WaveSpeedAI视频 API$0.015 起

InfiniteTalk API

WaveSpeedAI InfiniteTalk——将一张照片加音频转换为说话或唱歌的数字人视频,最长 10 分钟。提供 Standard 和 Fast 档位,以及 Multi 变体(单张图像加两路音频输入,生成多角色输出)和 Video-to-Video 变体(用新音频驱动现有视频)。

提供 Standard 和 Fast 档位,输出 720p。Multi 变体接受单张图像加两路音频输入,生成多角色的说话/唱歌视频。Video-to-Video 变体用新音频驱动现有视频,实现口型替换。输出最长 10 分钟。

概览

关于 InfiniteTalk API

InfiniteTalk 能做什么、它在 WaveSpeedAI 模型阵容中的定位,以及团队选择它的原因。

InfiniteTalk 是 WaveSpeedAI 推出的视频生成模型,可通过 WaveSpeedAI REST API 使用。WaveSpeedAI InfiniteTalk——将一张照片加音频转换为说话或唱歌的数字人视频,最长 10 分钟。提供 Standard 和 Fast 档位,以及 Multi 变体(单张图像加两路音频输入,生成多角色输出)和 Video-to-Video 变体(用新音频驱动现有视频)。

提供 Standard 和 Fast 档位,输出 720p。Multi 变体接受单张图像加两路音频输入,生成多角色的说话/唱歌视频。Video-to-Video 变体用新音频驱动现有视频,实现口型替换。输出最长 10 分钟。

WaveSpeedAI 上的 InfiniteTalk 系列提供 8 个 REST 端点,涵盖 Digital-Human 个工作流。每个变体都有各自的定价、参数选项和示例输出——请选择与你的输入模态和生产约束相匹配的那一个,或使用同一个 API 密钥调用多个变体,组合成多步骤流水线。

使用与 WaveSpeedAI 上其他 1,000 多个 AI 模型相同的 API 密钥、账单账户和速率限制来运行 InfiniteTalk。无需单独对接供应商,无需各家 SDK,也无需应对各家不同的速率限制——一次集成即可覆盖从文生图、文生视频到音频合成、3D 生成、放大和编辑的全部能力。

端点

全部 InfiniteTalk API 端点

WaveSpeedAI 现已提供 8 个 InfiniteTalk 端点——请选择适合你工作流的变体。

digital-humanInfinitetalk Fast Video To Video Multi — WaveSpeedAI 的 InfiniteTalk digital-human 预览

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 起
digital-humanInfinitetalk Fast Video To Video — WaveSpeedAI 的 InfiniteTalk digital-human 预览

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 起
digital-humanInfinitetalk Video To Video Multi — WaveSpeedAI 的 InfiniteTalk digital-human 预览

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 起
digital-humanInfinitetalk Fast Multi — WaveSpeedAI 的 InfiniteTalk digital-human 预览

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 起
digital-humanInfinitetalk Fast — WaveSpeedAI 的 InfiniteTalk digital-human 预览

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 起
digital-humanInfinitetalk Video To Video — WaveSpeedAI 的 InfiniteTalk digital-human 预览

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 起
digital-humanInfinitetalk — WaveSpeedAI 的 InfiniteTalk digital-human 预览

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 起
digital-humanInfinitetalk Multi — WaveSpeedAI 的 InfiniteTalk digital-human 预览

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 起

示例

看看 InfiniteTalk 的实际效果

由 InfiniteTalk API 生成的真实输出。悬停在任意视频上即可预览,点击可打开全尺寸查看器。

使用方法

如何使用 InfiniteTalk API

从注册到完成一次生成,只需四步。完整的 Python、Node.js 和 cURL 示例见下方的 API 部分。

  1. 01

    获取 API 密钥

    注册 WaveSpeedAI 账号,并从控制台复制你的 API 密钥。新账号附带免费体验额度——足够在开始计费前把 Playground 运行几十次。

  2. 02

    提交预测

    把你的输入以 JSON 形式 POST 到 https://api.wavespeed.ai/api/v3/wavespeed-ai/infinitetalk。端点会立即返回预测 ID——生成是异步的,因此推理期间你无需保持连接。

  3. 03

    轮询完成状态

    GET https://api.wavespeed.ai/api/v3/predictions/{request_id}/result。状态为 completed 时返回输出;状态为 failed、cancelled、timeout 或 deleted 时以错误终止;其他任何状态都继续轮询。

  4. 04

    读取输出 URL

    状态变为 "completed" 后,从 data.outputs[0] 读取 URL。该 URL 指向 WaveSpeedAI CDN 上你生成的媒体——具体是图片、视频、音频还是 3D 文件,取决于你调用的 InfiniteTalk 变体。

应用场景

用 InfiniteTalk 可以构建什么

开发者和创作者使用 InfiniteTalk API 的常见工作流。

01

用一张照片生成说话或唱歌的数字人

wavespeed-ai/infinitetalk 将一张照片加音频转换为说话或唱歌的数字人视频。目录定位:「图生视频,最长 10 分钟,720p 档位」。支持唱歌是其与众不同的功能。

talkingsingingavatar
02

两路音频输入的多角色

wavespeed-ai/infinitetalk/multi 接受单张图像加两路音频输入,生成最高 720p 的多角色说话/唱歌视频。适合对话场景、二重唱,以及基于同一设置的双人演示。

multi-charactertwo-audiodialog
03

视频转视频的口型替换

wavespeed-ai/infinitetalk/video-to-video 用新音频驱动现有视频,生成口型同步的逼真说话或唱歌效果(480p 或 720p)。适合为现有素材换上新的配音。

video-to-videodublip-sync
04

最长 10 分钟的输出

目录中对基础变体的宣称:最长 10 分钟。比大多数视频模型长得多——可在一次生成中完成播客、讲座、长篇旁白和整集的说话数字人内容。

long-form10-minutepodcast
05

Fast 档位

wavespeed-ai/infinitetalk-fast。同样的图生视频流程,推理经过优化——适合大批量工作和前期迭代。Multi 和 video-to-video 也提供 Fast 变体。

fastcostiteration
06

多角色视频转视频

wavespeed-ai/infinitetalk/video-to-video-multi 接受一段视频和两路音频输入,生成最高 720p 的多角色说话/唱歌效果。一次调用即可完整组合多角色与视频源两种工作流。

multivideo-sourcetwo-character

技巧

InfiniteTalk 提示词技巧

让 InfiniteTalk 输出更好结果的实用建议——总结自生产流水线中各类视频模型都适用的做法。

  1. 01

    先清理音频,再做同步

    口型同步的质量受限于音频的清晰度。输入前请去除背景噪音、统一电平并检查是否削波。干净的音频对口型同步的改善胜过其他任何变量。

  2. 02

    让参考图像与音频的语言/文化相匹配

    英语音频搭配明显的西方角色,看起来比错配更自然。日语 / 中文 / 韩语音频搭配相应的角色参考也是同理。

  3. 03

    正面肖像的同步效果最干净

    正对镜头的肖像参考能产生最自然的口型同步。四分之三侧脸和侧面角度也可以,但会有细微的伪影。如果可以控制角色图像,请提供接近正面的姿势。

  4. 04

    不仅支持说话,也支持唱歌

    目录功能:「说话或唱歌的数字人视频」。可用于音乐视频、合唱 / 独唱内容,以及以特定角色为主角的歌词视频——不只是口语内容。

  5. 05

    Multi 变体接受两路音频输入

    wavespeed-ai/infinitetalk/multi 接受单张图像加两路音频输入,生成最高 720p 的多角色说话/唱歌视频。适合对话场景、二重唱,以及基于同一设置的双人演示。

  6. 06

    视频转视频,为现有素材重新配音

    wavespeed-ai/infinitetalk/video-to-video 用新音频驱动现有视频,生成口型同步的逼真说话或唱歌效果。适合在保留原始画面的同时,为片段换上新的配音。

定价

InfiniteTalk API 定价

按输出计费。最终费用会随你在各变体 Playground 中设置的参数(分辨率、时长、输出数量、参考素材)而变化。

API

调用 InfiniteTalk API

在 wavespeed.ai/accesskey 注册并获取 API 密钥,然后通过 REST 提交预测。Playground 可以为任意输入组合生成可直接粘贴的示例代码。

