如何创建数字人

用一张人像图和一段音频生成会说话的数字人视频。数字人的唇形动作和表情会与音频同步。

快速开始

这类任务较慢 —— 建议异步提交后轮询：

cURL

curl -X POST "https://api.get3w.com/v1/bytedance/omnihuman-1.5/digital-human" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image_url": "https://your-cdn.com/portrait.png",
    "audio_url": "https://your-cdn.com/speech.mp3"
  }'

Python

import time
import requests

headers = {
    "Authorization": "Bearer YOUR_API_KEY",
    "Content-Type": "application/json"
}

task = requests.post(
    "https://api.get3w.com/v1/bytedance/omnihuman-1.5/digital-human",
    headers=headers,
    json={
        "image_url": "https://your-cdn.com/portrait.png",
        "audio_url": "https://your-cdn.com/speech.mp3"
    }
).json()

while True:
    data = requests.get(
        f"https://api.get3w.com/v1/requests/{task['id']}",
        headers=headers
    ).json()

    if data["status"] == "completed":
        print(data["outputs"][0])
        break
    if data["status"] == "failed":
        print(f"Failed ({data['code']}):", data["error"])
        break

    time.sleep(10)

可用模型

Slug	说明
bytedance/omnihuman-1.5/digital-human	全身动作富有表现力
kling/kling-avatar-2/digital-human	提供 standard 和 pro 通道

完整工作流

先生成语音，再把它的输出 URL 传给数字人模型：

import time
import requests

headers = {
    "Authorization": "Bearer YOUR_API_KEY",
    "Content-Type": "application/json"
}

speech = requests.post(
    "https://api.get3w.com/v1/elevenlabs/eleven-3/text-to-speech?sync=true",
    headers=headers,
    json={"text": "Hello, welcome to our product demo."}
).json()
audio_url = speech["outputs"][0]

task = requests.post(
    "https://api.get3w.com/v1/bytedance/omnihuman-1.5/digital-human",
    headers=headers,
    json={
        "image_url": "https://your-cdn.com/portrait.png",
        "audio_url": audio_url
    }
).json()

while True:
    data = requests.get(
        f"https://api.get3w.com/v1/requests/{task['id']}",
        headers=headers
    ).json()
    if data["status"] in ("completed", "failed"):
        print(data["status"], data.get("outputs") or data.get("error"))
        break
    time.sleep(10)

一个任务的输出 URL 可以直接作为下一个任务的输入 —— 无需重新上传。

小技巧

• 正面人像 —— 画面清晰、光照充足、面部无遮挡
• 干净的音频 —— 背景噪声会降低唇形同步的准确度
• 起始表情保持中性 —— 给模型留出更多表演空间
• 先做短的 —— 这是最贵的 run type 之一，先用短片段验证效果
• URL 必须公网可访问 —— 两个输入都由供应商抓取，无法访问的 URL 会以 1402 失败

下一步

• 完整工作流教程 —— 端到端示例
• 如何生成语音 —— 制作音频输入
• 如何用图像生成视频 —— 不带音频地让静态图动起来