AIアバター＆リップシンクAPI — 音声同期トーキング動画生成
利用可能500以上のモデルを1つのAPIキーでMuapiのアバター＆リップシンクAPIは、静止画ポートレートまたは既存動画の唇の動きを入力音声トラックに同期させます。教育動画、バーチャルインフルエンサー、動画翻訳に最適です。
LatentSync
1枚の顔写真と音声ファイルから自然な表情と首の動きを伴うトーキングアバター動画を生成。
Sync Lipsync
根据音声生成自然的リップシンク動画，具有高质量同步效果，也是该類别名称所源自的参考実現。
Creatify Lipsync
速度、品質、高解像度レンダリングを最適化したリアルな動画リップシンク。
Volcengine Lipsync
提供された音声ファイルに合わせて、既存動画内の人物の唇の動きを高精度に同期。
Wan 2.2 Speech-to-Video
静止したキャラクター画像を、音声に合わせて表情豊かに話すトーキング動画に変換。
LTX-2-19B Avatar
1枚のポートレート写真と音声ファイルからリアルなトーキング動画を生成。
LTX-2.3 Avatar
画像と音声の入力からトーキングヘッド動画を生成する最新LTXリリース。
InfiniteTalk
静止したポートレートやキャラクター写真を生き生きと話すトーキング動画へと活性化。
Kling v2 Avatar Standard
第2世代スタンダードティア — 参照画像と音声から安定したトーキングアバターを生成。
Kling v1 Avatar Pro
1枚の写真からより高品質なトーキングアバターを生成するプレミアムティア。
Kling v2 Avatar Pro
第2世代プレミアムティア — 参照画像と音声から映画品質のトーキングアバターを生成。
OmniHuman 1.5
ポートレート写真と音声ファイルから自然なトーキングヘッド動画を生成。
AI 数字人およびリップシンク API とは？
アバター＆リップシンクAPIは、顔画像または動画と音声ファイルを受け取り、発話される音素（フォネーム）に合わせて自然な口の開閉や表情を生成します。
Muapiは単一のAPIキーと統一されたリクエスト・ポーリングフローにより、写真からのアバター生成と動画へのリップシンクの両方をサポートします。
主要能力
重新同步現有視频
1枚の顔写真から自然な目線や首の傾きを伴うトーキングヘッド動画を作成できます。
根据照片生成口播数字人
既存の動画クリップ内の唇の動きを新しいナレーションや吹き替え音声にぴったり同期させます。
多语言視频配音流程
英語、日本語、中国語、スペイン語など8以上の言語で自然な音素アライメントを実現。
按分辨率计价
Wan 2.2、LTX-2、LTX-2.3、Volcengineはいずれも生成される動画の秒数単位（約$0.02〜$0.08/秒）で課金されます。
Standard および Pro 档位
Kling Avatar 系列在 v1 和 v2 中同時提供 Standard および Pro 档位，因此预览运行和最终渲染可以在同一模型系列中選择不同价格。
従量課金制
所有模型都サブスクリプション不要或最低承诺：最便宜的数字人生成档位约 $0.02/秒，最高的按分钟リップシンク档位として $1.30/分钟。
数字人およびリップシンクモデル比較
| モデル | 類别 | 输入 | 价格 |
|---|---|---|---|
| LatentSync | 動画リップシンク #1 | 視频 + 音频 | $0.26（≤40 秒） |
| Veed Lipsync | 動画リップシンク #2 | 視频 + 音频 | $0.52/分钟 |
| Sync Lipsync | 動画リップシンク #3 | 視频 + 音频 | $0.91/分钟 |
| Creatify Lipsync | 動画リップシンク #4 | 視频 + 音频 | $1.30/分钟 |
| Volcengine Lipsync | 動画リップシンク #5 | 視频 + 音频 | $0.06/秒 |
| Wan 2.2 Speech-to-Video | AI 数字人 #1 | 図像 + 音频 | $0.04–$0.08/秒 |
| LTX-2-19B Avatar | AI 数字人 #2 | 図像 + 音频 | $0.02–$0.04/秒 |
| LTX-2.3 Avatar | AI 数字人 #3 | 図像 + 音频 | $0.03–$0.05/秒 |
| InfiniteTalk | AI 数字人 #4 | 図像 + 音频 | $0.04–$0.08/秒 |
| Kling v1 Avatar Standard | AI 数字人 #5 | 図像 + 音频 | $0.07/秒 |
| Kling v2 Avatar Standard | AI 数字人 #6 | 図像 + 音频 | $0.35 + $0.07/秒 |
| Kling v1 Avatar Pro | AI 数字人 #7 | 図像 + 音频 | $0.13/秒 |
| Kling v2 Avatar Pro | AI 数字人 #8 | 図像 + 音频 | $0.15/秒 |
| OmniHuman 1.5 | AI 数字人 #9 | 図像 + 音频 | $0.045–$0.06/秒 |
如何调用 AI リップシンク API
- 選择模型 顔写真から新規生成するか、既存動画の口元を再同期するかを選択します。
- 提交请求。 POST /api/v1/upload_file 経由で画像・動画および音声ファイルをアップロードするか、公開URLを指定します。
- 轮询完成状态。 画像/動画URLと音声URLを指定してエンドポイントを呼び出し、タスク完了をポーリングします。
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())よくある質問
動画リップシンクとAIアバター生成の違いは何ですか？
顔写真または既存動画と音声入力を受け取り、唇の動きが音声に同期した動画を生成します。
静止画からトーキングアバターを生成できますか？
はい。InfiniteTalkやHedraなどのモデルは、1枚の静止写真と音声から自然に話すアバター動画を生成できます。
既存の動画の口元を新しい音声に同期できますか？
はい。Video Lip Syncエンドポイントにより、動画内の元の口の動きを新しい音声に合わせて再同期可能です。
AI リップシンク的价格是多少 とは？
はい — 「AIアバタージェネレーター」はまさに写真から音声を喋るトーキング動画を生成するタスクを指します。
AIリップシンクの料金はどのくらいですか？
40秒以内のLatentSyncクリップで一律$0.26から、秒単位課金モデル（$0.02〜$0.08/秒）まで柔軟に選べます。
現在可以获得 AI 数字人およびリップシンク API 的访問权限吗 とは？
はい。このページの全モデル、そしてプラットフォーム上の500以上のモデルすべてに1つのMuapi APIキーでアクセス可能です。