Фото в говорящее видео
Продакшен-конвейер от фото к речи и говорящему аватару: запросы ElevenLabs TTS, Kling Avatar и OmniHuman, расчёты стоимости, статусы задач, повторные попытки и хранение результатов.
Конвейер создания говорящего видео по фотографии: создайте речь с помощью elevenlabs-v4-tts, передайте URL результата вместе с портретом в kling-ai-avatar или omnihuman-v2 (рекомендуемый OmniHuman; omnihuman-v1.5 по-прежнему доступен). Аутентифицируйтесь с помощью Authorization: Bearer $GETVIBE_API_KEY. Получите расчёт стоимости для каждого шага с помощью POST /api/media/price, затем создайте его с помощью POST /api/media/generate и возвращённого идентификатора расчёта. Движки ElevenLabs — v4 и turbo; оба принимают до 5 000 символов и рассчитывают стоимость за символ. Стоимость моделей аватаров рассчитывается по измеренному числу секунд. Ожидайте результат с помощью GET /api/media/jobs/{jobId} до получения статуса success, затем передайте resultUrls[0] на следующий шаг. Повторно используйте возвращённые URL и проверяйте resultsExpireAt (в течение 7 дней после завершения). При повторной попытке после потери ответа на запрос создания используйте тот же Idempotency-Key и то же тело запроса; если результат отправки неизвестен, продолжайте опрашивать то же задание.
Тарифы Veo 3.1 и котировки в USD (курс 88 для справки)
| Параметр | Тип | Описание |
|---|---|---|
Lite — Google Veo 3.1 Lite preview | 720p $0.192857 · 1080p $0.225 · 4K $0.964286 | 4/6/8 с; текст, первый/последний кадр, референсы (референс требует 8 с); звуковая дорожка: да (AAC подтверждён на готовом производственном MP4) |
Fast — Google Veo 3.1 Fast | 720p $0.385714 · 1080p $0.417857 · 4K $1.157143 | 4/6/8 с; текст, первый/последний кадр, референсы (референс требует 8 с); звуковая дорожка: да (семейство Veo 3.1) |
Quality — Google Veo 3.1 | 720p $1.607143 · 1080p $1.639286 · 4K $2.442857 | 4/6/8 с; только текст и первый/последний кадр; звуковая дорожка: да (семейство Veo 3.1) |
Google описывает Veo 3.1 как генерацию видео с нативным звуком. В этом API нет переключателя звука. Указанные цены — это котировки ценовой функции при указанном справочном курсе FX; используйте POST /api/media/price для текущей валюты и суммы на аккаунте. SkyReels принимает портрет в image_url вместе с audio_url либо 1–5 reference_image_urls вместе с аудио; длительность видео — 3–15 секунд.