Введение
Говорящий аватар для P-Video 2 Pro: портрет и голосовая дорожка на входе, клип этого человека с синхронизацией губ на выходе, длиной с аудио.
| Характеристика | Значение |
|---|---|
| Ввод | Изображение Аудио |
| Вывод | Видео |
| Издатель | Pruna AI |
| Эндпоинты | текст в видео, изображение в видео, референсы в видео, говорящий аватар |
| Длительность | 5–15 секунд, любое целое число; говорящий аватар следует за аудио, 1–180 секунд |
| Разрешение | 480p (832x480 при 16:9), 768p |
| Соотношения сторон | 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 1:1; для изображения в видео ориентир задаёт начальный кадр |
| Режимы генерации | cost, speed, quality (референсы в видео: cost, speed) |
| Аудио | Сгенерированная звуковая дорожка в каждом клипе; референсное аудио может её заменить |
| Референсы | Начальный и конечный кадр, до 3 видео (всего 15 с), до 3 аудиофрагментов (всего 15 с) |
| Частота кадров | 24 fps |
| Контент-фильтр | Нет |
Ключевые возможности и особенности
Перенесите движение камеры
Камера повторяет медленный наезд из video 1, а причал, катер и женщина берутся из начального кадра — ничего из бара на референсном клипе не появляется. Она идёт к корме, поправляет накидку на плечах и в конце смотрит в камеру. Звуковая дорожка очень тихая: мягкий плеск воды о корпус, музыки почти не слышно.
Сцена со своим звуком
Один непрерывный план с мягким дрейфом к паре, а не резким доликом. Реплика «Same as last summer?» звучит отчётливо ближе к концу, после музыкальной подложки в первой половине; на последнем такте он берёт бокал и улыбается.
Зафиксируйте начало и конец
Клип начинается ровно с начального кадра и заканчивается на конечном: он складывает письмо, убирает его, встаёт и идёт к балюстраде, а фейерверк начинается примерно через полторы секунды. Неподвижная камера сохраняет один и тот же кадр от начала до конца. Звуковая дорожка — аплодисменты толпы и треск, а не отдельные взрывы фейерверка.
Параметры запроса
| Параметр | Обязательно | Описание |
|---|---|---|
prompt | Нет | Необязательно. Жесты, выражение лица, куда направлен взгляд и движение камеры. |
image_url | Да | Портрет, который говорит: JPEG, PNG или WebP. Лучше всего один чёткий кадр с лицом; клип сохраняет соотношение сторон изображения. |
audio_url | Да | Речь или пение: MP3 или WAV, от 1 до 180 секунд. Задаёт длину клипа и цену, а сам остаётся звуковой дорожкой. |
resolution | Нет | 480p или 768p (по умолчанию 768p). 768p стоит дороже за секунду. |
enable_prompt_expansion | Нет | По умолчанию выключено, поэтому ваше указание используется дословно. Включите, чтобы сначала переписать его в более полное; цену это не меняет. По умолчанию: |
seed | Нет | Фиксирует начальное состояние генерации, чтобы сравнивать два запуска с одним портретом и аудио; покадрово одинаковый результат при этом не гарантируется. |
Стоимость
Оплата за секунду входного аудио, округлённую вверх до целой секунды, от 1 до 180 секунд; 768p за секунду стоит дороже, чем 480p. Под резерв удерживается сумма по длине аудио (или по максимуму 180 секунд, если её не удаётся прочитать), разница освобождается при выдаче результата. Расширение промпта и seed цену не меняют. Неудачный запрос не оплачивается.
| Спецификация | Стоимость |
|---|---|
| $0.02 / секунду |
| $0.04 / секунду |
Сценарии использования
Быстрые итерации
Клипы возвращаются за секунды, поэтому можно попробовать много дублей одного кадра и оставить лучший.
Сцены без цензуры
Ничего не фильтруется. В наших тестах промпты до уровня Сильный отрисовывались как написано; запросы на самых высоких уровнях вернулись смягчёнными.
