数字人 / 剪辑 API
形象库 + 数字人出片 + 对口型 + 动作迁移 + 网感剪辑,全部走同一把 sk-gpushare-* Key
用一张照片或一段视频注册一个可复用的数字人形象,再用音频或文字驱动它出片;也可以给现成视频做对口型、或把一段视频的动作迁移到人物图上;还可以把一段口播视频交给网感剪辑,自动配上字幕特效、标题、模板包装和背景音乐。
鉴权与其它端点完全一致 —— 同一把 sk-gpushare-* Key,四种方式任选(x-api-key / x-goog-api-key header / ?key= query / Authorization: Bearer),详见 鉴权。计费扣账户余额(全部 Key 共享),余额不足返回 402 quota_exceeded。
| 端点 | 用途 | 计费 |
|---|---|---|
POST /v1/videos/avatars | 注册数字人形象(异步) | 按次 |
GET /v1/videos/avatars | 我的形象库 | 免费 |
GET /v1/videos/avatars/{id} | 查询形象创建状态 | 免费 |
DELETE /v1/videos/avatars/{id} | 删除形象 | 免费 |
GET /v1/videos/avatars/presets | 平台预置形象 | 免费 |
POST /v1/videos/generations | 出片(数字人 / 对口型 / 动作迁移 按秒;网感剪辑 按次) | 按秒 / 按次 |
GET /v1/videos/generations/{id} | 查询出片任务状态 | 免费 |
GET /v1/videos/clip-templates | 网感剪辑模板列表(分页) | 免费 |
GET /v1/videos/clip-templates/categories | 网感剪辑模板分类 | 免费 |
POST /v1/videos/clip-subtitles | 网感剪辑字幕解析(同步) | 按次(当前 0) |
出片与查询用的是 媒体 API 里那对通用的视频端点,只是换了 model 和请求体字段 —— 下面每种玩法都给了完整示例。
一、形象库#
POST /v1/videos/avatars#
用一张正面照片(或一段人物视频)注册形象。异步:立刻返回一个 pending 记录,轮询到 ready 后才能用来出片。上游通常 5–10 分钟。
{
"name": "我的主播",
"source_url": "https://example.com/portrait.jpg",
"source_kind": "image"
}
| 字段 | 必填 | 说明 |
|---|---|---|
name | 是 | 1–20 字符,形象在库里的名字 |
source_url | 是 | 公网可访问的 http(s) 直链。素材由上游拉取,本平台不提供上传端点 —— 请自行托管(对象存储 / CDN / 任意公网直链均可) |
source_kind | 否 | image(默认)或 video |
响应:
{
"id": "9f1c…",
"name": "我的主播",
"source_kind": "image",
"status": "pending",
"error": null,
"created_at": "2026-07-29T08:12:00+00:00"
}
这个 id 就是你之后要用的形象引用 —— 出片时把它填进 avatar 字段即可,不需要关心底层的形象编号。
GET /v1/videos/avatars/{id}#
轮询创建状态,建议 15–30 秒一次。
{ "id": "9f1c…", "name": "我的主播", "status": "ready", "error": null, "created_at": "…" }
status 三态:pending / ready / failed。失败会自动全额退款(退款以这条记录为凭据,所以 pending 期间不允许删除)。
GET /v1/videos/avatars#
列出本账号的形象(最多 200 条,按创建时间倒序)。
DELETE /v1/videos/avatars/{id}#
删除一个形象。创建中(pending)的形象不能删 —— 等它成功或失败后再删。
GET /v1/videos/avatars/presets#
平台预置形象,免费直接用,不必自己注册:
{ "avatars": [ { "id": "…", "name": "职业女主播" }, … ] }
把 presets 里的 id 直接填进出片请求的 avatar 字段即可。
二、数字人出片(dh-avatar)#
驱动一个已就绪的形象说话。成片长度由驱动音频 / 文案决定,按成片秒数计费。
方式 1:用音频驱动#
{
"model": "dh-avatar",
"avatar": "9f1c…",
"audio_url": "https://example.com/voice.mp3",
"duration": 32
}
方式 2:用文字 + 音色驱动(一步到位,不用先合成音频)#
{
