WaveSpeedAI動画 API$0.015から

InfiniteTalk API

WaveSpeedAI の InfiniteTalk は、1枚の写真とオーディオを、最長10分の、話す、または歌うアバター動画に変換します。Standard と Fast の階層に加え、Multi バリアント(1枚の画像と2つのオーディオ入力による複数キャラクターの出力)と、Video-to-Video バリアント(既存の動画を新しいオーディオで駆動)があります。

Standard と Fast の階層があり、720pで出力します。Multi バリアントは、1枚の画像と2つのオーディオ入力を受け付け、複数キャラクターが話す/歌う動画を生成します。Video-to-Video バリアントは、既存の動画を新しいオーディオで駆動し、リップシンクを置き換えます。最長10分の出力に対応しています。

概要

InfiniteTalk APIについて

InfiniteTalkでできること、WaveSpeedAIのモデルラインナップにおける位置づけ、そして多くのチームに選ばれる理由。

InfiniteTalkはWaveSpeedAIの動画生成モデルで、WaveSpeedAIのREST APIから利用できます。WaveSpeedAI の InfiniteTalk は、1枚の写真とオーディオを、最長10分の、話す、または歌うアバター動画に変換します。Standard と Fast の階層に加え、Multi バリアント(1枚の画像と2つのオーディオ入力による複数キャラクターの出力)と、Video-to-Video バリアント(既存の動画を新しいオーディオで駆動)があります。

Standard と Fast の階層があり、720pで出力します。Multi バリアントは、1枚の画像と2つのオーディオ入力を受け付け、複数キャラクターが話す/歌う動画を生成します。Video-to-Video バリアントは、既存の動画を新しいオーディオで駆動し、リップシンクを置き換えます。最長10分の出力に対応しています。

WaveSpeedAIのInfiniteTalkファミリーには、Digital-Humanのワークフローをカバーする8個のRESTエンドポイントがあります。各バリアントには、それぞれ独自の料金、パラメーター、作例があります。入力の種類と本番環境の制約に合うものを選ぶか、同じAPIキーで複数を呼び出して、多段階のパイプラインを組み立ててください。

WaveSpeedAIの他の1,000以上のAIモデルと同じAPIキー、請求アカウント、レート制限の枠組みでInfiniteTalkを実行できます。ベンダーごとの設定も、プロバイダーごとのSDKも、ベンダーごとのレート制限も不要です。1つの連携で、テキストから画像、テキストから動画から、音声合成、3D生成、高画質化、編集まで、すべてカバーできます。

エンドポイント

InfiniteTalkのAPIエンドポイント一覧

WaveSpeedAIで現在利用可能なInfiniteTalkのエンドポイントは8個です。ワークフローに合ったバリアントを選んでください。

digital-humanInfinitetalk Fast Video To Video Multi — WaveSpeedAIのInfiniteTalk digital-humanプレビュー

Infinitetalk Fast Video To Video Multi

InfiniteTalk fast video-to-video multi converts a video and two audio inputs into multi-character talking or singing videos. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

$0.015から
digital-humanInfinitetalk Fast Video To Video — WaveSpeedAIのInfiniteTalk digital-humanプレビュー

Infinitetalk Fast Video To Video

Audio-driven infinitetalk-fast turns one video plus audio into realistic talking or singing videos with lip-sync. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

$0.015から
digital-humanInfinitetalk Video To Video Multi — WaveSpeedAIのInfiniteTalk digital-humanプレビュー

Infinitetalk Video To Video Multi

InfiniteTalk Video-to-Video Multi converts a video and two audio inputs into multi-character talking or singing videos at up to 720p. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

$0.03から
digital-humanInfinitetalk Fast Multi — WaveSpeedAIのInfiniteTalk digital-humanプレビュー

Infinitetalk Fast Multi

InfiniteTalk fast multi converts a single image and two audio inputs into multi-character talking or singing videos. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

$0.015から
digital-humanInfinitetalk Fast — WaveSpeedAIのInfiniteTalk digital-humanプレビュー

Infinitetalk Fast

InfiniteTalk fast converts one photo + audio into audio-driven talking or singing avatar videos (Image-to-Video), up to 10 minutes. Ready-to-use REST API, no coldstarts, affordable pricing.

