InfiniteTalk

API-Dokumentation Beginnen Sie mit der Erstellung

Audiogesteuertes VideoSprechender AvatarOpen Source

InfiniteTalk ist das audiogesteuerte Mensch-Video-Modell von MeiGen-AI zur Synchronisierung von Sprache mit Gesichtsausdruck, Kopfbewegung und Körperhaltung – nicht nur dem Mund. APIXO bietet einen fokussierten Porträt-und-Audio-Workflow mit optionaler Maske, bis zu zehn Minuten steuerndem Audio, 480p- oder 720p-Ausgabe und asynchroner Bereitstellung.

APIXO-Eingaben

Hochformat + Audio

APIXO Preis

Ab $0.03 / Sekunde480p, mindestens fünf Sekunden

APIXO Auflösung

480p / 720p

Audio-Limit

Bis zu 600 Sekunden

Veröffentlicht

19. Aug. 2025

Arbeitsbereich wird geladen...

API-Zugriff wird geprüft...

Melden Sie sich an, um kostenloses Guthaben zu erhalten und mit diesem Modell zu erstellen.

Mit KI integrieren

Kopieren Sie einen Prompt für Ihren KI-Assistenten, um APIXO MCP zu installieren, das Live-Schema zu lesen und dieses Modell in Ihre App zu integrieren.

Endpunkte

Task erstellen

POSThttps://api.apixo.ai/api/v1/generateTask/infinitetalk

Status abfragen

GEThttps://api.apixo.ai/api/v1/statusTask/infinitetalk?taskId={taskId}

Request-Body

request_type

async

Verwenden Sie Callback mit callback_url für Webhooks.

input

Objekt

Modus, Prompt, Referenzen, Größe, Dauer und Audio-Einstellungen.

request_typeerforderlich

Typselect

Verwenden Sie async, um statusTask abzufragen, oder Callback, um einen Webhook zu erhalten, wenn das Ergebnis bereit ist.async · callback

callback_urlbedingt

Typtext

Öffentliche HTTPS-URL für die Callback-Zustellung.Nur in request_type=callback

modeerforderlich

Typselect

Wählen Sie den Video-Workflow, der von diesem Modell unterstützt wird.image-to-video

promptoptional

Typstring

Optionale Anleitung für Ausdruck, Bewegung oder Szenenverhalten. Entfernen Sie sie oder geben Sie eine nicht leere Anweisung an.

resolutionerforderlich

Typselect

Wählen Sie die Stufe der Ausgabeauflösung.480p · 720p

seedoptional

Typtext

Verwenden Sie -1 für eine zufällige Ausgabe oder 0-2147483647 für eine reproduzierbare Erstellung.

Parameter	Typ	Erforderlich	Beschreibung
`request_type`	select	erforderlich	Verwenden Sie async, um statusTask abzufragen, oder Callback, um einen Webhook zu erhalten, wenn das Ergebnis bereit ist.async · callback
`callback_url`	text	bedingt	Öffentliche HTTPS-URL für die Callback-Zustellung.Nur in request_type=callback
`mode`	select	erforderlich	Wählen Sie den Video-Workflow, der von diesem Modell unterstützt wird.image-to-video
`prompt`	string	optional	Optionale Anleitung für Ausdruck, Bewegung oder Szenenverhalten. Entfernen Sie sie oder geben Sie eine nicht leere Anweisung an.
`resolution`	select	erforderlich	Wählen Sie die Stufe der Ausgabeauflösung.480p · 720p
`seed`	text	optional	Verwenden Sie -1 für eine zufällige Ausgabe oder 0-2147483647 für eine reproduzierbare Erstellung.

Dateiparameter (URL-Arrays)

image_urls[mode=image-to-video]Laden Sie ein Quellporträt sowie optional ein Maskenbild hoch.Nur in mode=image-to-video

audio_urls[mode=image-to-video]Laden Sie Audio-Referenzen für die multimodale Erstellung hoch, falls unterstützt.Nur in mode=image-to-video

Beispiel (cURL)

curl -X POST "https://api.apixo.ai/api/v1/generateTask/infinitetalk" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "request_type": "async",
    "input": {
      "mode": "image-to-video",
      "image_urls": [
        "https://example.com/portrait.png"
      ],
      "audio_urls": [
        "https://example.com/voice.mp3"
      ],
      "prompt": "make the portrait speak naturally with subtle head motion",
      "resolution": "480p",
      "seed": -1
    }
  }'

Vollständige API-Dokumentation

Funktionen

Audio steuert die gesamte menschliche Darstellung

Sprachsynchronisierte Bewegung

InfiniteTalk verwendet das steuernde Audio, um Mundbewegungen mit Mimik, Kopfbewegungen und Körperhaltung zu koordinieren. Die Lippensynchronisation ist ein Kernziel, obwohl die Genauigkeit je nach Sprechgeschwindigkeit, Pose und Quellqualität variieren kann.

Kontinuität bei langen Sequenzen

Das Upstream-Framework von InfiniteTalk nutzt den zeitlichen Kontext zwischen erstellten Segmenten, um längere audiogesteuerte Sequenzen zu unterstützen. APIXO akzeptiert steuerndes Audio von bis zu 600 Sekunden, obwohl lange Ausgaben dennoch auf Identitätsabweichungen und Übergangskonsistenz überprüft werden sollten.

Vom Porträt zur Performance

Die Implementierung von APIXO beginnt mit einem einzelnen Porträtbild anstatt einer reinen Textbeschreibung des Charakters. Die Quelle legt die sichtbare Identität, Kleidung, Komposition und den Hintergrund des Motivs fest, bevor die audiogesteuerte Bewegung synthetisiert wird.

Gesprochene und gesungene Darbietung

Steuern Sie das Porträt mit fertigem Sprach-, Dialog-, Erzähl- oder Gesangs-Audio. Sprachtempo, Emotion, Aussprache und Vortrag stammen aus der bereitgestellten Aufnahme und nicht aus einem Text-zu-Sprache-System innerhalb dieses Endpunkts.

Lange Audioeingabe

APIXO akzeptiert eine Audiodatei mit einer Länge von bis zu 600 Sekunden. Dadurch eignet sich die Route für Material, das länger ist als ein herkömmlicher kurzer Avatar-Clip, wobei die Verarbeitungszeit und die Anforderungen an die Konsistenz mit der Länge zunehmen.

Reproduzierbare Iteration

Wählen Sie eine Ausgabeauflösung von 480p oder 720p und geben Sie optional einen APIXO-Seed an. Ein fester Seed unterstützt kontrollierte Experimente, garantiert jedoch keine identischen Ergebnisse bei wechselnden Eingaben oder Anbieter-Revisionen.

API-Spezifikationen

InfiniteTalk-Steuerung über APIXO

Öffentliche Limits für den dedizierten Porträt- und Audio-Workflow.

1 Porträt + optionale Maske

Bildeingaben

1 Audio-URL

Anzahl Audiodateien

MP3 / WAV / M4A

Audioformate

128 MB

Größenbeschränkung für Audio

5 Sekunden

Mindestabrechnung

Async / Callback

Lieferung

Anwendungen in der Produktion

Gesprochene Inhalte aus vorbereitetem Audio erstellen

Digitale Moderatoren

Präsentations- und Sprechervideos

Kombinieren Sie ein vorbereitetes Porträt mit aufgenommener oder synthetisierter Sprache, um Inhalte im Präsentationsstil zu erstellen. Der Endpunkt animiert das bereitgestellte Performance-Audio; er schreibt kein Skript und erstellt keine Sprache aus Text.

Lokalisierung

Lokalisierte Marketingversionen

Verwenden Sie ein genehmigtes Porträt mit separat produzierten Sprachspuren für regionale Kampagnenversionen wieder. InfiniteTalk reagiert auf die akustische Leistung und nicht auf eine deklarierte Sprache, jedoch sollten Aussprache und Synchronisation für jede Aufnahme überprüft werden.

Bildung

Lektionen und Trainingsmodule

Wandeln Sie Erzählungen in Videos mit Lehrern, Guides oder Kurs-Avataren in 480p oder 720p um. Das Zehn-Minuten-Audio-Limit von APIXO unterstützt längere Erklärungen, während komplexe Module zur einfacheren Qualitätskontrolle weiterhin in kürzere Segmente unterteilt werden können.

Unterhaltung

Charaktersprache und Gesang

Animieren Sie ein geeignetes Charakterporträt aus Dialogen, Erzählungen oder Gesang. Stark stilisierte, nicht-menschliche, Ganzkörper- oder Mehrpersonen-Quellen sind keine dokumentierten APIXO-Garantien und sollten getestet werden, bevor sie in einem Produktionsformat eingesetzt werden.

Produktions-Workflow

Porträt, Audio und Bereitstellungspfad vorbereiten

Saubere Quelldaten reduzieren vermeidbare Synchronisations- und Identitätsprobleme.

Ein klares Porträt vorbereiten

Wählen Sie ein einzelnes sichtbares Motiv mit klarem Gesicht, begrenzter Verdeckung und ausreichender Bildqualität. Behalten Sie den beabsichtigten Bildausschnitt und Hintergrund in der Quelle bei, da APIXO keine Steuerelemente für das Seitenverhältnis oder die Kamera bereitstellt.

Fertige Sprach-Audiodatei hochladen

Stellen Sie eine öffentliche MP3-, WAV- oder M4A-URL innerhalb der Limits von 128 MB und 600 Sekunden bereit. Schließen Sie Transkription, Übersetzung, Stimmerstellung, Bereinigung und Timing ab, bevor Sie den Track übermitteln.

