SuperAPI AI 工具集

alicloud-ai-video-retalk

智能体与模型

查看项目

更新于 10-15 17:34

技能介绍

用途:当输入已是人物视频,需要把口型与新语音对齐、制作配音或替换旁白时,使用 Model Studio VideoRetalk,模型名固定为 videoretalk。

主要能力:提交异步任务后轮询结果并获取输出视频,响应含 task_id、task_status、video_url 与 usage。

接口:提交 POST https://dashscope.aliyuncs.com/api/v1/services/aigc/image2video/video-synthesis/;轮询 GET https://dashscope.aliyuncs.com/api/v1/tasks/{task_id};必须带请求头 X-DashScope-Async: enable。参数包括:model(可选,默认 videoretalk)、video_url(必填)、audio_url(必填)、ref_image_url(可选,多张人脸时指定目标脸)、video_extension(可选,音频更长时延长画面)、query_face_threshold(可选,120 到 200)。

用法示例:python skills/ai/video/alicloud-ai-video-retalk/scripts/prepare_retalk_request.py --video-url "https://example.com/talking-head.mp4" --audio-url "https://example.com/new-voice.wav" --video-extension。默认输出 output/alicloud-ai-video-retalk/request.json,可用 OUTPUT_DIR 覆盖。校验命令:python -m py_compile skills/ai/video/alicloud-ai-video-retalk/scripts/prepare_retalk_request.py。

前置条件与限制:目前仅支持中国内地(北京);只有异步 HTTP API,无在线控制台体验;需设置 DASHSCOPE_API_KEY 或写入 ~/.alibabacloud/credentials;URL 必须是公网 HTTP/HTTPS 地址,不接受本地路径;建议使用正脸且距离较近的视频以保证人脸跟踪稳定;多脸场景提供 ref_image_url 指定目标;音频比视频长时需先决定延长画面还是截断音频。价格、并发限制等暂未提供。