رفتن به محتوا

AI Avatar Multi Text

یکپارچه‌سازی

شناسه مدل ai-avatar/multi-text
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/ai-avatar/multi-text?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "first_text_input": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "second_text_input": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

این درخواست: ≈⁨‎$۰٫۶۴۸⁩ ۶۴۸ اعتبار API · ≈ ⁨‎₽۶۸٫۳۴⁩ اجرای آن در این صفحه

دریافت کلید API
Open model همگام‌سازی لب و آواتارها همگام‌سازی لبحداکثر 720p #stylized#transform

از یک تصویر، متن و صدای انتخابی برای هر گوینده، ویدیوی گفت‌وگوی دونفره می‌سازد

Open model · ویدیو

اولین نتیجه شما اینجا قرار می‌گیرد

درخواست را در زیر بسازید و با کلید API خود اجرا کنید. خروجی‌ها در فضای ذخیره‌سازی ما کپی می‌شوند و برای همیشه یا به‌مدت ۷ روز رایگان نگه‌داری می‌شوند.

ساخت درخواست

کنترل‌ها از شِمای مدل تولید می‌شوند. با تغییر آن‌ها، کد و قیمت به‌روزرسانی می‌شوند.

•الزامی

متنی که فرایند تولید ویدیو را هدایت می‌کند.

•الزامی

متنی که فرایند تولید ویدیو را هدایت می‌کند.

•الزامی

دستورهای متنی برای هدایت تولید ویدیو.

•الزامی image_url
یک فایل بیندازید، یا

نشانی اینترنتی تصویر منبع؛ نسبت تصویر انتخاب‌شده تعیین می‌کند پیش‌پردازش لازم است یا نه: ناهماهنگی باعث تغییر اندازه و سپس برش مرکزی می‌شود.

resolution پیش‌فرض 480p

وضوح ویدیوی خروجی؛ فقط 480p و 720p پشتیبانی می‌شوند.

پیش‌فرض 191

تعداد فریم تولید، از 81 تا 129 به‌صورت شامل دو کران.

پیشرفته acceleration · voice1 · voice2 · seed · enable_safety_checker
acceleration پیش‌فرض regular

سطح شتاب اعمال‌شده هنگام تولید.

پیش‌فرض Sarah

صدای اختصاص‌یافته به شخص نخست هنگام تولید گفتار.

پیش‌فرض Roger

صدای اختصاص‌یافته به شخص دوم هنگام تولید گفتار.

پیش‌فرض 81

Seed برای تکرارپذیر کردن تولید. تنظیم آن روی None، Seed را به‌صورت تصادفی انتخاب می‌کند.

POST /run/ai-avatar/multi-text?wait=20 قیمت → ⁨‎$۰٫۶۴۸⁩
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/ai-avatar/multi-text?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "first_text_input": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "second_text_input": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

اجرای این درخواست

کلید شما در این مرورگر باقی می‌ماند: فقط به Doitong API ارسال می‌شود و فقط در صورت فعال‌کردن گزینه «یادآوری»، در localStorage ذخیره می‌شود. دریافت کلید API

درباره AI Avatar Multi Text

یک تصویر را به گفت‌وگویی بین دو نفر تبدیل می‌کند. `first_text_input` و `second_text_input` را به‌عنوان دیالوگ‌ها، به‌همراه `prompt` ارائه کنید و `voice1` و `voice2` را از صداهای ازپیش‌تنظیم‌شده انتخاب کنید. خروجی 480p یا 720p است و `num_frames` از 41 تا 241 قرار می‌گیرد. `acceleration` می‌تواند none، regular یا high باشد.

پارامترها

نام استاندارد یا نام بومی را ارسال کنید، نه هر دو. نام‌های استاندارد

نامنوع پیش‌فرضمجاز توضیحات
image_urlالزامی image
نوعurl · image
نشانی اینترنتی تصویر منبع؛ نسبت تصویر انتخاب‌شده تعیین می‌کند پیش‌پردازش لازم است یا نه: ناهماهنگی باعث تغییر اندازه و سپس برش مرکزی می‌شود.
first_text_inputالزامی
نوعstring
متنی که فرایند تولید ویدیو را هدایت می‌کند.
second_text_inputالزامی
نوعstring
متنی که فرایند تولید ویدیو را هدایت می‌کند.
voice1اختیاری
نوعenum
پیش‌فرضSarah
AriaRogerSarahLauraCharlieGeorgeCallumRiverLiamCharlotteAliceMatildaWillJessicaEricChris
+4 مورد دیگرBrianDanielLilyBill
صدای اختصاص‌یافته به شخص نخست هنگام تولید گفتار.
voice2اختیاری
نوعenum
پیش‌فرضRoger
AriaRogerSarahLauraCharlieGeorgeCallumRiverLiamCharlotteAliceMatildaWillJessicaEricChris
+4 مورد دیگرBrianDanielLilyBill
صدای اختصاص‌یافته به شخص دوم هنگام تولید گفتار.
promptالزامی
نوعstring
دستورهای متنی برای هدایت تولید ویدیو.
num_framesاختیاری
نوعinteger
پیش‌فرض191
۴۱ – ۲۴۱
تعداد فریم تولید، از 81 تا 129 به‌صورت شامل دو کران.
resolutionاختیاری
نوعenum
پیش‌فرض480p
480p720p
وضوح ویدیوی خروجی؛ فقط 480p و 720p پشتیبانی می‌شوند.
seedاختیاری
نوعinteger
پیش‌فرض81
۰ – ۴٬۲۹۴٬۹۶۷٬۲۹۵
Seed برای تکرارپذیر کردن تولید. تنظیم آن روی None، Seed را به‌صورت تصادفی انتخاب می‌کند.
accelerationاختیاری
نوعenum
پیش‌فرضregular
noneregularhigh
سطح شتاب اعمال‌شده هنگام تولید.
enable_safety_checkerاختیاری
نوعboolean
پیش‌فرضtrue
با تنظیم false، در صورت مجاز بودن فراخواننده، می‌توان بررسی را آسان‌گیرانه‌تر کرد.
الزامی نام استاندارد، همچنین پذیرفته می‌شود

پارامترهای فایل یک URL عمومی https://، یک URI از نوع data: تا سقف 10 MB، یا file_url یک فایل بارگذاری‌شده را می‌پذیرند. فایل‌ها

خروجی

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ai-avatar/multi-text",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 648,
    "usd": "0.648",
    "charged": 648,
    "refunded": 0
  },
  "input": {
    "image_url": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "first_text_input": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "second_text_input": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  },
  "output": {
    "video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_name": "0-output.mp4",
      "file_size": 1843200
    },
    "seed": 42
  },
  "outputs": [
    {
      "type": "video",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_size": 1843200,
      "width": 1280,
      "height": 720,
      "duration": 5,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
فایل‌های شما، انتخاب شماهر outputs[].url کپی‌ای در فضای ذخیره‌سازی ماست: برای همیشه (با هزینه به‌ازای هر GB-ماه) یا به‌مدت ۷ روز رایگان، بر اساس تنظیم حساب شما یا ?storage=.
ساختار یکسان در همه مدل‌هاtype، url، content_type، width، height و duration برای تصاویر، ویدیو و صدا یکسان هستند. output شیء نتیجه اختصاصی مدل است.
فیلدهای خروجی
video
object {url, content_type, file_name, file_size}فایل ویدیویی تولیدشده.
seed
integerمقدار Seed اعمال‌شده هنگام تولید.

مدل‌های بیشتر: همگام‌سازی لب و آواتارها

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/ai-avatar/multi-text.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt