AI 数字人

照片（或视频）+ 音频 → 口型同步说话视频 —— 基础版 / 高阶版 / MiniMax 三种模式

AI 数字人把一张照片（或一段输入视频）+ 一段音频驱动成口型同步的说话视频。提供两个接口，均为异步任务，提交后轮询查状态。素材不在公网？先用文件上传换取 6 小时有效的 URL。

Base URL：https://api.aiclonevoicefree.com ｜鉴权：Authorization: Bearer sk_...

三种模式，点卡片直达

数字人基础版

标准数字人，生成快，1 积分/秒起，可自由指定画幅与清晰度

数字人高阶版

最高 1536px 高清对口型，支持动作提示词与时长/帧率控制

MiniMax 版

MiniMax H3 驱动，口型稳定、成功率高；音频最长 1 分钟

如何选择

	数字人基础版（`digital-human`）	数字人高阶版（`generate`）	MiniMax 版（`generate`，`engine=minimax`）
输入	照片或已有视频	仅人像照片	仅人像照片
动作提示词	❌	✅	✅
输出尺寸	宽高比 9:16 / 16:9 / 跟随原图，标准 / 高清两档清晰度	三档清晰度：720 / 1280 / 1536，数字越大越清晰	同高阶版
时长	跟随音频	固定 `duration`，或跟随音频（计费封顶 35 秒）	跟随音频，最长 60 秒
计费	1 或 1.5 积分每秒	1.5 / 2 / 2.5 积分每秒	固定 25 积分每秒
适合场景	便宜，可驱动已有视频	高清晰度 + 动作控制	口型稳定、成功率高

数字人基础版：`POST /api/v2/avatar/digital-human`

字段	类型	必填	说明
`image_url`	string	⬜*	人像照片 URL（`image_url` 与 `input_video_url` 至少给一个）
`input_video_url`	string	⬜*	输入视频 URL（驱动已有视频）
`audio_url`	string	✅	说话音频 URL（时长由服务端实测，用于计费，无需传参）
`aspect_ratio`	string	⬜	视频宽高比：`9:16`（竖屏，默认）/ `16:9`（横屏）/ `original`（跟随原图尺寸）
`quality`	string	⬜	清晰度：`standard`（标准，速度快，默认）/ `hd`（高清 960P，出片稍慢）

计费（视频积分）

cost = 向上取整(实测秒数) × 倍率——提交时服务端从 audio_url 实测音频时长；倍率 = 标准清晰度 1、高清 1.5 （即标准 1 积分/秒、高清 1.5 积分/秒）。音频超过 300 秒会被拒绝（audio_too_long）；无法读取时长时提交返回 audio_probe_failed（请确认 URL 可公开访问）。提交时不足直接 402；失败自动退款。

算例

标准 9:16 竖屏（360×704）、12 秒 = 12 × 1 = 12 积分
高清 16:9 横屏（960×544）、12 秒 = 12 × 1.5 = 18 积分

curl -X POST https://api.aiclonevoicefree.com/api/v2/avatar/digital-human \
  -H "Authorization: Bearer sk_your_api_key" \
  -H "Content-Type: application/json" \
  -d '{
    "image_url": "https://your-cdn.com/portrait.png",
    "audio_url": "https://your-cdn.com/speech.mp3",
    "aspect_ratio": "9:16",
    "quality": "hd"
  }'

响应 202

{
  "task_id": "b1d2...-uuid",
  "status": "pending",
  "capability": "avatar",
  "action": "digital-human",
  "model": "digital-human"
}

数字人高阶版：`POST /api/v2/avatar/generate`

把一张人像照片 + 一段音频合成为口型同步的说话视频，支持动作提示词、最高 1536px、最长 35 秒。

字段	类型	必填	说明
`image_url`	string	✅	人像照片 URL
`audio_url`	string	✅	说话音频 URL
`duration`	int	⬜	`5/10/15/20/25/30/35`，或 `0`=跟随完整音频（时长由服务端实测）；默认 `10`
`resolution`	int	⬜	清晰度档位 `720` / `1280` / `1536`（数字越大越清晰）；默认 `1280`
`framerate`	int	⬜	`24` / `25` / `30`；默认 `25`
`motion_prompt`	string	⬜	动作/表情描述，≤ 2000 字符；留空时用默认"自然说话"提示词
`engine`	string	⬜	传 `"minimax"`（忽略大小写）使用 MiniMax H3 引擎；其他值/缺省为默认 LTX 引擎

计费（视频积分，按秒）

清晰度档位	每秒费率
`720`	1.5
`1280`	2
`1536`	2.5

cost = 向上取整(每秒费率 × 计费秒数)。duration > 0 时计费秒数=duration；duration=0 时取服务端实测的音频时长（封顶 35 秒）。提交时视频积分不足直接 402；任务失败自动退款。

算例

1280px、10 秒 = 2 × 10 = 20 积分
1536px、20 秒 = 2.5 × 20 = 50 积分

curl -X POST https://api.aiclonevoicefree.com/api/v2/avatar/generate \
  -H "Authorization: Bearer sk_your_api_key" \
  -H "Content-Type: application/json" \
  -d '{
    "image_url": "https://your-cdn.com/portrait.png",
    "audio_url": "https://your-cdn.com/speech.mp3",
    "duration": 10,
    "resolution": 1280,
    "framerate": 25,
    "motion_prompt": "自然地看向镜头说话，带轻微的表情和头部动作"
  }'

响应 202

{
  "task_id": "1939...",
  "status": "pending",
  "capability": "avatar",
  "action": "generate",
  "model": "avatar-pro"
}

MiniMax 版（`engine: "minimax"`）

在同一接口上传 engine: "minimax" 即可使用 MiniMax H3 引擎——口型稳定、成功率高。与默认 LTX 引擎的差异：

音频上限：最长 60 秒，由服务端实测（超出返回 audio_too_long 错误）
duration：不适用 5/10/.../35 白名单；默认 0（跟随整段音频），任意正整数按值计费
计费：固定 25 积分/秒，与 resolution 无关——cost = 向上取整(25 × 计费秒数)，计费秒数封顶 60
resolution 仍影响输出尺寸但不影响价格；framerate 不生效；motion_prompt 正常使用
响应结构与轮询方式与默认引擎完全一致

curl -X POST https://api.aiclonevoicefree.com/api/v2/avatar/generate \
  -H "Authorization: Bearer sk_your_api_key" \
  -H "Content-Type: application/json" \
  -d '{
    "image_url": "https://your-cdn.com/portrait.png",
    "audio_url": "https://your-cdn.com/speech.mp3",
    "resolution": 720,
    "engine": "minimax",
    "motion_prompt": "自然地看向镜头说话"
  }'

取结果

两个接口共用一个轮询路由：GET /api/v2/avatar/tasks/{task_id}，完成时 videoUrl 为成片地址：

{
  "status": "completed",
  "capability": "avatar",
  "model": "avatar-pro",
  "progress": 1.0,
  "videoUrl": "https://.../result.mp4"
}

高阶版与 MiniMax 生成通常需要数分钟。另见双人数字人。

数字人基础版

数字人高阶版

MiniMax 版

数字人基础版：POST /api/v2/avatar/digital-human

数字人高阶版：POST /api/v2/avatar/generate

MiniMax 版（engine: "minimax"）

取结果

On this page

数字人基础版：`POST /api/v2/avatar/digital-human`

数字人高阶版：`POST /api/v2/avatar/generate`

MiniMax 版（`engine: "minimax"`）