Введение
Lip Sync переозвучивает уже готовый материал. Отправьте ролик в video_url и новую речь в audio_url, и область рта человека в кадре перерисуется под слова, а игра, свет и кадр ролика останутся такими, как сняты. Результат длится столько же, сколько аудио, и несёт его как звуковую дорожку.
Ключевые возможности и особенности
Перерисовывается только рот
Мимика, движения головы, костюм и фон берутся из исходных кадров, поэтому удачный дубль остаётся удачным; меняется лишь то, что человек будто бы говорит. Поскольку остальное лицо не трогается, новая реплика должна подходить к исходной подаче: спокойное лицо под крик всё равно выглядит спокойным.
Длину решает звук
Результат следует за записью, а не за роликом. Если аудио длиннее видео, видео зацикливается, и готовый файл может выйти примерно на полсекунды длиннее аудио. Картинка сохраняет разрешение присланного видео примерно до 720p: тестовый ролик 1280×720 вернулся в 1280×720, а ролик 1920×1080 — тоже в 1280×720.
Параметры запроса
| Параметр | Обязательно | Описание |
|---|---|---|
video_url | Да | Материал для переозвучки. Одно лицо, достаточно крупное и в основном повёрнутое к камере. Не менее 1 символов |
audio_url | Да | Новая речь, от 3 до 60 секунд, MP3 или WAV. Результат длится столько же, сколько эта запись; файлы вне диапазона отклоняются до какого-либо списания. Не менее 1 символов |
Стоимость
$0.012 / секунда результата
Оплата за секунду вашего аудио с округлением вверх и минимумом 3 секунды. Готовое видео может быть примерно на полсекунды длиннее — эти полсекунды не оплачиваются.
Сценарии использования
Дубляж без пересъёмки
Сохраните интервью, отзыв клиента или дубль ведущего и подставьте переведённую дорожку. Игра остаётся ровно такой, как снята, а рот теперь следует новому языку, а не тому, что записали на площадке.
Голос для немых сгенерированных роликов
Большинство видеомоделей выдают материал без звука. Запишите или сгенерируйте реплику, отправьте её вместе с роликом, и персонаж в кадре действительно её произнесёт, а не будет беспорядочно шевелить губами или молчать.
Руководство по промптам и практические советы
Выбирайте материал, где виден рот
Один человек, лицо достаточно крупное, в основном к камере. Резкие склейки, сильный смаз, рука у рта и очень мелкие лица — места, где синхронизация съезжает. Статичный план к тому же прячет точку зацикливания, когда аудио длиннее ролика.
Готовьте реплику как для дубляжа
Экспортируйте сухую речь без музыки под ней и обрежьте тишину с обоих концов: оплачиваемую длину задаёт аудио. Держите каждый файл в пределах от трёх до шестидесяти секунд, а длинные сценарии делите по естественным паузам.
Закладывайте время ожидания
Это самый медленный инструмент в наборе: реплика на десять секунд обрабатывалась около четырёх минут. Отправляйте заранее, терпеливо опрашивайте задачу и проверяйте связку на короткой реплике, прежде чем отправлять весь сценарий.
Быстрый старт API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "spicyapi/lip-sync-v1/lip-sync",
"input": {
"audio_url": "https://example.com/reference.mp3",
"video_url": "https://example.com/reference.mp4"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Аутентификация, полная схема, опрос статуса и обработка ошибок описаны в справочнике API.
