完整工作流教程

把多个模型串联成一条流水线：先生成人像，再生成旁白，最后用两者驱动一个会说话的数字人。

核心思路是：每个任务的输出都是一个 URL，这些 URL 可以直接作为下一个任务的输入，中间不需要下载再上传。

前置条件

• 一个已充值的 Get3W 账户
• 从 get3w.com/api-keys 获取的 API Key
• Python 3.9+ 以及 requests

pip install requests
export GET3W_API_KEY="sk_your-api-key"

辅助函数

两个小函数覆盖两种调用方式 —— 快任务用同步，慢任务用提交加轮询：

import os
import time
import requests

BASE = "https://api.get3w.com/v1"
HEADERS = {
    "Authorization": f"Bearer {os.environ['GET3W_API_KEY']}",
    "Content-Type": "application/json",
}


def run_sync(slug: str, payload: dict) -> dict:
    """For fast tasks: block until the result comes back."""
    response = requests.post(
        f"{BASE}/{slug}", headers=HEADERS, params={"sync": "true"}, json=payload
    )
    response.raise_for_status()
    return response.json()


def run_async(slug: str, payload: dict, interval: int = 10) -> dict:
    """For slow tasks: submit, then poll until terminal."""
    task = requests.post(f"{BASE}/{slug}", headers=HEADERS, json=payload)
    task.raise_for_status()
    request_id = task.json()["id"]

    while True:
        result = requests.get(
            f"{BASE}/requests/{request_id}", headers=HEADERS
        ).json()
        if result["status"] in ("completed", "failed"):
            return result
        time.sleep(interval)


def first_output(result: dict) -> str:
    if result["status"] != "completed":
        raise RuntimeError(f"Task {result['id']} failed "
                           f"({result.get('code')}): {result.get('error')}")
    return result["outputs"][0]

第一步：生成人像

image = run_sync("google/nano-banana-pro/text-to-image", {
    "prompt": "Professional headshot of a friendly business woman, "
              "studio lighting, plain white background",
    "aspect_ratio": "1:1",
    "resolution": "1k",
    "output_format": "png",
    "channel": "stable",
})
image_url = first_output(image)

第二步：生成旁白

speech = run_sync("elevenlabs/eleven-3/text-to-speech", {
    "text": "Hello! Welcome to Get3W. Let me show you how easy it is "
            "to create AI-powered content.",
})
audio_url = first_output(speech)

第三步：制作会说话的数字人

数字人任务需要几分钟，所以这一步走 run_async：

video = run_async("bytedance/omnihuman-1.5/digital-human", {
    "image_url": image_url,
    "audio_url": audio_url,
})
video_url = first_output(video)

完整脚本

print("Step 1: generating portrait...")
image_url = first_output(run_sync("google/nano-banana-pro/text-to-image", {
    "prompt": "Professional headshot of a friendly business woman, "
              "studio lighting, plain white background",
    "aspect_ratio": "1:1",
    "resolution": "1k",
    "output_format": "png",
    "channel": "stable",
}))
print(f"  {image_url}")

print("Step 2: generating narration...")
audio_url = first_output(run_sync("elevenlabs/eleven-3/text-to-speech", {
    "text": "Hello! Welcome to Get3W. Let me show you how easy it is "
            "to create AI-powered content.",
}))
print(f"  {audio_url}")

print("Step 3: creating talking avatar (this takes a few minutes)...")
video_url = first_output(run_async("bytedance/omnihuman-1.5/digital-human", {
    "image_url": image_url,
    "audio_url": audio_url,
}))
print(f"  {video_url}")

print("Done.")

生产环境注意事项

• 规模化运行时用 webhook 替代轮询。提交时传入 ?webhook=<your-url>，结果到达时再处理 —— 详见 Webhook 模式。
• 长时间运行前先确认余额。 每个任务在执行前都会计价，余额不足会直接返回 402，批量任务可能中途停下。
• 需要保留的输出请及时下载。 存放在 Get3W 上的文件仅保留当月和上一个月。
• 逐步骤处理失败。 失败的任务返回 HTTP 200 并带 status: "failed"；code 能告诉你是否值得重试。5000、5003 和 5004 属于临时性错误；1200 和 1401 不是。

成本

成本取决于你选择的模型、通道、分辨率和时长，以及账户等级对应的折扣。图像和语音步骤很便宜，数字人步骤占了总成本的大头。网页端会在运行前给出预估，各模型页面也列出了自身的价格。

下一步

• 如何降低成本 —— 优化开销
• 如何使用 Webhook —— 生产级异步方案
• API 参考 —— 完整接口参考