L'API d'avatar IA et de lipsync de Muapi vous offre une intégration REST pour deux tâches liées : resynchroniser les mouvements de la bouche d'une vidéo existante avec une nouvelle piste audio et générer une toute nouvelle vidéo d'avatar parlant à partir d'une seule image de portrait et d'un clip audio. Les deux constituent les éléments constitutifs du contenu doublé, des vidéos de produits multilingues, des présentateurs IA et des animations de personnages réactives, le tout derrière une clé API et le même modèle de demande de soumission et d'interrogation.
Synchronisation labiale vidéo à vidéo à un tarif forfaitaire pour les clips jusqu'à 40 secondes, puis un petit supplément par seconde au-delà – l'option la plus rapide de la gamme.
Synchronisation labiale réaliste à partir de n'importe quel audio en utilisant le dernier modèle de Veed – l'option la moins chère avec mesure par minute.
Animations lipsync réalistes à partir de l'audio avec une synchronisation de haute qualité - l'implémentation de référence qui porte le nom de cette catégorie.
Vidéo lipsync réaliste optimisée pour la vitesse, la qualité et la cohérence.
Pilote les mouvements des lèvres d'une vidéo existante pour qu'ils correspondent à une piste audio cible, avec un mode optionnel de segmentation de scène et d'identification du locuteur pour les séquences complexes impliquant plusieurs personnes.
Transforme une image de personnage statique en vidéo parlante en synchronisant les mouvements des lèvres et les expressions faciales avec une piste vocale – l'option de génération d'avatar la moins chère.
Génère une vidéo parlante réaliste à partir d’une seule image de portrait et d’une piste audio, avec une tarification adaptée à la résolution.
Version LTX plus récente pour la même tâche vidéo parlante image plus audio, avec une tarification adaptée à la résolution.
Donne vie à un portrait fixe ou à une photo de personnage : anime le mouvement des lèvres, les expressions faciales et les gestes subtils de la tête pour correspondre à un script de dialogue.
Crée des vidéos d'avatar parlant à partir d'une image de personnage unique et d'un clip de dialogue audio.
Niveau standard de deuxième génération : une image de référence et un clip de dialogue audio génèrent la vidéo de l'avatar parlant.
Niveau Premium pour des avatars parlants de meilleure qualité à partir d’une image de personnage et d’une entrée audio.
Niveau premium de deuxième génération : une image de référence et un clip audio génèrent une vidéo d'avatar parlant de meilleure qualité.
Génère une vidéo réaliste avec une tête parlante à partir d'une image de portrait et d'une piste audio.
Une API AI lipsync prend une vidéo existante et une nouvelle piste audio et resynchronise les mouvements de la bouche en conséquence – l'outil standard pour doubler une vidéo d'une tête parlante dans une nouvelle langue sans la refaire. Une API d’avatar IA part plutôt d’une seule image de portrait et d’un clip audio et génère une toute nouvelle vidéo parlante à partir de zéro – aucune séquence source n’est requise. Les deux résolvent le même problème sous-jacent (faire en sorte qu’un visage prononce une piste audio donnée) avec des entrées de départ différentes.
Muapi expose plus de 500 modèles – y compris tous les modèles de synchronisation labiale et de génération d'avatar sur cette page – via le même modèle REST unifié : une clé API, un flux de requête/sondage, une tarification par génération sans abonnement.
LatentSync, Veed, Sync, Creatify et Volcengine prennent tous une URL vidéo plus une nouvelle URL audio et renvoient le résultat synchronisé par la bouche.
Wan 2.2, InfiniteTalk, Kling Avatar, LTX-2/LTX-2.3 et OmniHuman 1.5 transforment une seule image de portrait et un clip audio en une vidéo parlante complète — aucune séquence source n'est nécessaire.
Associez un point de terminaison de synthèse vocale (MiniMax Speech, ElevenLabs, Suno) à un point de terminaison de synchronisation labiale pour traduire et resynchroniser une vidéo dans une nouvelle langue de bout en bout.
Wan 2.2, LTX-2, LTX-2.3 et Volcengine sont tous évalués en fonction de la résolution de sortie : brouillon à 480p, expédié à 1080p, sans changer de modèle.
La famille Avatar de Kling est livrée aux niveaux Standard et Pro dans les versions v1 et v2, de sorte qu'un aperçu et un rendu final peuvent utiliser différents niveaux de prix sur la même famille de modèles.
