WaveSpeedAIAPI wideoOd $0.015

InfiniteTalk API

WaveSpeedAI InfiniteTalk — zamienia jedno zdjęcie i dźwięk w wideo z mówiącym LUB śpiewającym awatarem, do 10 minut. Poziomy Standard i Fast oraz warianty Multi (jeden obraz i dwa wejścia audio dla wyniku z wieloma postaciami) i Video-to-Video (steruj istniejącym wideo nowym dźwiękiem).

Poziomy Standard i Fast oraz wyjście 720p. Warianty Multi przyjmują jeden obraz i dwa wejścia audio, aby wygenerować wideo z wieloma mówiącymi/śpiewającymi postaciami. Warianty Video-to-Video sterują istniejącym wideo nowym dźwiękiem w celu zastąpienia synchronizacji ust. Wyniki do 10 minut.

Przegląd

O modelu InfiniteTalk API

Co robi InfiniteTalk, jakie miejsce zajmuje w linii modeli WaveSpeedAI i dlaczego zespoły po niego sięgają.

InfiniteTalk to model generowania wideo od WaveSpeedAI, dostępny przez REST API WaveSpeedAI. WaveSpeedAI InfiniteTalk — zamienia jedno zdjęcie i dźwięk w wideo z mówiącym LUB śpiewającym awatarem, do 10 minut. Poziomy Standard i Fast oraz warianty Multi (jeden obraz i dwa wejścia audio dla wyniku z wieloma postaciami) i Video-to-Video (steruj istniejącym wideo nowym dźwiękiem).

Poziomy Standard i Fast oraz wyjście 720p. Warianty Multi przyjmują jeden obraz i dwa wejścia audio, aby wygenerować wideo z wieloma mówiącymi/śpiewającymi postaciami. Warianty Video-to-Video sterują istniejącym wideo nowym dźwiękiem w celu zastąpienia synchronizacji ust. Wyniki do 10 minut.

Rodzina InfiniteTalk w WaveSpeedAI zawiera 8 endpointów REST obejmujące workflow: Digital-Human. Każdy wariant ma własny cennik, parametry i przykładowe wyniki — wybierz ten, który pasuje do Twoich danych wejściowych i wymagań produkcyjnych, albo wywołuj kilka z jednego klucza API, aby składać wieloetapowe pipeline'y.

Uruchamiaj InfiniteTalk z tym samym kluczem API, kontem rozliczeniowym i limitami, których używasz dla ponad 1000 innych modeli AI w WaveSpeedAI. Bez osobnej konfiguracji u dostawcy, bez osobnych SDK, bez osobnych limitów — jedna integracja obejmuje wszystko: od tekstu na obraz i tekstu na wideo, przez syntezę dźwięku i generowanie 3D, po upscaling i edycję.

Endpointy

Wszystkie endpointy API InfiniteTalk

8 endpointów InfiniteTalk dostępnych teraz w WaveSpeedAI — wybierz wariant pasujący do Twojego workflow.

digital-humanInfinitetalk Fast Video To Video Multi — podgląd digital-human z InfiniteTalk od WaveSpeedAI

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.

od $0.015
digital-humanInfinitetalk Fast Video To Video — podgląd digital-human z InfiniteTalk od WaveSpeedAI

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.

od $0.015
digital-humanInfinitetalk Video To Video Multi — podgląd digital-human z InfiniteTalk od WaveSpeedAI

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.

od $0.03
digital-humanInfinitetalk Fast Multi — podgląd digital-human z InfiniteTalk od WaveSpeedAI

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.

od $0.015
digital-humanInfinitetalk Fast — podgląd digital-human z InfiniteTalk od WaveSpeedAI

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.

od $0.015
digital-humanInfinitetalk Video To Video — podgląd digital-human z InfiniteTalk od WaveSpeedAI

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.

od $0.03
digital-humanInfinitetalk — podgląd digital-human z InfiniteTalk od WaveSpeedAI

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.

od $0.03
digital-humanInfinitetalk Multi — podgląd digital-human z InfiniteTalk od WaveSpeedAI

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.

od $0.03

Przykłady

InfiniteTalk w akcji

Prawdziwe wyniki wygenerowane przez API InfiniteTalk. Najedź na wideo, aby zobaczyć podgląd, kliknij, aby otworzyć pełnowymiarowy podgląd.

