Foto zu sprechendem Video
Produktionspipeline von einem Foto zu Sprache und einem sprechenden Avatar: ElevenLabs-TTS, Kling-Avatar- und OmniHuman-Anfragen, Angebote, Auftragsstatus, Wiederholungen und Aufbewahrung der Ergebnisse.
Pipeline für Foto-zu-Sprechvideo: Erzeugen Sie Sprache mit elevenlabs-v4-tts, übergeben Sie dessen Ergebnis-URL zusammen mit einem Porträt an kling-ai-avatar oder omnihuman-v2 (das empfohlene OmniHuman; omnihuman-v1.5 bleibt verfügbar). Authentifizieren Sie sich mit Authorization: Bearer $GETVIBE_API_KEY. Ermitteln Sie den Preis für jeden Schritt mit POST /api/media/price, erstellen Sie ihn anschließend mit POST /api/media/generate und der zurückgegebenen Angebots-ID. ElevenLabs-Engines sind v4 und turbo; beide akzeptieren bis zu 5.000 Zeichen und berechnen den Preis pro Zeichen. Avatar-Modelle berechnen den Preis anhand der gemessenen Sekunden. Fragen Sie GET /api/media/jobs/{jobId} bis zum Erfolg ab und übergeben Sie anschließend resultUrls[0] an den nächsten Schritt. Verwenden Sie zurückgegebene URLs erneut und prüfen Sie resultsExpireAt (7 Tage nach Abschluss). Verwenden Sie beim erneuten Versuch einer verlorenen Erstellungsantwort denselben Idempotency-Key und denselben Body. Wenn unklar ist, ob die Übermittlung erfolgreich war, fragen Sie denselben Auftrag weiter ab.
Veo 3.1-Tarife und USD-Angebote (FX-88-Referenz)
| Parameter | Typ | Beschreibung |
|---|---|---|
Lite — Google Veo 3.1 Lite preview | 720p $0.192857 · 1080p $0.225 · 4K $0.964286 | 4/6/8 s; Text, erste/letzte Frames, Referenzen (Referenz erfordert 8 s); Audiospur: ja (AAC auf einem abgeschlossenen Produktions-MP4 verifiziert) |
Fast — Google Veo 3.1 Fast | 720p $0.385714 · 1080p $0.417857 · 4K $1.157143 | 4/6/8 s; Text, erste/letzte Frames, Referenzen (Referenz erfordert 8 s); Audiospur: ja (Veo 3.1-Familie) |
Quality — Google Veo 3.1 | 720p $1.607143 · 1080p $1.639286 · 4K $2.442857 | 4/6/8 s; Text sowie nur erste/letzte Frames; Audiospur: ja (Veo 3.1-Familie) |
Google beschreibt Veo 3.1 als Videogenerierung mit nativem Audio. Diese API verfügt über keinen Audio-Schalter. Die angezeigten Preise sind Preisfunktionsangebote zum angegebenen Referenz-FX-Kurs; verwenden Sie POST /api/media/price für die aktuelle Kontowährung und den aktuellen Betrag. SkyReels akzeptiert ein Porträt in image_url plus audio_url oder 1–5 reference_image_urls plus Audio; die Videodauer beträgt 3–15 Sekunden.