De foto a video parlante
Pipeline de producción de una foto a voz y un avatar parlante: solicitudes de ElevenLabs TTS, Kling Avatar y OmniHuman, cotizaciones, estados de trabajos, reintentos y retención de resultados.
Flujo de trabajo de foto a video con una persona hablando: crea el discurso con elevenlabs-v4-tts, pasa su URL de resultado junto con un retrato a kling-ai-avatar o omnihuman-v2 (el OmniHuman recomendado; omnihuman-v1.5 sigue disponible). Autentícate con Authorization: Bearer $GETVIBE_API_KEY. Cotiza cada paso con POST /api/media/price, luego créalo con POST /api/media/generate y el id de cotización devuelto. Los motores de ElevenLabs son v4 y turbo, ambos aceptan hasta 5,000 caracteres y calculan el precio por carácter; los modelos de avatares calculan el precio según los segundos medidos. Consulta GET /api/media/jobs/{jobId} hasta que finalice correctamente y luego pasa resultUrls[0] al siguiente paso. Reutiliza las URL devueltas y consulta resultsExpireAt (7 días después de la finalización). Usa el mismo Idempotency-Key y el mismo cuerpo al reintentar una respuesta de creación perdida; cuando el envío sea incierto, sigue consultando el mismo trabajo.
Niveles de Veo 3.1 y cotizaciones en USD (referencia de FX 88)
| Parámetro | Tipo | Descripción |
|---|---|---|
Lite — Google Veo 3.1 Lite preview | 720p $0.192857 · 1080p $0.225 · 4K $0.964286 | 4/6/8 s; texto, primer/último fotograma y referencias (la referencia requiere 8 s); pista de audio: sí (AAC verificado en un MP4 de producción completado) |
Fast — Google Veo 3.1 Fast | 720p $0.385714 · 1080p $0.417857 · 4K $1.157143 | 4/6/8 s; texto, primer/último fotograma y referencias (la referencia requiere 8 s); pista de audio: sí (familia Veo 3.1) |
Quality — Google Veo 3.1 | 720p $1.607143 · 1080p $1.639286 · 4K $2.442857 | 4/6/8 s; solo texto y primer/último fotograma; pista de audio: sí (familia Veo 3.1) |
Google describe Veo 3.1 como generación de video con audio nativo. Esta API no tiene un interruptor de audio. Los precios mostrados son cotizaciones de la función de precios según el tipo de cambio de referencia indicado; usa POST /api/media/price para conocer la moneda y el importe actuales de la cuenta. SkyReels acepta un retrato en image_url más audio_url, o de 1–5 reference_image_urls más audio; la duración del video es de 3–15 segundos.