"model": "dh-avatar",
"avatar": "9f1c…",
"voice": "<音色 id>",
"text": "大家好,今天给大家介绍……",
"duration": 30
}
voice 可以是:
POST /v1/audio/voices克隆出来的音色 id(你自己的克隆音色),或GET /v1/audio/voices返回的presets里的平台预设音色 id。
duration是必填的,单位秒。它是我们预留费用的依据 —— 填驱动音频的真实时长,或按文案估算(中文口播约字数 ÷ 3.3秒)。任务结束后按上游返回的实际成片秒数结算,多预留的部分会自动退回;预留额同时是本次出片的费用上限。
提交与轮询用通用视频端点:
curl https://qianyi.dflop.top/v1/videos/generations \
-H "Authorization: Bearer $GPUSHARE_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"dh-avatar","avatar":"9f1c…","audio_url":"https://example.com/voice.mp3","duration":32}'
# → {"id":"…","status":"queued","model":"dh-avatar","created_at":1753…}
curl https://qianyi.dflop.top/v1/videos/generations/<id> \
-H "Authorization: Bearer $GPUSHARE_API_KEY"
# → {"id":"…","status":"succeeded","video_url":"https://…","expires_at":…}
三、对口型(dh-lipsync / -pro / -max)#
给一段现成的人物视频换一条音轨,让口型对上。三个档位画质递增、价格递增。
{
"model": "dh-lipsync-pro",
"source_video_url": "https://example.com/source.mp4",
"audio_url": "https://example.com/new-voice.mp3",
"duration": 45
}
成片长度跟随驱动音频。源视频和音频都必须是公网可访问的直链。
四、动作迁移(dh-motion)#
把一段动作源视频里的动作,迁移到 1–7 张人物图上。
{
"model": "dh-motion",
"source_video_url": "https://example.com/dance.mp4",
"face_count": 2,
"resolution": "standard",
"content": [
{ "type": "image_url", "image_url": { "url": "https://example.com/person1.jpg" } },
{ "type": "image_url", "image_url": { "url": "https://example.com/person2.jpg" } }
],
"duration": 20
}
| 字段 | 说明 |
|---|---|
source_video_url | 动作源视频(公网直链) |
content[] | 1–7 张人物图 |
face_count | 画面里的人数,1–7,应与人物图数量一致 |
resolution | fast / standard(默认) / max —— 档位决定单价,见下方计价表 |
duration | 必填,按动作源视频时长填 |
成片长度跟随动作源视频。
五、网感剪辑(clip-compose)#
把一段有清晰口播的视频,自动包装成带字幕特效、关键词强调、标题、名片条、模板风格、背景音乐和画中画素材的成片。流程是四步:挑模板 → 解析字幕 → 提交合成 → 轮询取片。
- 这把 Key 的模型白名单必须放行
clip-compose(模板、分类、字幕解析三个辅助端点也按它判断),否则返回 403model_not_allowed。 - 源视频 ≤ 5 分钟,必须有清晰人声;公网可访问的 http(s) 直链(本平台不提供上传端点)。
- 成片通常 20–60 秒出来。
第 1 步:挑模板#
# 模板分类(6 个:高级感 / 热门 / 简约 / 综艺感 / 本地引流 / 其他)
curl https://qianyi.dflop.top/v1/videos/clip-templates/categories \
-H "Authorization: Bearer $GPUSHARE_API_KEY"
# → {"list":[{"cate_id":"67d402f96574a9003050ea3a","cate_name":"高级感","sort":1}, …]}
# 模板列表(带 cate_id 只看这一类;不带 = 全部模板)
curl "https://qianyi.dflop.top/v1/videos/clip-templates?cate_id=67d402f96574a9003050ea3a" \
