Models/AI Avatar & Lipsync API

एआई अवतार और लिपसिंक एपीआई - टॉकिंग वीडियो और डबिंग

जियो500+ मॉडल, एक एपीआई कुंजी

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।

🎬 वीडियो लिपसिंक5 मॉडल
लेटेंटसिंक#1 Video Lipsync

लेटेंटसिंक

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।

वीडियो + ऑडियो इन
$0.26 (≤40s)
मॉडल आज़माएं
वीड#2 Video Lipsync

वीड लिपसिंक

वीड के नवीनतम मॉडल का उपयोग करके किसी भी ऑडियो से यथार्थवादी लिपसिंक - सबसे सस्ता प्रति मिनट मीटर्ड विकल्प।

वीडियो + ऑडियो इन
$0.52/min
मॉडल आज़माएं
सिंक करें#3 Video Lipsync

सिंक लिपसिंक

उच्च गुणवत्ता वाले सिंक्रनाइज़ेशन के साथ ऑडियो से यथार्थवादी लिपसिंक एनिमेशन - इस श्रेणी का संदर्भ कार्यान्वयन जिसके नाम पर रखा गया है।

वीडियो + ऑडियो इन
$0.91/min
मॉडल आज़माएं
सृजन करें#4 Video Lipsync

लिपसिंक बनाएं

गति, गुणवत्ता और स्थिरता के लिए अनुकूलित यथार्थवादी लिपसिंक वीडियो।

वीडियो + ऑडियो इन
$1.30/min
मॉडल आज़माएं
वोल्सेन्गिन#5 Video Lipsync

वोल्सेन्गिन लिपसिंक

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।

वीडियो + ऑडियो इन
$0.06/sec
मॉडल आज़माएं
🧑‍🎤 एआई अवतार पीढ़ी9 मॉडल
अलीबाबा#1 Avatar Generation

वान 2.2 भाषण-से-वीडियो

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।

छवि + ऑडियो में
$0.04–$0.08/sec
मॉडल आज़माएं
लाइटरिक्स#2 Avatar Generation

LTX-2-19B अवतार

रिज़ॉल्यूशन-स्केल्ड मूल्य निर्धारण के साथ, एकल पोर्ट्रेट छवि और ऑडियो ट्रैक से एक यथार्थवादी बात करने वाला वीडियो तैयार करता है।

छवि + ऑडियो में
$0.02–$0.04/sec
मॉडल आज़माएं
लाइटरिक्स#3 Avatar Generation

LTX-2.3 अवतार

रिज़ॉल्यूशन-स्केल्ड मूल्य निर्धारण के साथ समान छवि-प्लस-ऑडियो टॉकिंग-वीडियो कार्य के लिए नया एलटीएक्स रिलीज़।

छवि + ऑडियो में
$0.03–$0.05/sec
मॉडल आज़माएं
मेइजेन एआई#4 Avatar Generation

अनंतवार्ता

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।

छवि + ऑडियो में
$0.04–$0.08/sec
मॉडल आज़माएं
Kuaishou#5 Avatar Generation

क्लिंग v1 अवतार मानक

एकल चरित्र छवि और एक ऑडियो संवाद क्लिप से बातचीत-अवतार वीडियो बनाता है।

छवि + ऑडियो में
$0.07/sec
मॉडल आज़माएं
Kuaishou#6 Avatar Generation

क्लिंग v2 अवतार मानक

दूसरी पीढ़ी का मानक स्तर - एक संदर्भ छवि और एक ऑडियो संवाद क्लिप टॉकिंग-अवतार वीडियो उत्पन्न करता है।

छवि + ऑडियो में
$0.35 + $0.07/sec
मॉडल आज़माएं
Kuaishou#7 Avatar Generation

क्लिंग v1 अवतार प्रो

चरित्र छवि और ऑडियो इनपुट से उच्च गुणवत्ता वाले बात करने वाले अवतारों के लिए प्रीमियम स्तर।

छवि + ऑडियो में
$0.13/sec
मॉडल आज़माएं
Kuaishou#8 Avatar Generation

क्लिंग v2 अवतार प्रो

दूसरी पीढ़ी का प्रीमियम स्तर - एक संदर्भ छवि और एक ऑडियो क्लिप एक उच्च गुणवत्ता वाला टॉकिंग-अवतार वीडियो उत्पन्न करता है।

