InfiniteTalk

Wideo napędzane dźwiękiemMówiący awatarOpen Source

InfiniteTalk to model wideo człowieka sterowany dźwiękiem od MeiGen-AI, służący do synchronizacji mowy z wyrazem twarzy, ruchem głowy i postawą ciała – nie tylko ustami. APIXO zapewnia skoncentrowany proces pracy z portretem i dźwiękiem z opcjonalną maską, do dziesięciu minut sterującego dźwięku, wyjście 480p lub 720p i asynchroniczne dostarczanie.

Dane wejściowe APIXO

Portret + audio

Cena APIXO

Od $0.03 / sekunda480p, minimum pięć sekund

Rozdzielczość APIXO

480p / 720p

Limit audio

Do 600 sekund

Wydany

19 sie 2025

Ładowanie przestrzeni roboczej...

Sprawdzanie dostępu do API...

Zaloguj się, aby odebrać darmowe kredyty i tworzyć za pomocą tego modelu.

Integruj z AI

Skopiuj prompt dla swojego asystenta AI, aby zainstalować APIXO MCP, odczytać schemat na żywo i zintegrować ten model z Twoją aplikacją.

Punkty końcowe

Utwórz zadanie

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

Status odpytywania

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

Treść żądania (body)

request_type

async

Użyj callback z callback_url dla webhooków.

input

obiekt

Tryb, prompt, referencje, rozmiar, czas trwania i ustawienia audio.

request_typewymagane

Typselect

Użyj trybu asynchronicznego, aby odpytywać o status zadania (statusTask), lub trybu callback, aby otrzymać webhook, gdy wynik będzie gotowy.async · callback

callback_urlwarunkowy

Typtext

Publiczny adres URL HTTPS do dostarczania wywołań zwrotnych (callback).Tylko w request_type=callback

modewymagane

Typselect

Wybierz workflow wideo obsługiwany przez ten model.image-to-video

promptopcjonalne

Typstring

Opcjonalne wskazówki dotyczące ekspresji, ruchu lub zachowania sceny. Usuń je lub podaj niepustą instrukcję.

resolutionwymagane

Typselect

Wybierz poziom rozdzielczości wyjściowej.480p · 720p

seedopcjonalne

Typtext

Użyj -1 dla losowego wyniku lub wartości od 0 do 2147483647 dla powtarzalnego generowania.

Parametr	Typ	Wymagane	Opis
`request_type`	select	wymagane	Użyj trybu asynchronicznego, aby odpytywać o status zadania (statusTask), lub trybu callback, aby otrzymać webhook, gdy wynik będzie gotowy.async · callback
`callback_url`	text	warunkowy	Publiczny adres URL HTTPS do dostarczania wywołań zwrotnych (callback).Tylko w request_type=callback
`mode`	select	wymagane	Wybierz workflow wideo obsługiwany przez ten model.image-to-video
`prompt`	string	opcjonalne	Opcjonalne wskazówki dotyczące ekspresji, ruchu lub zachowania sceny. Usuń je lub podaj niepustą instrukcję.
`resolution`	select	wymagane	Wybierz poziom rozdzielczości wyjściowej.480p · 720p
`seed`	text	opcjonalne	Użyj -1 dla losowego wyniku lub wartości od 0 do 2147483647 dla powtarzalnego generowania.

Parametry plików (tablice URL)

image_urls[mode=image-to-video]Prześlij jeden portret źródłowy oraz opcjonalnie obraz maski.Tylko w mode=image-to-video

audio_urls[mode=image-to-video]Prześlij referencje audio dla generacji multimodalnej, gdy jest to obsługiwane.Tylko w mode=image-to-video

Przykład (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
    }
  }'

Pełna dokumentacja API

Więcej niż tylko synchronizacja ust

Animuj pełniejsze zachowanie postaci z jednej ścieżki audio

Konwencjonalne systemy synchronizacji ruchu ust często modyfikują tylko usta. Podejście InfiniteTalk oparte na klatkach kluczowych koordynuje mowę z mimiką twarzy, ruchem głowy i postawą ciała, wykorzystując kontekst wizualny do zachowania ciągłości. Za pośrednictwem APIXO jeden portret i jedna wgrana ścieżka dźwiękowa stają się kompletnym wideo z mówiącym lub śpiewającym awatarem.

