Skip to content
上新Kimi K3 已上線:月之暗面旗艦、1M 上下文、緩存命中低至 $0.30/M查看模型價格
HopBase
← 返回 Blog

可靈數字人 API 接入實戰:一張照片 + 一段音頻,生成開口說話的口播影片

HopBase 2026年08月14日 6 分鐘閱讀

先說答案:在 HopBase 上做數字人口播有兩條鏈路——kling-avatar 用 1-5 張人物照片 + 一段音頻直接生成開口說話的影片(時長由音頻決定);kling-lip-sync 給已有影片換台詞/換語言(先人臉識別拿 session,再提交對口型任務)。可靈全線按官方牌價 75 折計費,任務失敗不扣錢。本文給出可直接抄的完整調用流程。

兩條鏈路怎麼選

kling-avatar(數字人)kling-lip-sync(對口型)
輸入1-5 張人物圖 + 音頻已有影片 + 新音頻
典型用途從零做口播:電商講解、知識號、企業宣傳成片本地化:翻譯台詞、批量換文案
時長由輸入音頻決定由輸入素材決定,按秒計費、5 秒下限
計費桶avatar_<解析度>,按秒lip_sync,按秒(另有人臉識別按次)

實戰 A:照片變口播(kling-avatar)

第一步,提交任務。人物圖給 1-5 張,音頻在 extra.sound_file(公網 HTTP(S) 地址)與 extra.audio_id 中二選一;時長由音頻決定,不要傳 duration:

curl https://api.hop-base.com/v1/video/generate \
  -H "Authorization: Bearer sk-你的密鑰" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kling-avatar",
    "images": [{"url": "https://cdn.example.com/host.png"}],
    "extra": {"sound_file": "https://cdn.example.com/voice.mp3"}
  }'

202 響應返回形如 kt57x… 的任務 ID。第二步,輪詢任務:

curl https://api.hop-base.com/v1/video/tasks/kt57xYOUR_TASK_ID \
  -H "Authorization: Bearer sk-你的密鑰"

狀態走 queued → processing → completed / failed。完成後從 outputs 取 HopBase 中繼地址,請及時轉存。

三個容易踩的坑:素材 url 必須公網可直接下載;每個素材項 url 與 file_id 只能二選一;素材內容由騰訊側異步校驗,不合規會在提交幾分鐘後以任務失敗告終——但失敗不計費。

實戰 B:已有影片換台詞(kling-lip-sync)

先對源影片做人臉識別(按次計費):

curl https://api.hop-base.com/v1/kling/faces \
  -H "Authorization: Bearer sk-你的密鑰" \
  -H "Content-Type: application/json" \
  -d '{"videos":[{"url":"https://cdn.example.com/source.mp4"}]}'

拿到 session 後提交對口型任務——face_choose 必須恰好一項,含非空 face_id 與 sound_file:

curl https://api.hop-base.com/v1/video/generate \
  -H "Authorization: Bearer sk-你的密鑰" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kling-lip-sync",
    "extra": {
      "session_id": "face-session-id",
      "face_choose": [{"face_id": "face-1", "sound_file": "https://cdn.example.com/voice-en.mp3"}]
    }
  }'

注意:對口型按秒計費且有 5 秒下限;目前不支持指定音色,voice_ids / extra.voice_list 請勿發送。

計費:75 折與「失敗不扣錢」

可靈經 HopBase 全線為官方牌價 75 折,代表檔:kling-v3-omni 720p 無聲 ¥0.45/秒(官方 ¥0.60)、1080p 有聲 ¥0.75/秒(官方 ¥1.00)。數字人/對口型的具體桶價以 模型目錄 為準。只有騰訊側確認任務成功、產物合法且有計費時長時才產生一次扣費。完整價目見 價格頁可靈面板。

商用場景參考

電商口播矩陣:一套主播照片 + 批量商品講解音頻,多 SKU 一晚跑完;出海本地化:中文成片 + 翻譯配音走 lip-sync,一條素材變 N 國語言;企業數字員工:固定形象 + 週更文案。搭配 Seedance 場景片段 混剪,一個 API Key 就是一條完整影片產線。

常見問題

能自選音色嗎?暫不可以;當前音頻內容完全由你上傳的 sound_file 決定,可先用任意 TTS 生成。

從哪開始?控制台 註冊建 Key,完整請求契約見 可靈接入文檔;正式調用前先 GET /v1/models 確認密鑰實際可用的模型 ID。

教程可靈