-H "Authorization: Bearer $GPUSHARE_API_KEY"
# → {"list":[{"style_id":"…","name":"…","cover_url":"https://…","demo_url":"https://…","cate_name":"","scene":""}, …],
# "sid":"","api_version":"old"}
模板列表不分页:一次返回该分类(或全部)的模板,sid 恒为空字符串。demo_url 是模板的示例片。挑中的模板把它的 style_id 填进合成请求的 video_style_id。两个端点都免费。
字幕特效、关键词强调、标题、名片条都由模板渲染:合成时不套模板,成片里不会出现这些,只会叠上画中画素材。请始终带上
video_style_id。只接受本端点列出的模板,其它来源的style_id会被拒绝(400「这套模板已经下架了」)。
第 2 步:解析字幕#
curl https://qianyi.dflop.top/v1/videos/clip-subtitles \
-H "Authorization: Bearer $GPUSHARE_API_KEY" \
-H "Content-Type: application/json" \
-d '{"video_url":"https://example.com/talk.mp4"}'
同步返回,通常 5–10 秒;最长等 240 秒,仍未完成则返回 504 upstream_timeout。响应:
{
"model": "clip-subtitle",
"asr_id": "asr_…",
"api_version": "old",
"segments": [
{ "showRange": [0, 1750], "content": "很多人做事总纠结" },
{ "showRange": [1750, 2850], "content": "完美才开始" }
],
"sentences": [
{ "showRange": [0, 1750], "content": "很多人做事总纠结" },
{ "showRange": [1750, 2850], "content": "完美才开始" }
]
}
| 字段 | 说明 |
|---|---|
asr_id | 这次识别的编号 —— 合成时必填 |
segments | 按句的识别结果:每项一句,showRange 是 [开始毫秒, 结束毫秒],不带标点 |
sentences | 与 segments 相同(保留这个字段是为了兼容) |
视频里没有识别到人声会返回 400。
第 3 步:提交合成#
curl https://qianyi.dflop.top/v1/videos/generations \
-H "Authorization: Bearer $GPUSHARE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "clip-compose",
"video_url": "https://example.com/talk.mp4",
"asr_id": "<第 2 步返回的 asr_id>",
"video_style_id": "<第 1 步挑的 style_id>",
"title": "三分钟看懂复利",
"enable_title_effect": true,
"enable_caption_effect": true,
"enable_keyword_effect": true,
"name_card": { "name": "张老师", "description": "理财规划师" }
}'
# → {"id":"…","status":"queued","model":"clip-compose","created_at":1790…}
| 字段 | 必填 | 说明 |
|---|---|---|
model | 是 | 固定 clip-compose |
video_url | 是 | 源视频直链,与第 2 步解析字幕的是同一条 |
asr_id | 是 | 第 2 步返回的 asr_id |
enable_title_effect | 否 | 是否加标题特效,默认 false |
enable_caption_effect | 否 | 是否加字幕特效,默认 true |
enable_keyword_effect | 否 | 是否给关键词加强调特效,默认 true |
title | 否 | 标题文案,最多 30 字(超出截断) |
video_style_id | 否 | 模板的 style_id(第 1 步)。强烈建议必传:不套模板时成片没有字幕、标题和名片条 |
music_url | 否 | 背景音乐直链(http(s)) |
name_card | 否 | 名片条 {"name": "…", "description": "…"},name 最多 20 字、description 最多 40 字 |
sentences | 否 | 改过字幕才传,规则见下;不传 = 直接用第 2 步的原始识别结果 |
