मुआपी का एआई अवतार और लिपसिंक एपीआई आपको दो संबंधित कार्यों के लिए एक REST एकीकरण प्रदान करता है: एक मौजूदा वीडियो के मुंह की गतिविधियों को एक नए ऑडियो ट्रैक में फिर से सिंक करना, और एक एकल पोर्ट्रेट छवि और एक ऑडियो क्लिप से एक पूरी तरह से नया टॉकिंग-अवतार वीडियो तैयार करना। दोनों डब की गई सामग्री, बहुभाषी उत्पाद वीडियो, एआई प्रस्तुतकर्ता और प्रतिक्रियाशील चरित्र एनिमेशन के लिए बिल्डिंग ब्लॉक हैं - सभी एक एपीआई कुंजी और एक ही सबमिट-एंड-पोल अनुरोध पैटर्न के पीछे हैं।
40 सेकंड तक की क्लिप के लिए एक समान दर पर वीडियो-टू-वीडियो लिपसिंक, उसके बाद प्रति सेकंड एक छोटा सा अधिभार - लाइनअप में सबसे तेज़ विकल्प।
वीड के नवीनतम मॉडल का उपयोग करके किसी भी ऑडियो से यथार्थवादी लिपसिंक - सबसे सस्ता प्रति मिनट मीटर्ड विकल्प।
उच्च गुणवत्ता वाले सिंक्रनाइज़ेशन के साथ ऑडियो से यथार्थवादी लिपसिंक एनिमेशन - इस श्रेणी का संदर्भ कार्यान्वयन जिसके नाम पर रखा गया है।
गति, गुणवत्ता और स्थिरता के लिए अनुकूलित यथार्थवादी लिपसिंक वीडियो।
जटिल, बहु-व्यक्ति फ़ुटेज के लिए वैकल्पिक दृश्य-विभाजन और स्पीकर-पहचान मोड के साथ, लक्ष्य ऑडियो ट्रैक से मेल खाने के लिए मौजूदा वीडियो के होठों की गतिविधियों को संचालित करता है।
भाषण ट्रैक के साथ होंठों की गति और चेहरे के भावों को सिंक्रनाइज़ करके एक स्थिर चरित्र छवि को एक बात करने वाले वीडियो में बदल देता है - सबसे सस्ता अवतार-पीढ़ी विकल्प।
रिज़ॉल्यूशन-स्केल्ड मूल्य निर्धारण के साथ, एकल पोर्ट्रेट छवि और ऑडियो ट्रैक से एक यथार्थवादी बात करने वाला वीडियो तैयार करता है।
रिज़ॉल्यूशन-स्केल्ड मूल्य निर्धारण के साथ समान छवि-प्लस-ऑडियो टॉकिंग-वीडियो कार्य के लिए नया एलटीएक्स रिलीज़।
एक स्थिर चित्र या चरित्र फोटो को जीवंत बनाता है - एक संवाद स्क्रिप्ट से मेल खाने के लिए होठों की गति, चेहरे के भाव और सूक्ष्म सिर के इशारों को जीवंत करता है।
एकल चरित्र छवि और एक ऑडियो संवाद क्लिप से बातचीत-अवतार वीडियो बनाता है।
दूसरी पीढ़ी का मानक स्तर - एक संदर्भ छवि और एक ऑडियो संवाद क्लिप टॉकिंग-अवतार वीडियो उत्पन्न करता है।
चरित्र छवि और ऑडियो इनपुट से उच्च गुणवत्ता वाले बात करने वाले अवतारों के लिए प्रीमियम स्तर।
दूसरी पीढ़ी का प्रीमियम स्तर - एक संदर्भ छवि और एक ऑडियो क्लिप एक उच्च गुणवत्ता वाला टॉकिंग-अवतार वीडियो उत्पन्न करता है।
