Zum Inhalt springen

Avatar X

Integrieren

Modell-ID mirage-api/avatar-x/text-to-video
# 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/mirage-api/avatar-x/text-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "script": "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.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Diese Anfrage: ≈54,00 $ 54.000 API-Credits Auf dieser Seite ausführen

API-Schlüssel abrufen
Mirage Lipsync & Avatare ReferenzeingabenLipsync #avatar#talking-head

Sprech-Avatarvideo aus einem Skript mit einem Stock-Avatar oder eigenem Referenzvideo und eigener Stimme

Mirage · Video

Dein erstes Ergebnis erscheint hier

Erstelle unten eine Anfrage und führe sie mit deinem API-Schlüssel aus. Ausgaben werden in unseren Speicher kopiert und dauerhaft oder 7 Tage kostenlos aufbewahrt.

Anfrage erstellen

Die Steuerelemente werden aus dem Modellschema generiert. Code und Preis werden aktualisiert, während du sie änderst.

•erforderlich 88 / 1500

Skript, das sowohl durch die Zeichenanzahl als auch durch die generierte Dauer begrenzt ist: Die Sprache darf 180 Sekunden nicht überschreiten, selbst wenn ein langsameres Sprechtempo ein kürzeres Skript über dieses Limit hinaus verlängert. 50 bis 1.500 Zeichen angeben; das Minimum von 50 Zeichen ergibt im Allgemeinen etwa vier Sekunden Sprache.

Erweitert avatar · video_reference_url · audio_reference_url
Standard Jasmine

Auswahl von Erscheinungsbild und Stimme, nicht erforderlich, wenn video_reference_url und audio_reference_url angegeben sind, da diese Referenzen die Auswahl vollständig ersetzen. None verwenden, um den Avatar nicht festzulegen, oder nach der Vorschau aller Optionen im [Avatar-Katalog](https://captions.ai/help/docs/api/actor-catalog) einen exakten Avatar-Wert kopieren.

Referenz-Video-URL, die den ausgewählten Avatar ersetzt und audio_reference_url erfordert; in das Video eingebettetes Audio wird ignoriert. Das Medium muss 1 bis 120 Sekunden lang sein, darf 1 GiB nicht überschreiten und muss ein Seitenverhältnis innerhalb von 5% von 9:16 oder 16:9 haben. Unterstützte Codec-/Container-Kombinationen sind H.264, H.265/HEVC oder ProRes in .mp4, .mov oder .m4v sowie VP8 oder VP9 in .webm. Der Abruf muss öffentlich über HTTPS ohne Cookies oder Autorisierungsheader möglich sein.

HTTPS-URL einer Sprachreferenz, die eine begleitende video_reference_url erfordert und den ausgewählten Avatar ignoriert; der Abruf muss öffentlich ohne Autorisierungsheader oder Cookies möglich sein. Verarbeitet werden nur die ersten 60 Sekunden, die Datei muss jedoch 10 bis 180 Sekunden lang sein, höchstens 64 MiB belegen und einen einzelnen Mono- oder Stereostream mit 8 bis 48 kHz enthalten. Akzeptierte Formate sind FLAC, MP3, PCM WAV oder AIFF, AAC oder ALAC sowie Opus oder Vorbis.

POST /run/mirage-api/avatar-x/text-to-video?wait=20 Preis → 54,00 $
# 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/mirage-api/avatar-x/text-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "script": "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.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Diese Anfrage ausführen

Dein Schlüssel bleibt in diesem Browser: Er wird nur an die Doitong API gesendet und nur gespeichert (localStorage), wenn du „Merken“ aktivierst. API-Schlüssel abrufen

Über Avatar X

Wandelt ein `script` mit 50 bis 1.500 Zeichen in ein sprechendes Avatarvideo um; die erzeugte Sprache ist auf 180 Sekunden begrenzt. Wählen Sie einen Stock-`avatar` wie Jasmine, Luke oder Maya, einschließlich 16:9-Varianten. Alternativ können Sie sowohl `video_reference_url` als auch `audio_reference_url` angeben, um eigenes Bildmaterial und eine eigene Sprachreferenz zu verwenden; in diesem Fall wird der Stock-Avatar ignoriert.