Bewegung erstellen und prüfen

Wählen Sie 480p oder 720p aus, senden Sie die asynchrone Aufgabe ab und rufen Sie das Ergebnis durch Polling oder Callback-Zustellung ab. Überprüfen Sie Mund, Zähne, Augen, Hände, Pose, Identität und Segmentübergänge vor der Veröffentlichung.

Integrationshinweise

Verstehen, was APIXO bereitstellt

Wichtige Einschränkungen

APIXO stellt einen Bild-zu-Video-Modus bereit, der ein Porträt und eine steuernde Audiodatei erfordert.

Das veröffentlichte Anfrage-Schema von APIXO kennzeichnet den Prompt als erforderlich; übermitteln Sie mit jeder Produktionsanfrage eine klare Bewegungsanweisung.

Die Abrechnung basiert auf der erkannten Audiolänge oder fünf Sekunden, je nachdem, welcher Wert größer ist.

Längeres Audio erhöht die Verarbeitungszeit; die Callback-Bereitstellung ist für lange Produktionsaufgaben vorzuziehen.

APIXO legt keine Steuerelemente für Videoeingabe, Seitenverhältnis, Bildrate oder Ausgabeformat öffentlich offen.

Verwenden Sie Porträts und Stimmen nur, wenn Sie über die notwendigen Rechte, Zustimmungen und Autorisierungen verfügen.

Fragen zu InfiniteTalk

Diese Seite behandelt die ursprüngliche InfiniteTalk-Forschungsveröffentlichung von MeiGen-AI, die mit ihrem technischen Bericht, Code und Modellgewichten am 19. August 2025 veröffentlicht wurde. Sie beschreibt nicht LongCat Video Avatar, Community-Checkpoints oder nicht zugehörige Avatar-Systeme.

Nicht über das öffentlich dokumentierte infinitetalk-Schema. Die zugrunde liegende Forschung unterstützt das audiogesteuerte Video-zu-Video-Dubbing, aber APIXO stellt einen Bild-zu-Video-Workflow für Porträts und Audio ohne ein Feld für das Quellvideo zur Verfügung.

Nein. APIXO erfordert eine hochgeladene Audiodatei, und diese Aufnahme steuert die resultierende Performance. Verwenden Sie ein separates Aufnahme- oder Text-zu-Sprache-System, um das gesprochene oder gesungene Audio zu erstellen, bevor Sie InfiniteTalk aufrufen.

Die hochgeladene Audiodatei steuert die Darbietung, und APIXO ermittelt deren Dauer für die Abrechnung, bis zu 600 Sekunden. Es gibt keine separate Steuerung der Dauer. Berücksichtigen Sie mögliche Verarbeitungs- oder Kodierungsunterschiede bei der Überprüfung der endgültigen Videolänge.

Verdeckte Gesichter, extreme Posen, schnelles Sprechen, unklares Audio, sichtbare Hände in Gesichtsnähe, mehrere Personen und Porträts von geringer Qualität können Synchronisationsfehler oder visuelle Abweichungen erhöhen. Lange Ausgaben sollten durchgehend auf Identitäts- und zeitliche Konsistenz überprüft werden.

Weitere Modelle entdecken

Entdecken Sie weitere KI-Modelle für Ihren nächsten kreativen Workflow

Alle Modelle ansehen

hailuo

Hailuo 2.3 Fast

Hailuo 2.3 Fast ist auf APIXO für Video verfügbar. Die Modellseite vereint Beispiele, Steuerelemente zur Erstellung, Preise und Ergebnisse in einem zentralen Arbeitsbereich.

VideoNeu

$0.032/sec

Alibaba

Wan 2.2 Animate

Wan 2.2 Animate ist auf APIXO für Video verfügbar. Die Modellseite vereint Beispiele, Steuerelemente zur Erstellung, Preise und Ergebnisse in einem zentralen Arbeitsbereich.

VideoNeu

$0.04/sec

ByteDance

Seedance 2.0

Seedance 2.0 ist auf APIXO für Video verfügbar. Die Modellseite vereint Beispiele, Steuerelemente zur Erstellung, Preise und Ergebnisse in einem zentralen Arbeitsbereich.

VideoNeu

$0.0573/sec

xai

Grok Video

Grok Video ist auf APIXO für Video verfügbar. Die Modellseite vereint Beispiele, Steuerelemente zur Erstellung, Preise und Ergebnisse in einem zentralen Arbeitsbereich.

VideoNeu

$0.015/sec

Google

Veo 3.1

Veo 3.1 ist auf APIXO für Video verfügbar. Die Modellseite vereint Beispiele, Steuerelemente zur Erstellung, Preise und Ergebnisse in einem zentralen Arbeitsbereich.

Video

$0.15/sec

InfiniteTalk

API-Preisstruktur für InfiniteTalk

Anfragen

Eine umfassendere Darstellung aus einer einzigen Audiospur steuern