$0.015から
digital-humanInfinitetalk Video To Video — WaveSpeedAIのInfiniteTalk digital-humanプレビュー

Infinitetalk Video To Video

Audio-driven InfiniteTalk turns one video plus audio into realistic talking or singing videos with lip-sync in 480p or 720p. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

$0.03から
digital-humanInfinitetalk — WaveSpeedAIのInfiniteTalk digital-humanプレビュー

Infinitetalk

InfiniteTalk Image-to-Video converts a single photo and audio track into long-form audio-driven talking or singing avatar videos, supporting up to 10 minutes, 720P output, natural lip sync, expressive motion, and digital human video workflows. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

$0.03から
digital-humanInfinitetalk Multi — WaveSpeedAIのInfiniteTalk digital-humanプレビュー

Infinitetalk Multi

InfiniteTalk Multi converts a single image and two audio inputs into multi-character talking or singing videos at up to 720p. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

$0.03から

作例

InfiniteTalkの実力を見る

InfiniteTalk APIで実際に生成された出力です。動画にカーソルを合わせるとプレビュー、クリックすると原寸のビューアで開きます。

使い方

InfiniteTalk APIの使い方

登録から生成完了まで4ステップ。Python、Node.js、cURLの完全なサンプルは、下のAPIセクションにあります。

  1. 01

    APIキーを取得

    WaveSpeedAIのアカウントに登録し、ダッシュボードからAPIキーをコピーします。新規アカウントには無料のスタータークレジットが付くので、課金が始まる前にプレイグラウンドを数十回実行できます。

  2. 02

    予測を送信

    入力をJSONとしてhttps://api.wavespeed.ai/api/v3/wavespeed-ai/infinitetalkにPOSTします。エンドポイントはすぐに予測IDを返します。生成は非同期なので、推論中に接続を開いたままにする必要はありません。

  3. 03

    完了までポーリング

    https://api.wavespeed.ai/api/v3/predictions/{request_id}/resultにGETします。completedなら出力を返し、failed、cancelled、timeout、deletedならエラーで停止し、それ以外のステータスの間はポーリングを続けます。

  4. 04

    出力URLを読み取る

    ステータスが"completed"になったら、data.outputs[0]からURLを読み取ります。URLは、WaveSpeedAIのCDN上にある生成されたメディアを指します。呼び出したInfiniteTalkのバリアントに応じて、画像、動画、音声、3Dファイルのいずれかです。

活用例

InfiniteTalkで作れるもの

開発者やクリエイターがInfiniteTalk APIでよく使うワークフロー。

01

写真から作る、話す・歌うアバター

wavespeed-ai/infinitetalk は、1枚の写真とオーディオを、話す、または歌うアバター動画に変換します。カタログ上の位置づけは「画像から動画、最長10分、720p階層」です。歌唱への対応が、際立った特長です。

talkingsingingavatar
02

2つのオーディオ入力による複数キャラクター

wavespeed-ai/infinitetalk/multi は、1枚の画像と2つのオーディオ入力を受け付け、最大720pで複数キャラクターが話す/歌う動画を生成します。1つの設定から、会話シーン、デュエット、2人のプレゼンテーションを作るのに便利です。

multi-charactertwo-audiodialog
03

動画から動画へのリップシンク置き換え

wavespeed-ai/infinitetalk/video-to-video は、既存の動画を新しいオーディオで駆動し、リップシンクを伴ったリアルな発話や歌唱を生成します(480pまたは720p)。既存の映像を、新しいナレーションで吹き替え直すのに便利です。

video-to-videodublip-sync
04

最長10分の出力

カタログ上、基本バリアントは最長10分に対応しています。ほとんどの動画モデルよりはるかに長く、ポッドキャスト、講義、長尺のナレーション、1エピソード分のトーキングアバターのコンテンツを、1回の生成で作れます。

long-form10-minutepodcast
05

Fast 階層

wavespeed-ai/infinitetalk-fast。同じ画像から動画のフローで、推論を最適化しています。大量処理やプリプロダクションでの試行に便利です。Multi と video-to-video にも Fast バリアントがあります。

fastcostiteration
06

複数キャラクターの動画から動画

wavespeed-ai/infinitetalk/video-to-video-multi は、動画と2つのオーディオ入力を受け付け、最大720pで複数キャラクターが話す/歌う動画を作ります。複数キャラクターと動画ソースのワークフローを、1回の呼び出しで組み合わせられます。

multivideo-sourcetwo-character

コツ

InfiniteTalkのプロンプトのコツ

InfiniteTalkからより良い出力を得るための実践的なアドバイス。本番のパイプラインで動画モデル全般に通用するパターンに基づいています。

  1. 01

    まずオーディオをきれいにし、同期はその次

    リップシンクの品質は、オーディオの明瞭さがボトルネックになります。入力する前に、背景ノイズを除去し、レベルを正規化し、クリッピングがないか確認してください。クリーンなオーディオは、他のどの要素よりもリップシンクを改善します。

