Foto para vídeo falado
Pipeline de produção de uma foto até a fala e um avatar falante: solicitações ElevenLabs TTS, Kling Avatar e OmniHuman, cotações, status de jobs, novas tentativas e retenção de resultados.
Pipeline de foto para vídeo falante: crie a fala com elevenlabs-v4-tts, passe a URL do resultado junto com um retrato para kling-ai-avatar ou omnihuman-v2 (o OmniHuman recomendado; omnihuman-v1.5 continua disponível). Autentique-se com Authorization: Bearer $GETVIBE_API_KEY. Obtenha uma cotação para cada etapa com POST /api/media/price, depois crie-a com POST /api/media/generate e o id da cotação retornada. Os mecanismos do ElevenLabs são v4 e turbo, ambos aceitam até 5.000 caracteres e cobram por caractere; os modelos de avatar cobram pelos segundos medidos. Consulte GET /api/media/jobs/{jobId} até obter sucesso e, em seguida, passe resultUrls[0] para a próxima etapa. Reutilize as URLs retornadas e verifique resultsExpireAt (7 dias após a conclusão). Use o mesmo Idempotency-Key e o mesmo corpo ao tentar novamente uma resposta de criação perdida; quando o envio for incerto, continue consultando o mesmo job.
Níveis do Veo 3.1 e cotações em USD (referência de FX 88)
| Parâmetro | Tipo | Descrição |
|---|---|---|
Lite — Google Veo 3.1 Lite preview | 720p $0.192857 · 1080p $0.225 · 4K $0.964286 | 4/6/8 s; texto, primeiros/últimos quadros, referências (a referência exige 8 s); faixa de áudio: sim (AAC verificado em um MP4 de produção concluído) |
Fast — Google Veo 3.1 Fast | 720p $0.385714 · 1080p $0.417857 · 4K $1.157143 | 4/6/8 s; texto, primeiros/últimos quadros, referências (a referência exige 8 s); faixa de áudio: sim (família Veo 3.1) |
Quality — Google Veo 3.1 | 720p $1.607143 · 1080p $1.639286 · 4K $2.442857 | 4/6/8 s; somente texto e primeiros/últimos quadros; faixa de áudio: sim (família Veo 3.1) |
O Google descreve o Veo 3.1 como geração de vídeo com áudio nativo. Esta API não tem um controle de áudio. Os preços exibidos são cotações da função de preço na taxa de câmbio de referência informada; use POST /api/media/price para obter a moeda e o valor atuais da conta. O SkyReels aceita um retrato em image_url com audio_url, ou de 1 a 5 reference_image_urls com áudio; a duração do vídeo é de 3 a 15 segundos.