Aucun abonnement ni engagement minimum sur aucun modèle – d'environ 0,02 $/sec sur le niveau de génération d'avatar le moins cher jusqu'à 1,30 $/min sur le niveau de synchronisation labiale par minute le plus élevé.
| Modèle | Catégorie | Entrées | Prix |
|---|---|---|---|
| Synchronisation latente | Synchronisation labiale vidéo #1 | Vidéo + Audio | 0,26 $ (≤40 s) |
| Synchronisation des lèvres de Veed | Synchronisation labiale vidéo #2 | Vidéo + Audio | $0.52/min |
| Synchroniser la synchronisation labiale | Synchronisation labiale vidéo #3 | Vidéo + Audio | $0.91/min |
| Créer une synchronisation labiale | Synchronisation labiale vidéo #4 | Vidéo + Audio | $1.30/min |
| Synchronisation labiale du moteur volcanique | Synchronisation labiale vidéo #5 | Vidéo + Audio | $0.06/sec |
| Wan 2.2 parole-vidéo | Avatar IA #1 | Image + Audio | $0.04–$0.08/sec |
| Avatar LTX-2-19B | Avatar IA #2 | Image + Audio | $0.02–$0.04/sec |
| Avatar LTX-2.3 | Avatar IA #3 | Image + Audio | $0.03–$0.05/sec |
| Discussion infinie | Avatar IA #4 | Image + Audio | $0.04–$0.08/sec |
| Kling v1 Avatar Standard | Avatar IA #5 | Image + Audio | $0.07/sec |
| Kling v2 Avatar Standard | Avatar IA #6 | Image + Audio | 0,35 $ + 0,07 $/s |
| Kling v1 Avatar Pro | Avatar IA #7 | Image + Audio | $0.13/sec |
| Kling v2 Avatar Pro | Avatar IA #8 | Image + Audio | $0.15/sec |
| OmniHumain 1.5 | Avatar IA #9 | Image + Audio | $0.045–$0.06/sec |
curl -X POST https://api.muapi.ai/api/v1/sync-lipsync \
-H "Content-Type: application/json" \
-H "x-api-key: YOUR_API_KEY" \
-d '{
"video_url": "https://example.com/talking-head.mp4",
"audio_url": "https://example.com/new-narration.mp3"
}'import requests
response = requests.post(
"https://api.muapi.ai/api/v1/sync-lipsync",
headers={"x-api-key": "YOUR_API_KEY"},
json={
"video_url": "https://example.com/talking-head.mp4",
"audio_url": "https://example.com/new-narration.mp3",
},
)
request_id = response.json()["request_id"]
result = requests.get(
f"https://api.muapi.ai/api/v1/predictions/{request_id}/result",
headers={"x-api-key": "YOUR_API_KEY"},
)
print(result.json())La synchronisation labiale vidéo resynchronise les mouvements de la bouche d'une vidéo existante avec une nouvelle piste audio (LatentSync, Veed, Sync, Creatify, Volcengine). La génération d'avatars IA crée une toute nouvelle vidéo parlante à partir d'une simple photo et d'un clip audio — aucune séquence source n'est requise (Wan 2.2, InfiniteTalk, Kling Avatar, LTX-2/LTX-2.3, OmniHuman 1.5).
Oui : associez un point de terminaison de synthèse vocale (MiniMax Speech, ElevenLabs, Suno) à un point de terminaison de synchronisation labiale pour traduire le script, générer l'audio dans la nouvelle langue et resynchroniser les mouvements de la bouche de la vidéo de bout en bout.
Oui – Wan 2.2 Speech-to-Video, InfiniteTalk, Kling Avatar, LTX-2/LTX-2.3 et OmniHuman 1.5 prennent tous une seule image de portrait et un clip audio et génèrent la vidéo parlante complète.
De 0,26 $ fixe pour un clip LatentSync de moins de 40 secondes jusqu'à 1,30 $/min sur Creatify Lipsync, et environ 0,02 $ à 0,15 $/sec sur les modèles de génération d'avatar IA en fonction du niveau et de la résolution — voir le tableau de comparaison ci-dessus pour les prix actuels par modèle.
Oui. Chaque modèle de cette page – et plus de 500 modèles d'images, de vidéos et d'audio – se trouve derrière la même clé API Muapi et le même modèle de demande de soumission et d'interrogation.
Oui. Inscrivez-vous sur muapi.ai, créez une clé API à partir de votre tableau de bord et commencez immédiatement à appeler n'importe quel modèle de lipsync ou d'avatar – aucune liste d'attente n'est requise.