رفتن به محتوا

Sync Lipsync 3

یکپارچه‌سازی

شناسه مدل sync-lipsync/v3
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/sync-lipsync/v3?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "video": "https://content.doitong.com/video/showcase/v3/avatar/talking_avatar_loop.mp4",
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

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

فایل‌هایی مانند نمونه: ⁨‎$۱٫۳۳۴⁩ ۱٬۳۳۴ اعتبار API فایل‌های شما پیش از اجرا اندازه‌گیری می‌شوند اجرای آن در این صفحه

دریافت کلید API
Sync Labs همگام‌سازی لب و آواتارها همگام‌سازی لب #lipsync#dubbing#localization

تنظیم مجدد زمان لب‌های هر ویدئوی گفتاری برای هماهنگی با قطعه صوتی جدید.

Sync Labs · 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 video_url
یک فایل بیندازید، یا

URL مربوط به ویدیوی ورودی.

•الزامی audio_url
یک فایل بیندازید، یا

محل صوت ورودی به‌صورت نشانی اینترنتی.

sync_mode پیش‌فرض cut_off

حالت همگام‌سازی لب‌ها برای مدیریت تفاوت مدت صوت و ویدیو.

پیشرفته options

رفتار اضافی تولید Sync.so را در اینجا پیکربندی کنید؛ هر گزینهٔ ارائه‌شده در options.sync_mode بر مقدار سطح بالای sync_mode اولویت دارد.

POST /run/sync-lipsync/v3?wait=20 قیمت → ⁨‎$۱٫۳۳۴⁩
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/sync-lipsync/v3?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "video": "https://content.doitong.com/video/showcase/v3/avatar/talking_avatar_loop.mp4",
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/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 Sync Lipsync 3

lipsync-3 از Sync Labs حرکت دهان فرد در ویدئو را جایگزین می‌کند تا با قطعه صدای جدید مطابقت داشته باشد، برای دوبله، بومی‌سازی تبلیغات و اصلاح دیالوگ‌ها در پس‌تولید. وقتی طول صوت و ویدئو متفاوت است، برش، تکرار، رفت‌وبرگشت، افزودن سکوت یا نگاشت مجدد را انتخاب کنید.

پارامترها

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

نامنوع پیش‌فرضمجاز توضیحات
video_urlالزامی video
نوعurl · video
URL مربوط به ویدیوی ورودی.
audio_urlالزامی audio
نوعurl · audio
محل صوت ورودی به‌صورت نشانی اینترنتی.
sync_modeاختیاری
نوعenum
پیش‌فرضcut_off
cut_offloopbouncesilenceremap
حالت همگام‌سازی لب‌ها برای مدیریت تفاوت مدت صوت و ویدیو.
optionsاختیاری
نوعobject
رفتار اضافی تولید Sync.so را در اینجا پیکربندی کنید؛ هر گزینهٔ ارائه‌شده در options.sync_mode بر مقدار سطح بالای sync_mode اولویت دارد.
options.sync_modeاختیاری
نوعenum
cut_offloopbouncesilenceremap
بازنویسی sync_mode سطح بالا که مشخص می‌کند هنگام متفاوت‌بودن مدت صوت و ویدیوی ورودی چه رخ دهد.
options.model_modeاختیاری
نوعenum
lipsfaceheadlipsyncemotiontalking_head
انتخاب ناحیهٔ ویرایش، عمدتاً برای react-1، که مشخص می‌کند مدل کدام ناحیه را تغییر می‌دهد.
options.promptاختیاری
نوعenum
happysadangrydisgustedsurprisedneutral
راهنمای احساس که عمدتاً توسط react-1 برای هدایت تولید استفاده می‌شود.
options.temperatureاختیاری
نوعnumber | null
۰ – ۱
تنظیم بیانگری که بر sync-3 اثری ندارد، زیرا آن مدل این ویژگی را به‌صورت بومی مدیریت می‌کند. برای مدل‌هایی که از این تنظیم استفاده می‌کنند، مقدار 0 کمترین و 1 بیشترین بیانگری همگام‌سازی لب‌ها را ایجاد می‌کند.
options.active_speaker_detectionاختیاری
نوعobject
تنظیمات شناسایی گویندهٔ فعال در ویدیوهای دارای چند نفر.
options.active_speaker_detection.auto_detectاختیاری
نوعboolean | null
شناسایی خودکار گویندهٔ فعال و اعمال تولید روی همان شخص.
options.active_speaker_detection.v3اختیاری
نوعboolean | null
استفاده از تشخیص گویندهٔ فعال v3.
options.active_speaker_detection.use_v2اختیاری
نوعboolean | null
تنظیم منسوخ‌شده برای تشخیص گویندهٔ فعال v2.
options.active_speaker_detection.frame_numberاختیاری
نوعinteger | null
≥ ۰
شمارهٔ فریم مورد استفاده برای مختصاتی که گوینده را به‌صورت دستی انتخاب می‌کنند.
options.active_speaker_detection.coordinatesاختیاری
نوعinteger[]
2 – 2 items
نقطهٔ مرجع چهره به‌صورت [x, y] برای گوینده در frame_number.
options.active_speaker_detection.bounding_boxesاختیاری
نوعarray[]
جعبه‌های مرزی چهرهٔ شناسایی‌شده برای هر فریم، به‌صورت [x1, y1, x2, y2].
options.active_speaker_detection.bounding_boxes_urlاختیاری
نوعstring | null
نشانی اینترنتی فایل JSON شامل جعبه‌های مرزی برای هر فریم.
options.active_speaker_detection.face_imageاختیاری
نوعstring | null
تصویر چهرهٔ رمزگذاری‌شده با Base64 که برای انتخاب دستی گوینده استفاده می‌شود.
options.occlusion_detection_enabledاختیاری
نوعboolean | null
کلید تشخیص پوشیدگی که روی sync-3 اثری ندارد، زیرا تشخیص در آن خودکار است؛ در غیر این صورت، تعیین می‌کند که تولید شامل تشخیص پوشیدگی باشد یا نه.
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": "sync-lipsync/v3",
  "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": 1334,
    "usd": "1.334",
    "charged": 1334,
    "refunded": 0
  },
  "input": {
    "video": "https://content.doitong.com/video/showcase/v3/avatar/talking_avatar_loop.mp4",
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "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
    }
  },
  "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.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/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}ویدیوی تولیدشده توسط مدل.

مدل‌های بیشتر: همگام‌سازی لب و آواتارها

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/sync-lipsync/v3.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt