Введение
Эндпоинт talking-avatar InfiniteTalk оживляет человека на фотографии по аудио, принимает указания по сцене и движению и предлагает seed для сравнения с одним изменением.
| Характеристика | Значение |
|---|---|
| Ввод | Изображение Аудио |
| Вывод | Видео |
| Разработчик и веса | MeiGen-AI; открытые веса по Apache-2.0 |
| Входные сценарии | talking-avatar: фото + аудио; lip-sync: видео + аудио |
| Диапазон записи | 3–600 секунд |
| Результат и время | MP4; длительность по аудио |
| Исполнение в видео | Движения рта, мимика, движения головы и поза могут создаваться заново |
| Маска говорящего | Необязательное изображение |
| Промпт видео | Необязательное описание сцены и движения до 2 000 символов |
| Выбор разрешения | 480p или 720p; по умолчанию видеоэндпоинта 480p |
| Оплачиваемая длительность | Входное аудио с округлением вверх до целых секунд, минимум три секунды |
| Множитель разрешения | Каждая секунда 720p оплачивается вдвое дороже 480p |
| Назначение seed | Сравнение одной правки; одинаковый результат не гарантирован |
| Хранение результата | Доступен 14 дней до удаления |
Ключевые возможности и особенности
Краткое объяснение Сатурна
В наших проверках астроном говорил у телескопа на крыше около девяти секунд. Подача следовала записи со сдержанным естественным движением.
Барный портрет произносит реплику
В примере 480p мужчина с ослабленным галстуком говорит: «Last call already? Then stay for one more.» Естественное движение головы сопровождает тёплую барную обстановку.
Выберите человека и меняйте одну деталь
При нескольких людях отметьте нужного белым на необязательной маске. Фиксированный seed помогает сравнить одну правку prompt или разрешения, не обещая идентичного результата.
Параметры запроса
| Параметр | Обязательно | Описание |
|---|---|---|
image_url | Да | Фотография с нужным говорящим; если людей несколько, добавьте маску говорящего. InfiniteTalk тарифицируется по секундам аудио и разрешению. Не менее 1 символов |
audio_url | Да | Запись речи длиной от 3 секунд до 10 минут; её длительность задаёт посекундную оплату с минимумом 3 секунды. Не менее 1 символов |
prompt | Нет | Необязательное описание сцены и движения для InfiniteTalk; цена зависит от длительности аудио и выбранного разрешения, а не формулировки промпта. Не менее 1 символов · Не более 2000 символов |
mask_url | Нет | Необязательная маска для группового фото: отметьте говорящего белым. Выбор маской не меняет правило оплаты по секундам аудио и разрешению. Не менее 1 символов |
resolution | Нет | 480p или 720p; при выборе 720p каждая секунда аудио стоит вдвое дороже, чем в 480p. |
seed | Нет | Используйте один seed для сохранения источника случайности в сравнении одной правки, без гарантии идентичных кадров; тариф по длительности и разрешению не меняется. |
Стоимость
InfiniteTalk оплачивается за секунду входного аудио, минимум за 3 секунды. При выборе 720p тариф за секунду вдвое выше, чем у 480p; запросы с ошибкой не оплачиваются.
| Спецификация | Стоимость |
|---|---|
| $0.036 / секунду |
| $0.072 / секунду |
Сценарии использования
Дайте неподвижному персонажу записанный ответ
Используйте talking-avatar, если начинаете с портрета. Запись задаёт голос и фразу, а модель добавляет речевые движения.
Измените настроение готовой съёмки
Выберите lip-sync для новой подачи в исходном ролике. В тесте цветочной мастерской запись с переходом от замешательства к радости привела к поднятию головы, оживлению мимики и движениям плеч.
Сделайте ролик с ведущим из объяснения
Соедините фото или видео ведущего с готовым объяснением. Принимается аудио на 3–600 секунд; при длинной записи просмотрите результат целиком.
Направьте одного человека в общей сцене
Отметьте нужного говорящего белым в маске через mask_url. Так выбирается человек в исходном материале; показанный тест с флористом использует одного говорящего без маски.
Уточните подачу перед длинным запуском
Попробуйте короткую запись и сдержанный промпт движений в 480p. Сравните одно изменённое указание с фиксированным seed, затем решите, нужен ли итоговый ролик в 720p по двойному тарифу.
Руководство по промптам и практические советы
Укажите нужного говорящего
Отправьте исходную фотографию и запись допустимой длины; для группового фото добавьте маску с говорящим, отмеченным белым.