Jak zacząć

Jak korzystać z API InfiniteTalk

Cztery kroki od rejestracji do gotowego wyniku. Pełne przykłady w Pythonie, Node.js i cURL znajdziesz w sekcji API poniżej.

  1. 01

    Uzyskaj klucz API

    Załóż konto WaveSpeedAI i skopiuj klucz API z panelu. Nowe konta otrzymują darmowe kredyty na start — wystarczy na kilkadziesiąt uruchomień w playground, zanim zaczną się opłaty.

  2. 02

    Wyślij predykcję

    Wyślij dane wejściowe jako JSON metodą POST na https://api.wavespeed.ai/api/v3/wavespeed-ai/infinitetalk. Endpoint od razu zwraca identyfikator predykcji — generowanie jest asynchroniczne, więc nie trzymasz otwartego połączenia na czas inferencji.

  3. 03

    Sprawdzaj ukończenie

    Wywołaj GET https://api.wavespeed.ai/api/v3/predictions/{request_id}/result. Przy statusie completed odbierz wyniki; przy failed, cancelled, timeout lub deleted zakończ z błędem; przy każdym innym statusie odpytuj dalej.

  4. 04

    Odczytaj adres wyniku

    Gdy status to "completed", odczytaj adres URL z data.outputs[0]. Wskazuje on wygenerowane media w CDN WaveSpeedAI — obraz, wideo, dźwięk lub plik 3D, zależnie od wywołanego wariantu InfiniteTalk.

Zastosowania

Co możesz zbudować z InfiniteTalk

Typowe workflowy, do których deweloperzy i twórcy używają API InfiniteTalk.

01

Mówiący LUB śpiewający awatar ze zdjęcia

wavespeed-ai/infinitetalk zamienia jedno zdjęcie i dźwięk w wideo z mówiącym lub śpiewającym awatarem. Opis z katalogu: „Image-to-Video, do 10 minut, poziom 720p”. Obsługa śpiewu to wyróżniająca cecha.

talkingsingingavatar
02

Wiele postaci z dwoma wejściami audio

wavespeed-ai/infinitetalk/multi przyjmuje jeden obraz i dwa wejścia audio, aby generować wideo z wieloma mówiącymi/śpiewającymi postaciami do 720p. Przydatne w scenach dialogowych, duetach i prezentacjach dwóch osób z jednej konfiguracji.

multi-charactertwo-audiodialog
03

Zastępowanie synchronizacji ust w wideo na wideo

wavespeed-ai/infinitetalk/video-to-video steruje istniejącym wideo nowym dźwiękiem, tworząc realistyczne mówienie lub śpiewanie z synchronizacją ust (480p lub 720p). Przydatne przy ponownym dubbingu istniejącego materiału nowym lektorem.

video-to-videodublip-sync
04

Wyniki do 10 minut

Deklaracja z katalogu dla wariantu bazowego: do 10 minut. Znacznie dłużej niż w większości modeli wideo — nadaje się do podcastów, wykładów, długiej narracji i pełnych odcinków z mówiącym awatarem w jednym generowaniu.

long-form10-minutepodcast
05

Poziom Fast

wavespeed-ai/infinitetalk-fast. Ten sam przepływ obraz na wideo ze zoptymalizowanym wnioskowaniem — przydatny przy pracy na dużą skalę i iteracji w preprodukcji. Multi i video-to-video również mają warianty Fast.

fastcostiteration
06

Wiele postaci w wideo na wideo

wavespeed-ai/infinitetalk/video-to-video-multi przyjmuje wideo i dwa wejścia audio dla wielu mówiących/śpiewających postaci do 720p. Pełne połączenie workflow z wieloma postaciami i źródłem wideo w jednym wywołaniu.

multivideo-sourcetwo-character

Wskazówki

Wskazówki do promptów dla InfiniteTalk

Praktyczne rady, jak uzyskiwać lepsze wyniki z InfiniteTalk — oparte na wzorcach, które sprawdzają się w produkcyjnych pipeline'ach dla modeli wideo.

