EMO 视频生成 API

OpenAPI Specification

接口：POST /qwen/api/v1/services/aigc/image2video/video-synthesis

用途：把人物肖像图与人声音频合成一段人脸动态视频。

请求头

• X-DashScope-Async：必填，string，取值示例 enable（契约字段，名称保留原文写法）。
• Content-Type：必填，固定 application/json。
• Authorization：请求头 Bearer {{YOUR_API_KEY}}。

请求体参数（application/json）

• model：必填，string，模型名，示例 emo-v1。
• input：必填，object：
  • image_url：必填，string，人物图片地址。输出画幅由裁剪区域决定：ext_bbox 为 1:1 时生成 512×512 头像视频，为 3:4 时生成 512×704 半身像视频。图片最小边 ≥ 400 像素、最大边 ≤ 7000 像素，支持 jpg、jpeg、png、bmp、webp；仅接受 HTTP/HTTPS 链接。
  • audio_url：必填，string，驱动用音频地址。需为清晰人声，尽量无环境噪音与背景音乐；文件 ≤ 15 MB、时长 ≤ 60 秒，支持 wav、mp3；仅接受 HTTP/HTTPS 链接。
  • face_bbox：必填，integer 数组，人脸区域像素坐标，取 EMO 图像检测接口返回的同名字段，格式 [x1,y1,x2,y2]（左上、右下两点；图像左上角为原点，x 向右、y 向下）。
  • ext_bbox：必填，integer 数组，动态区域像素坐标，同样取图像检测接口的同名字段，格式 [x1,y1,x2,y2]；该区域宽高比需为 1:1 或 3:4。
• parameters：object，可选：
  • style_level：string，动作风格强度，取 normal、calm、active（分别为适中、平静、活泼），默认 normal。

请求示例

@json { "model": "emo-v1", "input": { "image_url": "https://example.com/portrait.png", "audio_url": "https://example.com/voice.mp3", "face_bbox": [302, 286, 610, 593], "ext_bbox": [71, 9, 840, 778] }, "parameters": { "style_level": "normal" } } @

响应

• 200：成功，返回 JSON 对象；响应字段原文未给出，待补。

使用提示：本平台 Base URL 为 https://api.allyang.cn，OpenAI 兼容接口路径以 /v1 开头；示例里的 {{YOUR_API_KEY}} 请替换为控制台创建的令牌。