Выберите разрешение и настройки сравнения
Задайте 480p или 720p и при желании добавьте промпт сцены; повторно используйте seed при сравнении одной настройки, не ожидая идентичного результата.
Речевое исполнение из фотографии
Эндпоинт talking-avatar InfiniteTalk соединяет image_url и audio_url в видео с синхронными губами. Фото задаёт человека и сцену, речь управляет исполнением. Анимацию рта сопровождают естественные движения головы и тела. Подходит озвученным портретам, ведущим и короткому обмену репликами вокруг записи.
Это стандартная InfiniteTalk, опубликованная MeiGen-AI с открытым кодом по Apache-2.0. Здесь доступны фото, речь, направление сцены, выбор говорящего, разрешение и seed. Планируйте запрос по этим входам, не перенося настройки другой реализации.
Роли параметров
| Параметр | Обязателен | Что передать |
|---|---|---|
image_url | Да | Фото нужного совершеннолетнего говорящего; с правом использования. |
audio_url | Да | Речь от 3 секунд до 10 минут с разрешённым голосом. |
prompt | Нет | Краткая сцена и желаемое речевое движение. |
mask_url | Нет | Для группового фото маска с говорящим белым. |
resolution | Выберите уровень | 480p либо 720p; определяет цену секунды. |
seed | Нет | Фиксированное значение для сравнения одной правки без гарантии совпадения. |
Только совершеннолетние, без имитации личности. До запроса отдельно проверьте права на фото и голос. При нескольких людях белая область маски определяет говорящего. Описание сцены этот выбор не заменяет.
Цена следует записи
Готовые запросы оплачиваются по секундам входного аудио с минимумом три секунды. Секунда 720p вдвое дороже 480p. Ошибки бесплатны. Планируя запуск, смотрите тариф на странице InfiniteTalk.
Выбирайте длину записи вместе с уровнем. Короткий тест 480p помогает оценить подачу перед длинной записью. Переход к 720p меняет цену, но не устанавливает совпадение рта и движения с прежним рендером.
Указания для портрета
Слова несёт запись
Подготовьте диалог в аудиофайле. Необязательный prompt задаёт видимые детали: место, настроение, выражение и небольшое движение. Для мужчины в баре подходит: «Мужчина ближе к сорока с ослабленным галстуком тихо говорит через стойку, слегка улыбаясь в тёплом янтарном свете».
Согласуйте инструкцию с источником. Одежда, свет и окружение делают её конкретной, но должны описывать оживляемый портрет. Это сценарий речи по фото и аудио; примеры не устанавливают замену одежды или фона.
Движение для понятной оценки
Начните с речи и скромного жеста, например лёгкого кивка или наклона. Проверьте его в клипе до добавления нового. Ведущему с объяснением и тихому персонажу бара нужны разные настроения даже при сдержанной голове.
При сравнении сохраняйте фото, запись, разрешение и seed, меняя одну фразу. Фиксированный seed помогает сравнить одну правку без обещания того же видео или кадров. Оценивайте каждый результат глазами и на слух.
Демонстрация наших примеров
- Астрономия на крыше: портрет у телескопа произнёс около девяти секунд о Сатурне. Губы синхронны, голова двигается сдержанно и естественно.
- Ночной бар: портрет 480p мужчины с ослабленным галстуком произнёс «Last call already? Then stay for one more.» с естественными движениями головы.
Это наблюдения конкретных примеров без обещания для всех фото и записей. Они не проверяют маску, сравнения seed и весь диапазон десяти минут. Сверяйте начало, паузы и конец своей записи с движением.
Ограничения и выбор другой модели
Аудио вне 3 секунд — 10 минут выходит за заявленные пределы. Поддерживаемая длина не означает, что короткие примеры подтверждают стабильное качество на всём отрезке. Маска группы выбирает человека; примеры не демонстрируют попеременный многоголосый диалог.
Скачайте файлы за 14 дней до удаления. Если важны правки, храните клип с записью фото, аудио и настроек.
Talking Avatar — скоростной вариант той же открытой модели; InfiniteTalk даёт стандартный с 720p. HeyGen Avatar IV подходит для фоновой картинки, настройки expressiveness и пяти разрешений по общей цене. Сравнивайте конкретные настройки с проектом без предположения одинакового исполнения.
Быстрый старт 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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "meigen-ai/infinitetalk-v1/talking-avatar",
"input": {
"audio_url": "https://example.com/reference.mp3",
"image_url": "https://example.com/reference.png",
"resolution": "480p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Аутентификация, полная схема, опрос статуса и обработка ошибок описаны в справочнике API.