  1. 01

    Najpierw czysty dźwięk, potem synchronizacja

    Jakość synchronizacji ust jest ograniczona przez czystość dźwięku. Usuń szum tła, znormalizuj poziomy i sprawdź przesterowanie, zanim wprowadzisz dźwięk. Czysty dźwięk poprawia synchronizację ust bardziej niż jakakolwiek inna zmienna.

  2. 02

    Dopasuj obraz referencyjny do języka/kultury dźwięku

    Anglojęzyczny dźwięk w połączeniu z wyraźnie zachodnią postacią wygląda naturalniej niż niedopasowanie. To samo dotyczy dźwięku japońskiego / chińskiego / koreańskiego i odpowiednich referencji postaci.

  3. 03

    Portrety z przodu synchronizują się najczyściej

    Portrety wprost z przodu dają najbardziej naturalną synchronizację ust. Ujęcia z trzech czwartych i z profilu działają, ale z subtelnymi artefaktami. Jeśli masz wpływ na obraz postaci, podaj niemal frontalną pozę.

  4. 04

    Obsługiwany jest śpiew, nie tylko mówienie

    Funkcja z katalogu: „wideo z mówiącym lub śpiewającym awatarem”. Używaj do teledysków, treści chóralnych / solowych i wideo z tekstami piosenek z wyróżnioną postacią — nie tylko do treści mówionych.

  5. 05

    Wariant Multi przyjmuje dwa wejścia audio

    wavespeed-ai/infinitetalk/multi przyjmuje jeden obraz i dwa wejścia audio, aby generować wideo z wieloma mówiącymi/śpiewającymi postaciami do 720p. Przydatne w scenach dialogowych, duetach i prezentacjach dwóch osób z jednej konfiguracji.

  6. 06

    Wideo na wideo do ponownego dubbingu istniejącego materiału

    wavespeed-ai/infinitetalk/video-to-video steruje istniejącym wideo nowym dźwiękiem, tworząc realistyczne mówienie lub śpiewanie z synchronizacją ust. Przydatne przy ponownym dubbingu klipów nowym lektorem z zachowaniem oryginalnego obrazu.

Cennik

Cennik API InfiniteTalk

Cena jest naliczana za wynik. Końcowa opłata zależy od parametrów ustawionych w playground każdego wariantu (rozdzielczość, czas trwania, liczba wyników, referencje).

Cena początkowa

$0.015

8 endpointów · InfiniteTalk

Otwórz Playground

API

Wywołaj API InfiniteTalk

Uzyskaj klucz API na wavespeed.ai/accesskey, a następnie wyślij predykcję przez REST. Playground generuje gotowe do wklejenia przykłady dla dowolnej kombinacji danych wejściowych.

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

Porównanie

InfiniteTalk a alternatywy

Kiedy wybrać InfiniteTalk zamiast podobnych modeli w WaveSpeedAI.

InfiniteTalk a Wan 2.2 Speech-to-Video

Wan 2.2 Speech-to-Video (wavespeed-ai/wan-2.2/speech-to-video) obsługuje klipy do 10 minut w 480p — taka sama maksymalna długość jak w InfiniteTalk. InfiniteTalk dodaje warianty Multi (dwa wejścia audio), Video-to-Video i poziom Fast, których Wan 2.2 nie oferuje jako osobnego endpointu.

InfiniteTalk a Stock avatar tools

Narzędzia z gotowymi awatarami (w stylu HeyGen) ograniczają Cię do wyselekcjonowanej biblioteki wstępnie wytrenowanych awatarów. InfiniteTalk przyjmuje dowolny obraz postaci — maskotkę marki, postać wygenerowaną przez AI, ilustrowanego prowadzącego — bez konfiguracji dla każdej postaci i obsługuje zarówno mówienie, jak i śpiew.

