Photo vers vidéo parlante
Pipeline de production d’une photo vers la parole et un avatar parlant : requêtes ElevenLabs TTS, Kling Avatar et OmniHuman, devis, états des jobs, nouvelles tentatives et conservation des résultats.
Pipeline photo vers vidéo parlante : créez la parole avec elevenlabs-v4-tts, transmettez son URL de résultat avec un portrait à kling-ai-avatar ou omnihuman-v2 (l’OmniHuman recommandé ; omnihuman-v1.5 reste disponible). Authentifiez-vous avec Authorization: Bearer $GETVIBE_API_KEY. Obtenez un devis pour chaque étape avec POST /api/media/price, puis créez-la avec POST /api/media/generate et l’identifiant de devis renvoyé. Les moteurs ElevenLabs sont v4 et turbo, tous deux acceptent jusqu’à 5 000 caractères et facturent par caractère ; les modèles d’avatar sont facturés selon les secondes mesurées. Interrogez GET /api/media/jobs/{jobId} jusqu’à la réussite, puis transmettez resultUrls[0] à l’étape suivante. Réutilisez les URL renvoyées et vérifiez resultsExpireAt (7 jours après la fin). Utilisez le même Idempotency-Key et le même corps lors d’une nouvelle tentative après la perte d’une réponse de création ; lorsque la soumission est incertaine, continuez à interroger le même job.
Niveaux Veo 3.1 et tarifs en USD (référence FX 88)
| Paramètre | Type | Description |
|---|---|---|
Lite — Google Veo 3.1 Lite preview | 720p $0.192857 · 1080p $0.225 · 4K $0.964286 | 4/6/8 s ; texte, premières/dernières images, références (une référence nécessite 8 s) ; piste audio : oui (AAC vérifié sur un MP4 de production terminé) |
Fast — Google Veo 3.1 Fast | 720p $0.385714 · 1080p $0.417857 · 4K $1.157143 | 4/6/8 s ; texte, premières/dernières images, références (une référence nécessite 8 s) ; piste audio : oui (famille Veo 3.1) |
Quality — Google Veo 3.1 | 720p $1.607143 · 1080p $1.639286 · 4K $2.442857 | 4/6/8 s ; texte et premières/dernières images uniquement ; piste audio : oui (famille Veo 3.1) |
Google décrit Veo 3.1 comme un système de génération vidéo avec audio natif. Cette API ne dispose d’aucun bouton d’activation de l’audio. Les prix affichés sont des devis de fonction aux taux de change de référence indiqués ; utilisez POST /api/media/price pour connaître la devise et le montant actuels de votre compte. SkyReels accepte un portrait dans image_url avec audio_url, ou 1–5 reference_image_urls avec audio ; la durée de la vidéo est de 3–15 secondes.