छवि + ऑडियो में
$0.15/sec
मॉडल आज़माएं
बाइटडांस#9 Avatar Generation

ओम्नीह्यूमन 1.5

एक पोर्ट्रेट छवि और एक ऑडियो ट्रैक से एक यथार्थवादी बात-चीत वाला वीडियो तैयार करता है।

छवि + ऑडियो में
$0.045–$0.06/sec
मॉडल आज़माएं

एआई अवतार और लिपसिंक एपीआई क्या 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।

प्रमुख क्षमताएं

किसी मौजूदा वीडियो को पुनः सिंक करें

LatentSync, Veed, Sync, Creatify, और Volcengin सभी एक वीडियो URL और एक नया ऑडियो URL लेते हैं और माउथ-सिंक परिणाम लौटाते हैं।

एक फोटो से एक बात करने वाला अवतार बनाएं

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।

बहुभाषी डबिंग पाइपलाइन

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।

रिज़ॉल्यूशन-स्केल मूल्य निर्धारण

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।

स्टैंडर्ड और प्रो टियर

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।

प्रति पीढ़ी भुगतान करें

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।

अवतार और लिपसिंक मॉडल तुलना

मॉडलश्रेणीइनपुटकीमत
लेटेंटसिंकवीडियो लिपसिंक #1वीडियो + ऑडियो$0.26 (≤40s)
वीड लिपसिंकवीडियो लिपसिंक #2वीडियो + ऑडियो$0.52/min
सिंक लिपसिंकवीडियो लिपसिंक #3वीडियो + ऑडियो$0.91/min
लिपसिंक बनाएंवीडियो लिपसिंक #4वीडियो + ऑडियो$1.30/min
वोल्सेन्गिन लिपसिंकवीडियो लिपसिंक #5वीडियो + ऑडियो$0.06/sec
वान 2.2 भाषण-से-वीडियोएआई अवतार #1छवि + ऑडियो$0.04–$0.08/sec
LTX-2-19B अवतारएआई अवतार #2छवि + ऑडियो$0.02–$0.04/sec
LTX-2.3 अवतारएआई अवतार #3छवि + ऑडियो$0.03–$0.05/sec
अनंतवार्ताएआई अवतार #4छवि + ऑडियो$0.04–$0.08/sec
क्लिंग v1 अवतार मानकएआई अवतार #5छवि + ऑडियो$0.07/sec
क्लिंग v2 अवतार मानकएआई अवतार #6छवि + ऑडियो$0.35 + $0.07/sec
क्लिंग v1 अवतार प्रोएआई अवतार #7छवि + ऑडियो$0.13/sec
क्लिंग v2 अवतार प्रोएआई अवतार #8छवि + ऑडियो$0.15/sec
ओम्नीह्यूमन 1.5एआई अवतार #9छवि + ऑडियो$0.045–$0.06/sec

एआई लिपसिंक एपीआई को कैसे कॉल करें

  1. एक मॉडल चुनें - यदि आपके पास स्रोत फुटेज है तो वीडियो लिपसिंक, यदि आपके पास केवल एक फोटो है तो एआई अवतार पीढ़ी - उपरोक्त तुलना तालिका का उपयोग करें।
  2. अनुरोध सबमिट करें. एक वीडियो या छवि यूआरएल और एक ऑडियो यूआरएल के साथ /api/v1/{model-slug} पोस्ट करें।
  3. पूरा करने के लिए मतदान. स्थिति पूरी होने तक GET /api/v1/predictions/{request_id}/result जांचें, फिर आउटपुट वीडियो डाउनलोड करें।
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())

अक्सर पूछे जाने वाले प्रश्न

वीडियो लिपसिंक और एआई अवतार जेनरेशन के बीच क्या अंतर है?

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)।

क्या मैं किसी वीडियो को दूसरी भाषा में डब कर सकता हूँ?

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।

क्या मैं बिना किसी स्रोत फ़ुटेज के बातचीत का वीडियो बना सकता हूँ?

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।

AI लिपसिंक की लागत कितनी है?

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।

क्या मैं प्रत्येक लिपसिंक और अवतार मॉडल के लिए एक एपीआई कुंजी का उपयोग कर सकता हूं?

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।

क्या मुझे अभी एआई अवतार और लिपसिंक एपीआई एक्सेस मिल सकता 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।