Переснимка референса
Перенесите движение камеры понравившегося клипа и поставьте в кадр своего персонажа с помощью начального кадра.
Руководство по промптам и практические советы
Черновик дёшево, финал — в резкости
Найдите кадр в 480p в режиме cost, затем запустите тот же промпт в 768p в режиме speed или quality.
Напишите строку Sound:
У каждого клипа есть звук. Опишите атмосферу и заключите реплики в кавычки, чтобы получить нужный звук.
Назовите свои референсы
В режиме референсов в видео напишите в промпте «video 1» или «audio 1» и укажите, что взять из каждого.
Введение
P-Video 2 Pro Говорящий аватар принимает портрет (image_url) и запись речи или пения (audio_url) и возвращает клип, в котором этот человек произносит её: рот, лицо и голова двигаются в такт аудио. Ваша запись становится звуковой дорожкой. Поля длительности нет: длину задаёт аудио, от 1 до 180 секунд. Необязательный prompt задаёт движение, выражение и кадрирование, и ничего не фильтруется.
Выберите режим P-Video 2 Pro по исходному материалу
| Что у вас есть на входе | Режим |
|---|---|
| письменная сцена или сценарий | P-Video 2 Pro Text to video |
| начальный кадр и, при желании, конечный кадр | P-Video 2 Pro Image to video |
| клип, из которого нужно взять движение, или голосовая либо музыкальная дорожка | P-Video 2 Pro Reference to video |
| портрет и запись, которую этому человеку нужно произнести | P-Video 2 Pro Говорящий аватар (вы здесь) |
Ключевые возможности и преимущества
Ваша запись задаёт клип
В наших тестах готовый файл совпадал с аудио с точностью до нескольких сотых секунды: 4,55 секунды аудио дали клип 4,58 секунды, 4,8 секунды — клип 4,83, а 5,21 секунды — клип 5,25. Перед отправкой обрежьте запись до нужной длины.
Два разрешения, форма портрета
Выберите 480p или 768p. Pruna документирует, что результат берёт соотношение сторон портрета; наши портреты 16:9 вернулись в размерах 832x480 и 1344x768.
Быстрая генерация
Пятисекундные тестовые клипы занимали от 27 до 39 секунд от отправки запроса до готового файла при любом разрешении.
Без контент-фильтра
SpicyAPI не накладывает фильтр ни на портрет, ни на промпт, ни на результат. В наших тестах NSFW-указание отрисовывалось в 480p так, как было написано.
Сценарии использования
Клипы с ведущим и пояснениями
Запишите сценарий один раз, добавьте портрет и получите ведущего, который читает его в камеру: для вступлений к курсам, презентаций продуктов или объявлений.
Голоса персонажей
Дайте портрету персонажа реплику, которую записал актёр озвучки или модель синтеза речи, и сохраняйте одно и то же лицо в серии коротких клипов.
Локализованные версии
Запускайте один и тот же портрет с записью на каждом языке, на котором публикуете; каждый клип синхронизируется со своей дорожкой.
Руководство по промптам и советы
Задавайте подачу, а не картинку
Портрет уже определяет лицо, одежду и обстановку. Используйте промпт для небольших акцентов: наклон к микрофону, приподнятые брови на ключевой фразе, рука, поднимающаяся к воротнику, медленный наезд камеры.
Промпт может изменить сцену
Промпт, который описывает другое место или наряд, чем на портрете, может его переопределить: в одном из наших запусков обстановка поменялась под текст. Не пишите фон в промпте, если портрет должен остаться прежним.
Расширение выключено по умолчанию
enable_prompt_expansion позволяет сервису переписать ваше указание в более полное перед генерацией. Цену это не меняет, но результат может отойти от вашей формулировки.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "pruna-ai/p-video-2-pro/talking-avatar",
"input": {
"audio_url": "https://example.com/reference.mp3",
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "768p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Аутентификация, полная схема, опрос статуса и обработка ошибок описаны в справочнике API.