Możliwości

Dźwięk napędza całościowe zachowanie postaci

Ruch zsynchronizowany z mową

InfiniteTalk wykorzystuje sterujący dźwięk do koordynacji ruchu ust z wyrazem twarzy, ruchem głowy i postawą ciała. Synchronizacja ruchu warg jest kluczowym celem, chociaż dokładność może się różnić w zależności od szybkości mowy, pozy i jakości źródła.

Ciągłość długich sekwencji

Nadrzędna struktura InfiniteTalk wykorzystuje kontekst czasowy między generowanymi segmentami, aby wspierać dłuższe sekwencje sterowane dźwiękiem. APIXO akceptuje sterujący dźwięk o długości do 600 sekund, chociaż długie wyniki powinny być sprawdzane pod kątem dryfu tożsamości i spójności przejść.

Od portretu do wystąpienia

Implementacja APIXO zaczyna się od jednego obrazu portretowego, a nie od opisu postaci wyłącznie w formie tekstu. Źródło określa widoczną tożsamość postaci, ubranie, kompozycję i tło, zanim zostanie zsyntetyzowany ruch napędzany dźwiękiem.

Wystąpienia mówione i śpiewane

Animuj portret za pomocą gotowej mowy, dialogu, narracji lub śpiewu. Tempo wokalne, emocje, wymowa i interpretacja pochodzą z dostarczonego nagrania, a nie z systemu tekst na mowę wbudowanego w ten punkt końcowy.

Długie wejście audio

APIXO akceptuje jeden plik audio o długości do 600 sekund. Dzięki temu punkt końcowy nadaje się do materiałów dłuższych niż konwencjonalny, krótki klip z awatarem, przy czym czas przetwarzania i wymagania dotyczące spójności rosną wraz z długością.

Powtarzalne iteracje

Wybierz rozdzielczość 480p lub 720p i opcjonalnie podaj seed APIXO. Stały seed pozwala na kontrolowane eksperymenty, ale nie gwarantuje identycznych rezultatów przy zmieniających się danych wejściowych lub aktualizacjach dostawcy.

Specyfikacje API

Sterowanie InfiniteTalk przez APIXO

Publiczne limity dla dedykowanego przepływu pracy z portretem i dźwiękiem.

1 portret + opcjonalna maska

Wejścia obrazu

1 adres URL audio

Liczba plików audio

MP3 / WAV / M4A

Formaty audio

128 MB

Limit rozmiaru pliku audio

5 sekund

Minimalne rozliczenie

Async / Callback

Dostarczanie

Zastosowania produkcyjne

Twórz treści mówione z przygotowanego audio

Cyfrowi prezenterzy

Filmy prezenterskie i z lektorem

Połącz przygotowany portret z nagraną lub zsyntetyzowaną mową, aby tworzyć treści w stylu prezentacji. Punkt końcowy animuje dostarczone audio; nie tworzy scenariusza ani nie generuje mowy z tekstu.

Lokalizacja

Zlokalizowane wersje marketingowe

Użyj ponownie zatwierdzonego portretu z osobno przygotowanymi ścieżkami głosowymi dla regionalnych wersji kampanii. InfiniteTalk reaguje na akustykę nagrania, a nie na zadeklarowany język, ale wymowa i synchronizacja powinny być weryfikowane dla każdego nagrania.

Edukacja

Lekcje i moduły szkoleniowe

Konwertuj narrację na wideo z instruktorem, przewodnikiem lub awatarem kursu w rozdzielczości 480p lub 720p. Dziesięciominutowy limit audio w APIXO obsługuje dłuższe wyjaśnienia, a złożone moduły można nadal dzielić na krótsze segmenty dla łatwiejszej kontroli jakości.

Rozrywka

Mowa i śpiew postaci

Animuj odpowiedni portret postaci na podstawie dialogu, narracji lub śpiewu. Źródła mocno stylizowane, nieludzkie, przedstawiające całą postać lub wiele osób nie są objęte gwarancjami APIXO i powinny zostać przetestowane przed zatwierdzeniem formatu produkcyjnego.

Przepływ pracy produkcyjnej

Przygotuj portret, audio i ścieżkę dostarczania

Czyste zasoby źródłowe redukują możliwe do uniknięcia problemy z synchronizacją i tożsamością.

