Introdução
O Lip Sync troca a voz de imagens que você já tem. Envie o clipe em video_url e a nova voz em audio_url, e a região da boca da pessoa na tela é redesenhada para acompanhar as palavras, enquanto atuação, luz e enquadramento do clipe ficam como foram filmados. O resultado dura o mesmo que o áudio e o traz como trilha sonora.
Recursos e destaques
Só a boca é repintada
Expressão, movimento de cabeça, figurino e fundo vêm todos dos quadros originais, então uma tomada que já funciona continua funcionando; o que muda é o que a pessoa parece dizer. Como o resto do rosto não é tocado, a nova fala deve combinar com a interpretação original: um rosto calmo com áudio gritado continua parecendo calmo.
O áudio decide a duração
O resultado acompanha a gravação, não o clipe. Quando o áudio é mais longo que o vídeo, o vídeo é repetido em loop para cobri-lo, e o arquivo entregue pode passar do fim do áudio em cerca de meio segundo. A imagem mantém a resolução do vídeo enviado até cerca de 720p: um clipe de teste em 1280×720 voltou em 1280×720, e um de 1920×1080 também voltou em 1280×720.
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
video_url | Sim | As imagens que vão ganhar a nova voz. Um rosto, grande o bastante no quadro e voltado quase sempre para a câmera. pelo menos 1 caracteres |
audio_url | Sim | A nova voz, de 3 a 60 segundos, em MP3 ou WAV. O resultado dura o mesmo que esta gravação; arquivos fora dessa faixa são recusados antes de qualquer cobrança. pelo menos 1 caracteres |
Preços
$0.012 / segundo de saída
Cobrado por segundo do seu áudio, arredondado para cima com mínimo de 3 segundos. O vídeo entregue pode durar cerca de meio segundo a mais; esse tempo extra não é cobrado.
Casos de uso
Dublagem sem regravar
Mantenha uma entrevista, um depoimento ou uma tomada de apresentador e coloque uma faixa traduzida. A atuação fica exatamente como foi filmada, e a boca agora acompanha o novo idioma em vez daquele gravado no set.
Dar voz a clipes gerados mudos
A maioria dos modelos de vídeo entrega imagens sem som. Grave ou gere uma fala, envie com o clipe, e o personagem na tela diz a frase de verdade em vez de mexer os lábios ao acaso ou ficar parado.
Guia de prompt e dicas práticas
Escolha imagens que mostrem a boca
Uma pessoa, rosto grande o bastante no quadro, voltado quase sempre para a câmera. Cortes secos, borrão forte, mão perto da boca e rostos muito pequenos são onde a sincronia escorrega. Um plano estável também esconde o ponto do loop quando o áudio dura mais que o clipe.
Prepare a fala como numa dublagem
Exporte a voz seca, sem música por baixo, e corte o silêncio nas duas pontas, porque a duração cobrada é definida pelo áudio. Mantenha cada arquivo entre três e sessenta segundos e divida roteiros longos nas pausas naturais.
Conte com a espera
É a ferramenta mais lenta do conjunto: uma fala de dez segundos levou cerca de quatro minutos para processar. Envie cedo, consulte o status com paciência e teste a combinação com uma fala curta antes de mandar um roteiro inteiro.
Início rápido da API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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"
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.