InfiniteTalk a ElevenLabs voice tools

ElevenLabs odpowiada za głos (generowanie, klonowanie, wielojęzyczne TTS). InfiniteTalk jest warstwą wideo: połącz lektora z ElevenLabs z obrazem postaci (lub istniejącym wideo), aby uzyskać pełne wideo z synchronizacją ust.

FAQ

InfiniteTalk API — najczęściej zadawane pytania

Cennik, licencja, integracja — typowe pytania o uruchamianie InfiniteTalk w WaveSpeedAI.

Czym jest API InfiniteTalk?

InfiniteTalk to model generowania wideo od WaveSpeedAI, udostępniony jako REST API w WaveSpeedAI. WaveSpeedAI InfiniteTalk — zamienia jedno zdjęcie i dźwięk w wideo z mówiącym LUB śpiewającym awatarem, do 10 minut. Poziomy Standard i Fast oraz warianty Multi (jeden obraz i dwa wejścia audio dla wyniku z wieloma postaciami) i Video-to-Video (steruj istniejącym wideo nowym dźwiękiem). Możesz wywoływać go programowo lub wypróbować w playground, do którego prowadzi link powyżej.

Jak wywołać API InfiniteTalk?

Załóż konto WaveSpeedAI, skopiuj klucz API z /accesskey, a następnie wyślij POST na https://api.wavespeed.ai/api/v3/wavespeed-ai/infinitetalk z danymi wejściowymi w JSON. Endpoint zwraca identyfikator predykcji. Odpytuj endpoint wyniku mniej więcej co 2 sekundy, wydłużaj odstęp przy długich zadaniach i zatrzymaj się przy dowolnym statusie końcowym. Produkcyjne przykłady w Pythonie / Node.js / cURL znajdziesz powyżej.

Ile kosztuje API InfiniteTalk?

InfiniteTalk zaczyna się od $0.015. Dokładny koszt zależy od ustawionych parametrów (rozdzielczość, czas trwania, liczba wyników, referencje). Podgląd kosztu na żywo obok przycisku Generuj w playground pokazuje dokładną cenę dla bieżących danych.

Jakie warianty InfiniteTalk są dostępne?

WaveSpeedAI udostępnia 8 aktywnych endpointów InfiniteTalk: 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. Każdy wariant ma własną stronę playground i cennik.

Czy mogę używać wyników InfiniteTalk komercyjnie?

Prawa do komercyjnego użycia wynikają z licencji modelu WaveSpeedAI. Większość modeli WaveSpeedAI zezwala na komercyjne wykorzystanie wyników; skrót licencji znajdziesz na stronie playground każdego modelu, a warunki na poziomie platformy w Warunkach świadczenia usług WaveSpeedAI.

Dlaczego korzystać z InfiniteTalk w WaveSpeedAI zamiast bezpośrednio?

Jeden klucz API i jedno konto rozliczeniowe dla InfiniteTalk ORAZ ponad 1000 innych modeli AI od innych dostawców. Bez osobnej konfiguracji SDK, bez osobnych limitów, bez przepisywania kodu integracji pod każdego dostawcę. Ceny są zazwyczaj na poziomie bezpośredniego API WaveSpeedAI lub niższe.

Dostawca

O WaveSpeedAI

Zespół stojący za InfiniteTalk i szerszą linią modeli WaveSpeedAI w WaveSpeedAI.

WaveSpeedAI prowadzi platformę inferencji, która hostuje ponad 1000 modeli AI od wszystkich głównych dostawców — ByteDance, Google, OpenAI, Alibaba, Kuaishou, ElevenLabs i dziesiątek niezależnych laboratoriów — pod jednym kluczem API, jednym kontem rozliczeniowym i jednym limitem zapytań. WaveSpeedAI oferuje też własne modele (upscalery obrazów / wideo, usuwanie znaków wodnych, Animate, InfiniteTalk) dostrojone do potoków produkcyjnych.

Zacznij budować z InfiniteTalk w WaveSpeedAI

Darmowe kredyty na start po rejestracji. Jeden klucz API do ponad 1000 modeli AI od WaveSpeedAI i wszystkich innych dostawców.