  2. 02

    参照画像を、オーディオの言語や文化に合わせる

    英語のオーディオには、明らかに西洋人のキャラクターを組み合わせたほうが、ずれた組み合わせよりも自然に見えます。日本語、中国語、韓国語のオーディオと、それに合ったキャラクター参照も同様です。

  3. 03

    正面を向いたポートレートが最もきれいに同期する

    正面からのポートレートの参照が、最も自然なリップシンクになります。斜め45度や横顔でも動作しますが、わずかなアーティファクトが出ます。キャラクター画像を選べる場合は、ほぼ正面のポーズを用意してください。

  4. 04

    話すだけでなく、歌にも対応

    カタログの機能として、「話す、または歌うアバター動画」があります。ミュージックビデオ、合唱やソリストのコンテンツ、キャラクターをフィーチャーしたリリックビデオなど、話し言葉以外にも使えます。

  5. 05

    Multi バリアントは2つのオーディオ入力を受け付ける

    wavespeed-ai/infinitetalk/multi は、1枚の画像と2つのオーディオ入力から、最大720pで複数キャラクターが話す/歌う動画を生成します。1つの設定から、会話シーン、デュエット、2人のプレゼンテーションを作るのに便利です。

  6. 06

    既存の映像の吹き替え直しには video-to-video

    wavespeed-ai/infinitetalk/video-to-video は、既存の動画を新しいオーディオで駆動し、リップシンクを伴ったリアルな発話や歌唱を生成します。元の映像を保ったまま、新しいナレーションでクリップを吹き替え直すのに便利です。

料金

InfiniteTalk APIの料金

料金は出力ごとです。最終的な請求額は、各バリアントのプレイグラウンドで設定するパラメーター(解像度、長さ、出力数、参照入力)に応じて変わります。

最低料金

$0.015

8個のエンドポイント · InfiniteTalk

プレイグラウンドを開く

API

InfiniteTalk APIを呼び出す

wavespeed.ai/accesskeyでAPIキーに登録し、RESTで予測を送信します。プレイグラウンドでは、入力の組み合わせに応じて、そのまま貼り付けられるサンプルが生成されます。

POSThttps://api.wavespeed.ai/api/v3/wavespeed-ai/infinitetalk

# 1. Submit the prediction.
SUBMIT_RESPONSE=$(curl --silent --show-error --fail-with-body \
  -X POST "https://api.wavespeed.ai/api/v3/wavespeed-ai/infinitetalk" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $WAVESPEED_API_KEY" \
  -d '{
    "image": "https://interactive-examples.mdn.mozilla.net/media/cc0-images/painted-hand-298-332.jpg",
    "audio": "https://interactive-examples.mdn.mozilla.net/media/cc0-audio/t-rex-roar.mp3",
    "resolution": "480p"
}')

TASK=$(printf '%s' "$SUBMIT_RESPONSE" | jq 'if has("data") then .data else . end')
PREDICTION_ID=$(printf '%s' "$TASK" | jq -r '.id')
if [ -z "$PREDICTION_ID" ] || [ "$PREDICTION_ID" = "null" ]; then
  printf 'Submission response did not contain a prediction id
' >&2
  exit 1
fi
RESULT_URL="https://api.wavespeed.ai/api/v3/predictions/$PREDICTION_ID/result"

# 2. Poll until the prediction finishes.
while true; do
  RESPONSE=$(curl --silent --show-error --fail-with-body "$RESULT_URL" \
    -H "Authorization: Bearer $WAVESPEED_API_KEY")
  RESULT=$(printf '%s' "$RESPONSE" | jq 'if has("data") then .data else . end')
  STATUS=$(printf '%s' "$RESULT" | jq -r '.status')
  case "$STATUS" in
    completed) printf '%s\n' "$RESULT" | jq '.outputs'; break ;;
    failed|cancelled|timeout|deleted) printf '%s\n' "$RESULT" | jq . >&2; exit 1 ;;
    *) sleep 2 ;;
  esac
done

比較

InfiniteTalkと他モデルの比較

WaveSpeedAI上の類似モデルではなくInfiniteTalkを選ぶべきケース。

InfiniteTalk vs Wan 2.2 Speech-to-Video

Wan 2.2 Speech-to-Video(wavespeed-ai/wan-2.2/speech-to-video)は、480pで最長10分のクリップに対応し、最大の長さは InfiniteTalk と同じです。InfiniteTalk は、Wan 2.2 には別のエンドポイントとして用意されていない、Multi バリアント(2つのオーディオ入力)、Video-to-Video、Fast 階層を備えています。