एक पोर्ट्रेट छवि और एक ऑडियो ट्रैक से एक यथार्थवादी बात-चीत वाला वीडियो तैयार करता है।
एआई लिपसिंक एपीआई एक मौजूदा वीडियो और एक नया ऑडियो ट्रैक लेता है और मुंह की हरकतों को मिलान करने के लिए फिर से सिंक करता है - एक टॉकिंग-हेड वीडियो को दोबारा शूट किए बिना एक नई भाषा में डब करने के लिए मानक उपकरण। इसके बजाय एक एआई अवतार एपीआई एक एकल पोर्ट्रेट छवि और एक ऑडियो क्लिप से शुरू होता है और स्क्रैच से एक नया टॉकिंग वीडियो उत्पन्न करता है - किसी स्रोत फुटेज की आवश्यकता नहीं होती है। दोनों अलग-अलग प्रारंभिक इनपुट के साथ एक ही अंतर्निहित समस्या को हल करते हैं (किसी दिए गए ऑडियो ट्रैक को चेहरे पर बोलने दें)।
Muapi 500+ मॉडलों को उजागर करता है - जिसमें इस पृष्ठ पर प्रत्येक लिपसिंक और अवतार-पीढ़ी मॉडल शामिल है - एक ही एकीकृत REST पैटर्न के माध्यम से: एक एपीआई कुंजी, एक अनुरोध/मतदान प्रवाह, बिना किसी सदस्यता के भुगतान-प्रति-पीढ़ी मूल्य निर्धारण।
LatentSync, Veed, Sync, Creatify, और Volcengin सभी एक वीडियो URL और एक नया ऑडियो URL लेते हैं और माउथ-सिंक परिणाम लौटाते हैं।
Wan 2.2, InfiniteTalk, Kling Avatar, LTX-2/LTX-2.3, और OmniHuman 1.5 एक एकल पोर्ट्रेट छवि और एक ऑडियो क्लिप को पूर्ण टॉकिंग वीडियो में बदल देते हैं - किसी स्रोत फ़ुटेज की आवश्यकता नहीं है।
एक वीडियो को एक नई भाषा में एंड-टू-एंड अनुवाद और पुन: सिंक करने के लिए लिपसिंक एंडपॉइंट के साथ टेक्स्ट-टू-स्पीच एंडपॉइंट (मिनीमैक्स स्पीच, इलेवनलैब्स, सुनो) को जोड़ें।
वान 2.2, एलटीएक्स-2, एलटीएक्स-2.3, और वोलसेन्गिन सभी कीमतें आउटपुट रिज़ॉल्यूशन के अनुसार - 480पी पर ड्राफ्ट, 1080पी पर शिप, मॉडल स्विच किए बिना।
क्लिंग का अवतार परिवार मानक और प्रो दोनों स्तरों को v1 और v2 में शिप करता है, इसलिए पूर्वावलोकन रन और अंतिम रेंडर एक ही मॉडल परिवार पर अलग-अलग मूल्य बिंदुओं का उपयोग कर सकते हैं।
किसी भी मॉडल पर कोई सदस्यता या न्यूनतम प्रतिबद्धता नहीं - सबसे सस्ते अवतार-पीढ़ी स्तर पर लगभग $0.02/सेकंड से लेकर उच्चतम प्रति-मिनट लिपसिंक स्तर पर $1.30/मिनट तक।
| मॉडल | श्रेणी | इनपुट | कीमत |
|---|---|---|---|
| लेटेंटसिंक | वीडियो लिपसिंक #1 | वीडियो + ऑडियो | $0.26 (≤40s) |
| वीड लिपसिंक | वीडियो लिपसिंक #2 | वीडियो + ऑडियो | $0.52/min |
| सिंक लिपसिंक | वीडियो लिपसिंक #3 | वीडियो + ऑडियो | $0.91/min |
| लिपसिंक बनाएं | वीडियो लिपसिंक #4 | वीडियो + ऑडियो | $1.30/min |
