완성된 영상을 원본 인물 사진 및 녹음과 함께 확인합니다. 말소리에 맞는 입 움직임과 쉬는 동안의 표정을 살피고 끝까지 들어 봅니다. 수업, 발표, 제품 설명에서 사용할 위치에 연출이 어울리는지 검토합니다.
연출을 수정하려면 바꿀 표정이나 움직임을 구체적으로 정합니다. 말 자체를 고쳐야 한다면 수정한 녹음을 준비합니다. 다음 요청의 출발점을 명확히 알 수 있도록 입력 자료, 프롬프트, 해상도를 결과와 함께 보관합니다.
관련 말하는 아바타 옵션을 비교합니다
인물 사진과 최대 120초의 준비된 녹음으로 시작하고 480p 또는 720p 설정이 용도에 맞는 작업이라면 이 엔드포인트를 선택합니다. 다른 말하는 아바타 작업 흐름은 talking-avatar/v1과 infinitetalk/v1 페이지에서 비교합니다. 모델 계열을 선택하기 전에 사용할 원본 자료를 기준으로 입력 필드, 설정, 표시 가격을 검토합니다.
API 빠른 시작
# 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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "spicyapi/talking-avatar-flash/talking-avatar",
"input": {
"audio_url": "https://example.com/reference.mp3",
"image_url": "https://example.com/reference.png",
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
인증, 전체 스키마, 폴링과 오류 처리는 API 레퍼런스에서 확인하세요.