InfiniteTalk vs Stock avatar tools

(HeyGen のような)ストックアバターのツールでは、事前に学習された厳選のアバターライブラリに制限されます。InfiniteTalk は、ブランドのマスコット、AI生成のキャラクター、イラストのホストなど、任意のキャラクター画像を、キャラクターごとの設定なしで受け付け、話すだけでなく歌うこともできます。

InfiniteTalk vs ElevenLabs voice tools

ElevenLabs は音声(生成、クローン、多言語TTS)を担当します。InfiniteTalk は映像のレイヤーです。ElevenLabs のナレーションと、キャラクター画像(または既存の動画)を組み合わせて、リップシンクされた完成動画を作れます。

FAQ

InfiniteTalk API — よくある質問

料金、ライセンス、連携など、WaveSpeedAIでInfiniteTalkを実行する際のよくある質問。

InfiniteTalk APIとは何ですか?

InfiniteTalkは、WaveSpeedAIの動画生成モデルで、WaveSpeedAI上でREST APIとして提供されています。WaveSpeedAI の InfiniteTalk は、1枚の写真とオーディオを、最長10分の、話す、または歌うアバター動画に変換します。Standard と Fast の階層に加え、Multi バリアント(1枚の画像と2つのオーディオ入力による複数キャラクターの出力)と、Video-to-Video バリアント(既存の動画を新しいオーディオで駆動)があります。プログラムから呼び出すことも、上にリンクされたプレイグラウンドで試すこともできます。

InfiniteTalk APIはどう呼び出しますか?

WaveSpeedAIのアカウントに登録し、/accesskeyからAPIキーをコピーして、入力をJSONとしてhttps://api.wavespeed.ai/api/v3/wavespeed-ai/infinitetalkにPOSTします。エンドポイントは予測IDを返します。結果のエンドポイントを約2秒ごとにポーリングし、長時間かかるタスクでは間隔を広げ、終端ステータスになったら停止してください。本番運用向けのPython / Node.js / cURLのサンプルは上にあります。

InfiniteTalk APIの料金はいくらですか?

InfiniteTalkは$0.015からです。実際の料金は、設定するパラメーター(解像度、長さ、出力数、参照入力)に応じて変わります。プレイグラウンドの「生成」ボタンの横に表示されるリアルタイムの料金プレビューで、現在の入力での正確な料金を確認できます。

InfiniteTalkにはどのバリアントがありますか?

WaveSpeedAIでは、8個のInfiniteTalkエンドポイントが利用可能です:wavespeed-ai/infinitetalk-fast/video-to-video-multi, wavespeed-ai/infinitetalk-fast/video-to-video, wavespeed-ai/infinitetalk/video-to-video-multi, wavespeed-ai/infinitetalk-fast/multi, wavespeed-ai/infinitetalk-fast, wavespeed-ai/infinitetalk/video-to-video, wavespeed-ai/infinitetalk, wavespeed-ai/infinitetalk/multi。各バリアントには、専用のプレイグラウンドページと料金があります。

InfiniteTalkの出力を商用利用できますか?

商用利用の権利は、WaveSpeedAIのモデルライセンスに従います。WaveSpeedAIのほとんどのモデルは出力の商用利用を認めています。具体的なライセンスの概要は各モデルのプレイグラウンドページで、プラットフォーム全体の条件はWaveSpeedAIの利用規約でご確認ください。

なぜ直接ではなくWaveSpeedAIでInfiniteTalkを使うのですか?

InfiniteTalkと、他のプロバイダーの1,000以上のAIモデルを、1つのAPIキー、1つの請求アカウントで利用できます。ベンダーごとのSDK設定も、個別のレート制限も、ベンダーごとの連携コードの書き直しも不要です。料金は、通常WaveSpeedAIの直接のAPIと同等かそれ以下です。

提供元

WaveSpeedAIについて

WaveSpeedAIにおけるInfiniteTalkと、WaveSpeedAIのモデルラインナップ全体を手がけるチーム。

WaveSpeedAI は、ByteDance、Google、OpenAI、Alibaba、Kuaishou、ElevenLabs をはじめ、主要プロバイダーと数十の独立系ラボの1,000以上のAIモデルを、1つのAPIキー、1つの課金アカウント、1つのレート制限のもとでホストする推論プラットフォームを運営しています。WaveSpeedAI は、制作パイプライン向けに調整した自社モデル(画像・動画アップスケーラー、ウォーターマーク除去、Animate、InfiniteTalk)も提供しています。

WaveSpeedAIでInfiniteTalkを使った開発を始めよう

登録時に無料のスタータークレジットを進呈。WaveSpeedAIをはじめ、あらゆるプロバイダーの1,000以上のAIモデルを、1つのAPIキーで。