Parameter

NameTyp StandardZulässig Beschreibung
scripterforderlich
Typstring
≤ 1.500 Zeichen≥ 50 Zeichen
Skript, das sowohl durch die Zeichenanzahl als auch durch die generierte Dauer begrenzt ist: Die Sprache darf 180 Sekunden nicht überschreiten, selbst wenn ein langsameres Sprechtempo ein kürzeres Skript über dieses Limit hinaus verlängert. 50 bis 1.500 Zeichen angeben; das Minimum von 50 Zeichen ergibt im Allgemeinen etwa vier Sekunden Sprache.
avataroptional
Typenum
StandardJasmine
NoneAyeshaAyesha (16:9)FarhanFarhan (16:9)GiuliaGiulia (16:9)JasmineJasmine (16:9)LukeLuke (16:9)MayaMaya (16:9)MichaelMichael (16:9)Neha
+5 weitereNeha (16:9)TariqTariq (16:9)ValerieValerie (16:9)
Auswahl von Erscheinungsbild und Stimme, nicht erforderlich, wenn video_reference_url und audio_reference_url angegeben sind, da diese Referenzen die Auswahl vollständig ersetzen. None verwenden, um den Avatar nicht festzulegen, oder nach der Vorschau aller Optionen im [Avatar-Katalog](https://captions.ai/help/docs/api/actor-catalog) einen exakten Avatar-Wert kopieren.
video_reference_urloptional
Typstring | null
Referenz-Video-URL, die den ausgewählten Avatar ersetzt und audio_reference_url erfordert; in das Video eingebettetes Audio wird ignoriert. Das Medium muss 1 bis 120 Sekunden lang sein, darf 1 GiB nicht überschreiten und muss ein Seitenverhältnis innerhalb von 5% von 9:16 oder 16:9 haben. Unterstützte Codec-/Container-Kombinationen sind H.264, H.265/HEVC oder ProRes in .mp4, .mov oder .m4v sowie VP8 oder VP9 in .webm. Der Abruf muss öffentlich über HTTPS ohne Cookies oder Autorisierungsheader möglich sein.
audio_reference_urloptional
Typstring | null
HTTPS-URL einer Sprachreferenz, die eine begleitende video_reference_url erfordert und den ausgewählten Avatar ignoriert; der Abruf muss öffentlich ohne Autorisierungsheader oder Cookies möglich sein. Verarbeitet werden nur die ersten 60 Sekunden, die Datei muss jedoch 10 bis 180 Sekunden lang sein, höchstens 64 MiB belegen und einen einzelnen Mono- oder Stereostream mit 8 bis 48 kHz enthalten. Akzeptierte Formate sind FLAC, MP3, PCM WAV oder AIFF, AAC oder ALAC sowie Opus oder Vorbis.
erforderlich

Ausgabe

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "mirage-api/avatar-x/text-to-video",
  "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": 54000,
    "usd": "54.00",
    "charged": 54000,
    "refunded": 0
  },
  "input": {
    "script": "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
    }
  },
  "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"
  }
}
Deine Dateien, deine EntscheidungJede outputs[].url ist eine Kopie in unserem Speicher: dauerhaft aufbewahrt (Abrechnung pro GB-Monat) oder 7 Tage kostenlos – je nach Kontoeinstellung oder ?storage=.
Gleiche Struktur bei jedem Modelltype, url, content_type, width, height und duration – für Bilder, Video und Audio gleichermaßen. output ist das Ergebnisobjekt des Modells.
Ausgabefelder
video
object {url, content_type, file_name, file_size}

Weitere Modelle: Lipsync & Avatare

Für KI-Agenten: Diese Seite ist als Markdown verfügbar unter https://doitong.com/de/developers/models/mirage-api/avatar-x/text-to-video.md. Alle Modelle und Anleitungen: https://doitong.com/developers/llms.txt