Vidu/LipSync

对口型视频生成模型，支持音频驱动和文字驱动两种方式。

异步提交任务

接口

https://airouter.xincache.cn/v1/tasks/submit

输入

参数	类型	是否必选	描述
model	string	是	模型名称，请固定填写： `vidu-lip-sync`
input.video_url	string	是	原视频 URL（需要确保可访问），模型将以此视频为画面来匹配口型。格式要求：仅支持 mp4、mov、avi 时长要求：1-600 秒，建议时长 10-120 秒大小要求：不超过 5GB 分辨率要求：单边像素需在 360p-4096p 之间编码要求：视频编码格式需为 H.264，若不是请参见编码格式转换内容要求：视频内容需免涉肖像权，否则会被下架或销毁视频素材规范： -人脸画面：要求真人出镜（如果是卡通人物，需要人物五官和真人比例相近），画面中的人脸说话时建议正对镜头，水平转动不超过 45 度，俯仰不超过 15 度；人脸尽量不遮挡，面部光线稳定 -说话音频：对音频无限制
input.audio_url	string	否	音频文件 URL（与 text 二选一），对口型视频中使用的文字、音色以音频文件内容为准。格式要求：支持 wav、mp3、wma、m4a、aac、ogg 时长要求：大于 1 秒，小于 600 秒大小要求：不超过 100MB
input.text	string	否	文本内容（与 audio_url 二选一），对口型视频生成时使用的文本内容。字符要求：不少于 4 个字符，不超过 2000 字符（2-1000 个汉字或 4-2000 个英文）优先级：与 audio_url 同时有值时，以 audio_url 中的内容生成段落切换：用换行符标记停顿控制：支持自定义文本之间的语音时间间隔，使用 `<#x#>` 标记： - x 为停顿时长（单位：秒），范围 [0.01, 99.99]，最多保留两位小数 - 文本间隔时间需设置在两个可以语音发音的文本之间，不可连续使用多个停顿标记 -示例： `你好<#2#>我是XinnetModel<#2#>很高兴见到你`
input.ref_photo_url	string	否	人脸参考图 URL，用于在视频包含多张人脸时指定目标人物。格式要求：支持 jpg、jpeg、png、bmp、webp 分辨率要求：单边分辨率在 192-4096px 大小要求：不超过 10MB 内容要求：图片需包含一张清晰的人物正脸，且为视频中出现的人物默认行为：若不输入人脸参考图，默认选择视频中第一个有人脸的画面中人脸占比最大的人物为目标
parameters.vidu_type	string	是	Vidu 接口类型，此处为 `lip-sync`
parameters.speed	float	否	语速，默认 1.0，范围 [0.5, 2]。0.5 为最慢语速，2 为最快语速。仅文字驱动时生效
parameters.voice_id	string	否	音色 ID，仅文字驱动时生效。参考音色列表
parameters.volume	int	否	音量大小，范围 0-10，默认 0（正常音量），值越大音量越高。仅文字驱动时生效

注意事项：

audio_url 和 text 必须提供其中一个
speed、 voice_id、 volume 参数仅在使用文字驱动时生效

请求示例（音频驱动）

⚠️ 如果您使用 Windows 系统，建议使用 Postman 或其他 API 调用工具。

curl --location --globoff 'https://airouter.xincache.cn/v1/tasks/submit' \
--header 'Authorization: <YOUR_API_KEY>' \
--header 'Content-Type: application/json' \
--data '{
    "model": "vidu-lip-sync",
    "input": {
      "video_url": "https://static.xinnet.com/xinnetmodel/maxcot-dance.mp4",
      "audio_url": "https://static.xinnet.com/xinnetmodel/%E6%AC%A2%E8%BF%8E%E4%BD%BF%E7%94%A8XinnetModel_API.mp3"
    },
    "parameters": {
      "vidu_type": "lip-sync"
    }
  }'

请求示例（文字驱动）

curl --location --globoff 'https://airouter.xincache.cn/v1/tasks/submit' \
--header 'Authorization: <YOUR_API_KEY>' \
--header 'Content-Type: application/json' \
--data '{
    "model": "vidu-lip-sync",
    "input": {
      "video_url": "https://static.xinnet.com/xinnetmodel/maxcot-dance.mp4",
      "text": "你好，欢迎使用对口型功能"
    },
    "parameters": {
      "vidu_type": "lip-sync",
      "voice_id": "your_voice_id",
      "speed": 1.0,
      "volume": 4
    }
  }'

输出

参数	类型	描述
output.task_id	string	异步任务的唯一标识
request_id	string	请求的唯一标识

响应示例

{
  "output": {
    "task_id": "task_id"
  },
  "request_id": "request_id"
}

查询任务状态

接口

https://airouter.xincache.cn/v1/tasks/status?task_id=<task_id>

请求示例

curl --location 'https://airouter.xincache.cn/v1/tasks/status?task_id=<task_id>' \
--header 'Authorization: <YOUR_API_KEY>'

输出

参数	类型	描述
output.task_id	string	异步任务的唯一标识
output.task_status	string	任务状态： `Pending`, `Running`, `Success`, `Failure`
output.urls	array	视频结果的 URL 列表
output.submit_time	integer	任务提交时间戳
output.finish_time	integer	任务完成时间戳
output.error_message	string	失败时返回的错误信息
usage.duration	integer	视频时长（秒）
request_id	string	请求的唯一标识

响应示例（成功）

{
  "output": {
    "task_id": "task_id",
    "task_status": "Success",
    "urls": ["https://xxxxx/xxxx-lipsync.mp4"],
    "submit_time": 1756959000,
    "finish_time": 1756959050
  },
  "usage": {
    "duration": 30
  },
  "request_id": ""
}

响应示例（失败）

{
  "output": {
    "task_id": "task_id",
    "task_status": "Failure",
    "submit_time": 1756959000,
    "finish_time": 1756959019,
    "error_message": "error_message"
  },
  "usage": {
    "duration": 5
  },
  "request_id": ""
}

Last modified: 25 April 2026