pip_config | 否 | 画中画素材,最多 20 个:[{"media_url": "https://…", "begin_time": 3000, "end_time": 6000}],时间单位毫秒,end_time > begin_time |
sentences:只能逐句改字#
只有当你让用户改了字幕文字时才需要传 sentences。规则是逐句改字:
"sentences": [
{ "showRange": [0, 1750], "content": "好多人做事总纠结" },
{ "showRange": [1750, 2850], "content": "完美,才开始" }
]
- 以第 2 步的
segments为底稿,句数必须一样、顺序一样,每句只改content。可以改长改短、加标点。 - 不能拆分、合并或删除句子:句数对不上会返回 400,并告诉你应该是几句。(上游对句数不同的字幕不会报错,而是悄悄丢掉你的全部改动,或者把成片结尾截掉;平台在提交前就把这种请求挡下来,不会扣费。)
- 每句
content不能为空。 - 时间轴以第 2 步的识别结果为准,你传的
showRange会被忽略。 - 没改字幕就整个省略
sentences,平台会直接使用原始识别结果。 asr_id必须是第 2 步刚返回的那个;太早以前识别的结果如果已经失效,会返回 400「字幕识别结果已经过期」,重新做一次第 2 步即可。
第 4 步:轮询取片#
与其它视频任务完全一样,用 GET /v1/videos/generations/{id} 轮询,建议 5–10 秒一次:
curl https://qianyi.dflop.top/v1/videos/generations/<id> \
-H "Authorization: Bearer $GPUSHARE_API_KEY"
# → {"id":"…","status":"succeeded","video_url":"https://…","expires_at":…}
网感剪辑计价#
| 端点 / Model ID | 价格 | 说明 |
|---|---|---|
clip-compose(合成) | 48 / 次 | 每个成功的合成任务一口价,与视频长短无关;失败自动全额退款 |
clip-subtitle(字幕解析) | 按次,当前 0 | 仅成功时扣费;失败 / 超时不扣 |
| 模板列表 / 分类 | 免费 |
计价#
按秒计费的 SKU,结算以上游返回的实际成片秒数为准,提交时按 duration 预留、多退。clip-compose 按次一口价,不需要传 duration。
| Model ID | 用途 | 价格 |
|---|---|---|
dh-avatar-create | 注册数字人形象 | 220.11 / 次 |
dh-avatar | 数字人出片 | 3.96 / 秒 |
dh-lipsync | 对口型 · 标准 | 4.04 / 秒 |
dh-lipsync-pro | 对口型 · 高清 | 8.09 / 秒 |
dh-lipsync-max | 对口型 · 超清 | 12.13 / 秒 |
dh-motion | 动作迁移 | fast 4.04 / standard 8.09 / max 12.13 每秒 |
clip-compose | 网感剪辑 | 48 / 次(与成片长短无关) |
配套的语音端点(合成 / 克隆)见 媒体 API。
异步与超时约定#
- 形象注册、出片与网感剪辑合成都是异步任务(网感剪辑的字幕解析是同步的):提交立即返回,之后轮询状态端点。轮询本身免费。
- 出片任务的
video_url是限时链接,响应里的expires_at是过期时间戳 —— 需要长期保存请及时转存。 - 任务失败(上游报错 / 超时过期)自动全额退款,不需要你做任何事。
- 形象记录是退款凭据:
pending期间调DELETE会返回 400,请等它进入终态后再删。
常见错误#
| 状态码 | code | 含义 |
|---|---|---|
| 400 | invalid_request_error | avatar / voice 引用不存在、不属于本账号,或还没 ready;缺 duration;name 超长;source_url / video_url 不是 http(s);字幕解析没识别到人声;pip_config 起止时间不合法 |
| 401 | authentication_error | Key 无效或已停用 |
| 402 | quota_exceeded | 账户余额不足 |
| 403 | model_not_allowed | 这把 Key 的模型白名单里没有该 SKU |
| 404 | model_not_found | model id 写错,或该 SKU 尚未开放 |
| 503 | no_channel_available | 该 SKU 暂无可用上游,稍后重试 |
| 504 | upstream_timeout | 字幕解析 240 秒内未完成(未扣费),可重试或换更短的视频 |
错误体形状与其它端点一致,详见 错误码。