Przejdź do treści

Kling LipSync Text-to-Video

Integracja

Identyfikator modelu kling-video/lipsync/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/kling-video/lipsync/text-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "video": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4",
    "text": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "voice_id": "genshin_vindi2"
  }'

# 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"

Pliki takie jak przykład: 0,14 $ 140 kredytów API Twoje pliki są mierzone przed uruchomieniem Uruchom na tej stronie

Uzyskaj klucz API
Kling Synchronizacja ruchu ust i awatary Synchronizacja ruchu ust #text-to-video#lipsync

Sprawia, że osoba na filmie wypowiada wpisany tekst syntetycznym głosem o regulowanej prędkości

Utworzone w Doitong

Publiczne prace utworzone za pomocą Kling LipSync przez społeczność Doitong. Użyj ponownie promptu jednym kliknięciem.

Pokazane publiczne prace: 2
A realistic young Caucasian-looking woman wearing a modest hijab is walking through a modern city... Wideo

A realistic young Caucasian-looking woman wearing a modest hijab is walking through a modern city street. She is speaking naturally (audio will be added separately) and expressing admiration and pr...

A realistic young Caucasian-looking woman in a modest hijab is walking calmly through the modern ... Wideo

A realistic young Caucasian-looking woman in a modest hijab is walking calmly through the modern city of Grozny. The architecture around her is clean, modern, and impressive, with Dubai-style build...

Zbuduj żądanie

Elementy sterujące są generowane ze schematu modelu. Kod i cena aktualizują się podczas ich zmiany.

•wymagane 88 / 120

Tekst używany do generowania wideo z synchronizacją ruchu ust, ograniczony do 120 znaków.

•wymagane video_url
Upuść plik lub

URL wideo do generowania synchronizacji ruchu ust. Akceptowane są pliki .mp4 lub .mov do 100MB, o długości 2–60s, wyłącznie w rozdzielczości 720p lub 1080p; oba wymiary muszą mieścić się w zakresie 720–1920px. Nieudana walidacja zwraca błąd.

•wymagane

Identyfikator głosu używanego do syntezy mowy.

Zaawansowane voice_language · voice_speed · enable_safety_checker
voice_language domyślnie en

Język powiązany z wybranym Voice ID.

domyślnie 1

Prędkość mowy używana podczas generowania wideo z tekstu.

POST /run/kling-video/lipsync/text-to-video?wait=20 wycena → 0,14 $
# 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/kling-video/lipsync/text-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "video": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4",
    "text": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "voice_id": "genshin_vindi2"
  }'

# 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"

Uruchom to żądanie

Klucz pozostaje w tej przeglądarce: jest wysyłany tylko do Doitong API i zapisywany (localStorage) tylko po zaznaczeniu opcji Zapamiętaj. Uzyskaj klucz API

Informacje o Kling LipSync Text-to-Video

Generuje zsynchronizowaną z ruchem ust mowę z tekstu zamiast pliku audio. Podaj `video_url`, `text` o długości do 120 znaków oraz `voice_id` wybrany z listy gotowych głosów. `voice_language` przyjmuje wartość zh lub en, a `voice_speed` mieści się w zakresie od 0.8 do 2. Film źródłowy może być w formacie .mp4 lub .mov, mieć najwyżej 100MB, trwać od 2 do 60 sekund i mieć rozdzielczość 720p lub 1080p.

Parametry

Wyślij nazwę kanoniczną albo natywną, nie obie. Nazwy kanoniczne

NazwaTyp DomyślneDozwolone Opis
enable_safety_checkeropcjonalne
Typboolean
Domyślnetrue
Kontrole bezpieczeństwa można wyłączyć tylko po autoryzacji konta; żądania bez autoryzacji zawsze są sprawdzane.
video_urlwymagane video
Typurl · video
URL wideo do generowania synchronizacji ruchu ust. Akceptowane są pliki .mp4 lub .mov do 100MB, o długości 2–60s, wyłącznie w rozdzielczości 720p lub 1080p; oba wymiary muszą mieścić się w zakresie 720–1920px. Nieudana walidacja zwraca błąd.
textwymagane
Typstring
≤ 120 znaków
Tekst używany do generowania wideo z synchronizacją ruchu ust, ograniczony do 120 znaków.
voice_idwymagane
Typenum
genshin_vindi2zhinen_xueshengAOTai_shatanggenshin_klee2genshin_kiraraai_kaiyaoversea_male1ai_chenjiahao_712girlfriend_4_speech02chat1_female_new-3chat_0407_5-1cartoon-boy-07uk_boy1cartoon-girl-01PeppaPig_platform
+30 więcejai_huangzhong_712ai_huangyaoshi_712ai_laoguowang_712chengshu_jiejieyou_pingjingcalm_story1uk_man2laopopo_speech02heainainai_speech02reader_en_m-v1commercial_lady_en_f-v1tiyuxi_xueditiexin_nanyougirlfriend_1_speech02girlfriend_2_speech02zhuxi_speech02uk_oldman3dongbeilaotie_speech02chongqingxiaohuo_speech02chuanmeizi_speech02chaoshandashu_speech02ai_taiwan_man2_speech02xianzhanggui_speech02tianjinjiejie_speech02diyinnansang_DB_CN_M_04-v2yizhipiannan-v1guanxiaofang-v2tianmeixuemei-v1daopianyansang-v1mengwa-v1
Identyfikator głosu używanego do syntezy mowy.
voice_languageopcjonalne
Typenum
Domyślneen
zhen
Język powiązany z wybranym Voice ID.
voice_speedopcjonalne
Typnumber
Domyślne1
0,8 – 2
Prędkość mowy używana podczas generowania wideo z tekstu.
wymagane Nazwa kanoniczna, również akceptowana

Parametry plików przyjmują publiczny URL https://, identyfikator URI data: do 10 MB albo file_url przesłanego pliku. Pliki

Wynik

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "kling-video/lipsync/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": 140,
    "usd": "0.14",
    "charged": 140,
    "refunded": 0
  },
  "input": {
    "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4",
    "text": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "voice_id": "genshin_vindi2"
  },
  "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"
  }
}
Twoje pliki, Twój wybórKażdy outputs[].url to kopia w naszej przestrzeni dyskowej: przechowywana bezterminowo (opłata za GB-miesiąc) lub 7 dni bezpłatnie, zgodnie z ustawieniem konta lub ?storage=.
Taki sam format w każdym modelutype, url, content_type, width, height i duration — tak samo dla obrazów, filmów i dźwięku. output to własny obiekt wyniku modelu.
Pola wyniku
video
object {url, content_type, file_name, file_size}Wideo wygenerowane przez model.

Więcej modeli: Synchronizacja ruchu ust i awatary

Dla agentów AI: ta strona w formacie Markdown jest dostępna pod adresem https://doitong.com/pl/developers/models/kling-video/lipsync/text-to-video.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt