VideoRetalk 视频生成

OpenAPI Specification

声动人像接口：基于人物视频与音频，生成口型与音频匹配的新视频。需要提供视频、音频（以及可选的人脸参考图）等参数。

请求方式：POST

接口地址

text

https://api.allyang.cn/qwen/api/v1/services/aigc/image2video/video-synthesis/

请求头

X-DashScope-Async（必填）：（示例：enable）
Content-Type（必填）：请求体类型，按本页标注填写。（示例：application/json）
Authorization（可选）：鉴权头，使用控制台创建的令牌，格式为 Bearer + 令牌。（示例：Bearer {{YOUR_API_KEY}}）

请求参数（application/json）

model（string，必填）
input（object，必填）
- video_url（string，必填）：待处理视频的公网可访问 URL（支持 HTTP/HTTPS）。文件要求：大小 ≤300MB；格式 mp4、avi、mov；时长 2~~120 秒；帧率 15~~60fps；建议 H.264/H.265 编码；边长 640~2048；内容为人物正面近景，避免大角度侧脸或人脸过小。人脸拍摄不全时请参考常见问题处理。
- audio_url（string，必填）：待处理音频的公网可访问 URL（支持 HTTP/HTTPS）。文件要求：大小 ≤30MB；格式 wav、mp3、aac；时长 2~120 秒；音频需为清晰响亮的人声，并已去除环境噪声与背景音乐。音视频时长不一致时请参考常见问题处理。
- ref_image_url（string，可选）：人脸参考图的公网可访问 URL（支持 HTTP/HTTPS）。视频中存在多张人脸时，可用本参数指定参与口型匹配的人脸；仅一张人脸时无需指定。不传时默认选取画面中人脸占比最大的目标。图像要求：清晰的正面人脸且为视频中出现的人物；大小 ≤10MB；长宽比 ≤2、最长边 <4096；格式 jpeg、jpg、png、bmp、webp。
parameters（object，必填）
- video_extension（boolean，可选）：音频时长大于视频时长时是否扩展画面。缺省 false：不扩展，输出时长与原视频一致，音频被截断；设为 true：以原画面“倒放-正放”交替延长至与音频等长。

请求示例

json

{
  "model": "videoretalk",
  "input": {
    "video_url": "https://example.com/…",
    "audio_url": "https://example.com/…",
    "ref_image_url": ""
  },
  "parameters": {
    "video_extension": false
  }
}

返回：HTTP 200 表示成功，响应体字段待补（以实测为准）。

使用提示：视频与音频需为公网可访问地址，并满足各自的格式与大小限制（见参数说明）；提交后请用查询接口轮询结果；耗时、限流与计费数值以本平台实测与计费页为准（待补）。