| वोल्सेन्गिन लिपसिंक | वीडियो लिपसिंक #5 | वीडियो + ऑडियो | $0.06/sec |
| वान 2.2 भाषण-से-वीडियो | एआई अवतार #1 | छवि + ऑडियो | $0.04–$0.08/sec |
| LTX-2-19B अवतार | एआई अवतार #2 | छवि + ऑडियो | $0.02–$0.04/sec |
| LTX-2.3 अवतार | एआई अवतार #3 | छवि + ऑडियो | $0.03–$0.05/sec |
| अनंतवार्ता | एआई अवतार #4 | छवि + ऑडियो | $0.04–$0.08/sec |
| क्लिंग v1 अवतार मानक | एआई अवतार #5 | छवि + ऑडियो | $0.07/sec |
| क्लिंग v2 अवतार मानक | एआई अवतार #6 | छवि + ऑडियो | $0.35 + $0.07/sec |
| क्लिंग v1 अवतार प्रो | एआई अवतार #7 | छवि + ऑडियो | $0.13/sec |
| क्लिंग v2 अवतार प्रो | एआई अवतार #8 | छवि + ऑडियो | $0.15/sec |
| ओम्नीह्यूमन 1.5 | एआई अवतार #9 | छवि + ऑडियो | $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())वीडियो लिपसिंक मौजूदा वीडियो के मुंह की हरकतों को एक नए ऑडियो ट्रैक (लैटेंटसिंक, वीड, सिंक, क्रिएटिफाई, वॉल्सेंगाइन) में फिर से सिंक करता है। एआई अवतार पीढ़ी केवल एक फोटो और एक ऑडियो क्लिप से एक बिल्कुल नया टॉकिंग वीडियो बनाती है - किसी स्रोत फुटेज की आवश्यकता नहीं है (वान 2.2, इनफिनिटॉक, क्लिंग अवतार, एलटीएक्स-2/एलटीएक्स-2.3, ओमनीह्यूमन 1.5)।
हां - स्क्रिप्ट का अनुवाद करने, नई भाषा का ऑडियो उत्पन्न करने और वीडियो के मुंह की गतिविधियों को शुरू से अंत तक फिर से सिंक करने के लिए लिपसिंक एंडपॉइंट के साथ एक टेक्स्ट-टू-स्पीच एंडपॉइंट (मिनीमैक्स स्पीच, इलेवनलैब्स, सुनो) को जोड़ें।
हां - वान 2.2 स्पीच-टू-वीडियो, इनफिनिटॉक, क्लिंग अवतार, एलटीएक्स-2/एलटीएक्स-2.3, और ओमनीह्यूमन 1.5 सभी केवल एक पोर्ट्रेट छवि और एक ऑडियो क्लिप लेते हैं और पूरा टॉकिंग वीडियो तैयार करते हैं।
40 सेकंड से कम के लैटेंटसिंक क्लिप के लिए $0.26 फ्लैट से लेकर क्रिएटिफाई लिपसिंक पर $1.30/मिनट तक, और स्तर और रिज़ॉल्यूशन के आधार पर एआई अवतार-पीढ़ी के मॉडल में लगभग $0.02-$0.15/सेकंड - वर्तमान प्रति-मॉडल मूल्य निर्धारण के लिए ऊपर दी गई तुलना तालिका देखें।
हाँ। इस पृष्ठ पर प्रत्येक मॉडल - और छवियों, वीडियो और ऑडियो में 500+ मॉडल - एक ही मुआपी एपीआई कुंजी और एक ही सबमिट-एंड-पोल अनुरोध पैटर्न के पीछे बैठता है।
हाँ. Muapi.ai पर साइन अप करें, अपने डैशबोर्ड से एक एपीआई कुंजी बनाएं, और किसी भी लिपसिंक या अवतार मॉडल को तुरंत कॉल करना शुरू करें - किसी प्रतीक्षा सूची की आवश्यकता नहीं है।