Przygotuj wyraźny portret

Wybierz jeden widoczny obiekt z wyraźną twarzą, ograniczoną okluzją i wystarczającą jakością obrazu. Zachowaj zamierzone kadrowanie i tło w obrazie źródłowym, ponieważ APIXO nie udostępnia kontroli proporcji ani kamery.

Prześlij gotowy plik audio z mową

Podaj jeden publiczny adres URL do pliku MP3, WAV lub M4A w granicach 128 MB i 600 sekund. Zakończ transkrypcję, tłumaczenie, generowanie głosu, czyszczenie i synchronizację czasową przed przesłaniem ścieżki.

Generuj i zweryfikuj ruch

Wybierz rozdzielczość 480p lub 720p, prześlij zadanie asynchroniczne i odbierz wynik poprzez odpytywanie lub wywołanie zwrotne. Przed publikacją sprawdź usta, zęby, oczy, dłonie, pozę, tożsamość i przejścia między segmentami.

Uwagi dotyczące integracji

Zrozum, co udostępnia APIXO

Ważne ograniczenia

APIXO udostępnia jeden tryb obraz na wideo, wymagający portretu oraz pliku audio do animacji.

Opublikowana schema żądań APIXO oznacza prompt jako wymagany; z każdym żądaniem produkcyjnym należy przesłać jasną instrukcję ruchu.

Naliczanie opłat opiera się na wykrytej długości audio lub pięciu sekundach, w zależności od tego, która wartość jest większa.

Dłuższe audio zwiększa czas przetwarzania; dostarczanie przez callback jest preferowane dla długich zadań produkcyjnych.

APIXO nie udostępnia publicznie kontroli nad wejściem wideo, proporcjami, liczbą klatek na sekundę ani formatem wyjściowym.

Używaj portretów i głosów tylko wtedy, gdy posiadasz niezbędne prawa, zgody i upoważnienia.

Pytania dotyczące InfiniteTalk

Ta strona dotyczy oryginalnej wersji badawczej InfiniteTalk od MeiGen-AI, opublikowanej wraz z raportem technicznym, kodem i wagami modelu 19 sierpnia 2025 roku. Nie opisuje ona LongCat Video Avatar, checkpointów społeczności ani niepowiązanych systemów awatarów.

Nie poprzez publicznie udokumentowany schemat infinitetalk. Bazowe badania wspierają dubbing wideo na wideo napędzany dźwiękiem, ale APIXO udostępnia proces obraz na wideo oparty na portrecie i audio, bez pola na wideo źródłowe.

Nie. APIXO wymaga przesłanego pliku audio, a to nagranie steruje wynikową animacją. Użyj osobnego systemu nagrywania lub tekstu na mowę, aby stworzyć mówione lub śpiewane audio przed wywołaniem InfiniteTalk.

Przesłany dźwięk steruje animacją postaci, a APIXO sprawdza jego czas trwania (do 600 sekund) na potrzeby rozliczenia. Nie ma oddzielnej kontroli czasu trwania. Należy uwzględnić możliwe różnice w przetwarzaniu lub kodowaniu podczas walidacji ostatecznej długości wideo.

Zasłonięte twarze, ekstremalne pozy, szybka mowa, niewyraźny dźwięk, widoczne dłonie blisko twarzy, wiele osób i portrety niskiej jakości mogą zwiększać błędy synchronizacji lub dryf wizualny. Długie wyniki powinny być weryfikowane pod kątem spójności tożsamości i ciągłości czasowej.

Odkryj inne modele

Odkryj więcej modeli AI dla swojego kolejnego kreatywnego przepływu pracy

Zobacz wszystkie modele

hailuo

Hailuo 2.3 Fast

Hailuo 2.3 Fast jest dostępny w APIXO do Wideo. Strona modelu łączy przykłady, opcje tworzenia, cennik i wyniki w jednym dedykowanym obszarze roboczym.

WideoNowy

$0.032/sec

Alibaba

Wan 2.2 Animate

Wan 2.2 Animate jest dostępny w APIXO do Wideo. Strona modelu łączy przykłady, opcje tworzenia, cennik i wyniki w jednym dedykowanym obszarze roboczym.

WideoNowy

$0.04/sec