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

对比

InfiniteTalk 与其他方案对比

在 WaveSpeedAI 上,何时应选择 InfiniteTalk 而不是同类模型。

InfiniteTalk 对比 Wan 2.2 Speech-to-Video

Wan 2.2 Speech-to-Video(wavespeed-ai/wan-2.2/speech-to-video)支持最长 10 分钟、480p 的片段——最大时长与 InfiniteTalk 相同。InfiniteTalk 新增了 Multi 变体(两路音频输入)、Video-to-Video 和 Fast 档位,而 Wan 2.2 没有提供这些独立端点。

InfiniteTalk 对比 Stock avatar tools

库存数字人工具(HeyGen 类)把您限制在一个精选的预训练数字人库中。InfiniteTalk 接受任何角色图像——品牌吉祥物、AI 生成的角色、插画主持人——无需为每个角色单独设置,并且既支持说话也支持唱歌。

InfiniteTalk 对比 ElevenLabs voice tools

ElevenLabs 负责声音(生成、克隆、多语言 TTS)。InfiniteTalk 是视频层:将 ElevenLabs 的配音与角色图像(或现有视频)搭配,即可生成完整的口型同步视频。

常见问题

InfiniteTalk API — 常见问题

定价、许可、集成——关于在 WaveSpeedAI 上运行 InfiniteTalk 的常见问题。

InfiniteTalk API 是什么?

InfiniteTalk 是 WaveSpeedAI 的视频生成模型,在 WaveSpeedAI 上以 REST API 形式提供。WaveSpeedAI InfiniteTalk——将一张照片加音频转换为说话或唱歌的数字人视频,最长 10 分钟。提供 Standard 和 Fast 档位,以及 Multi 变体(单张图像加两路音频输入,生成多角色输出)和 Video-to-Video 变体(用新音频驱动现有视频)。你可以通过编程方式调用它,也可以在上方链接的 Playground 中试用。

如何调用 InfiniteTalk API?

注册 WaveSpeedAI 账号,从 /accesskey 复制你的 API 密钥,然后把输入以 JSON 形式 POST 到 https://api.wavespeed.ai/api/v3/wavespeed-ai/infinitetalk。端点会返回预测 ID。从大约每 2 秒一次开始轮询结果端点,长耗时任务可适当拉长间隔,并在任何终止状态时停止。上方有面向生产环境的 Python / Node.js / cURL 示例。

InfiniteTalk API 的费用是多少?

InfiniteTalk $0.015 起。实际费用会随你设置的参数(分辨率、时长、输出数量、参考素材)而变化。Playground 中“生成”按钮旁的实时费用预览会显示你当前输入对应的准确价格。

有哪些 InfiniteTalk 变体可用?

WaveSpeedAI 托管了 8 个已上线的 InfiniteTalk 端点: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。每个变体都有自己的 Playground 页面和定价。

InfiniteTalk 的输出可以商用吗?

商用权利遵循 WaveSpeedAI 的模型许可。大多数 WaveSpeedAI 模型允许商用输出;具体许可摘要请查看各模型的 Playground 页面,平台层面的条件请参阅 WaveSpeedAI 的服务条款。

为什么要在 WaveSpeedAI 上使用 InfiniteTalk,而不是直接对接?

一个 API 密钥、一个账单账户,即可使用 InfiniteTalk 以及来自其他提供方的 1,000 多个 AI 模型。无需逐家配置 SDK,无需应对各自独立的速率限制,也无需为每家重写集成代码。价格通常与 WaveSpeedAI 直接提供的 API 持平或更低。

提供方

关于 WaveSpeedAI

InfiniteTalk 及 WaveSpeedAI 上 WaveSpeedAI 更多模型背后的团队。

WaveSpeedAI 运营着一个推理平台,托管来自所有主流提供商——字节跳动、Google、OpenAI、阿里巴巴、快手、ElevenLabs 以及数十家独立实验室——的 1,000+ AI 模型,只需一个 API 密钥、一个计费账户和一套速率限制。WaveSpeedAI 还提供自有模型(图像 / 视频放大、水印消除、Animate、InfiniteTalk),专为生产流水线调优。

在 WaveSpeedAI 上用 InfiniteTalk 开始构建

注册即送免费体验额度。一个 API 密钥,即可使用来自 WaveSpeedAI 及其他所有提供方的 1,000 多个 AI 模型。