Digital Human Video API
digital-humanデジタルヒューマンは 2 つの URL を渡すだけで動きます。video_url に人物の映像(mp4 / mov)、audio_url に駆動用の音声(mp3 / wav / m4a、最長 30 分)を指定すると、口の動きが音声に合った mp4 が返ってきます。静止画 1 枚から喋る顔を作るのとは別物です。光、動き、背景、カメラワークはすべてあなたの素材のままで、モデルが作り直すのは口元だけなので、仕上がりの中にいるのは「無理に動かされた写真」ではなく、元の映像に写っていたその人のままです。尺は常に音声に従います。音声が映像より長い場合は映像側が自動で延長され(5 秒の映像に 6.2 秒のナレーションを載せて確認済み)、そのため課金も駆動音声の秒数そのままで計算されます。1 秒 $0.01 なので 60 秒のナレーションで $0.60、写真ベースのリップシンク ai-lipsync($0.02/秒)のちょうど半額です。逆に手元に映像がなくポートレート写真しかない場合は、ai-lipsync を使ってください。出力解像度は元映像に追従し、強制的なダウンスケールはありません(1440×2560 で実測)。インターフェースは非同期で、/api/v1/video/generations に model・video_url・audio_url を POST して task_id を受け取り、ポーリングで完成品を取得します。短い素材ならおおむね 2 分ほどで返ります。apimodels.app では成功したタスクのみ課金され、成果物は 7 日間保持されます。必ず、許諾を得た相手・権利を持つ素材にのみご利用ください。
Digital Human Video
$0.01 per second of audio · if the audio outlasts the video, the footage is extended automatically
Result
Your talking video will appear here
Half the Price of Image Lip-Sync
$0.01 per second of audio vs $0.02/s for the image-based ai-lipsync — when you already have footage of the person, this is the more affordable path
Keeps the Original Performance
Lighting, motion, background and camera work come from your footage; only the mouth is re-animated to match the new audio
Length Follows the Audio
Audio longer than the video? The footage is extended automatically — verified with a 6.2s voiceover over a 5s clip
Native Resolution Out
Output matches the source video resolution (tested at 1440×2560) — no forced downscale
Simple Two-URL Contract
POST /api/v1/video/generations with model digital-human, video_url and audio_url — poll the task id for the mp4
Digital Human について
Digital Human は APIMODELS の動画生成 API です。デジタルヒューマンは 2 つの URL を渡すだけで動きます。video_url に人物の映像(mp4 / mov)、audio_url に駆動用の音声(mp3 / wav / m4a、最長 30 分)を指定すると、口の動きが音声に合った mp4 が返ってきます。静止画 1 枚から喋る顔を作るのとは別物です。光、動き、背景、カメラワークはすべてあなたの素材のままで、モデルが作り直すのは口元だけなので、仕上がりの中にいるのは「無理に動かされた写真」ではなく、元の映像に写っていたその人のままです。尺は常に音声に従います。音声が映像より長い場合は映像側が自動で延長され(5 秒の映像に 6.2 秒のナレーションを載せて確認済み)、そのため課金も駆動音声の秒数そのままで計算されます。1 秒 $0.01 なので 60 秒のナレーションで $0.60、写真ベースのリップシンク ai-lipsync($0.02/秒)のちょうど半額です。逆に手元に映像がなくポートレート写真しかない場合は、ai-lipsync を使ってください。出力解像度は元映像に追従し、強制的なダウンスケールはありません(1440×2560 で実測)。インターフェースは非同期で、/api/v1/video/generations に model・video_url・audio_url を POST して task_id を受け取り、ポーリングで完成品を取得します。短い素材ならおおむね 2 分ほどで返ります。apimodels.app では成功したタスクのみ課金され、成果物は 7 日間保持されます。必ず、許諾を得た相手・権利を持つ素材にのみご利用ください。 APIMODELS のプラットフォーム経由なら、統一 API と明朗な従量課金でこのモデルを呼び出せます。 現在の料金: per second of audio: $0.01。
関連モデル: OmniHuman 2.0 — when you only have a photo — OmniHuman 2.0 animates a still portrait from the audio, up to 300 seconds, $0.091 per audio second
主な機能
- Half the Price of Image Lip-Sync -- $0.01 per second of audio vs $0.02/s for the image-based ai-lipsync — when you already have footage of the person, this is the more affordable path
- Keeps the Original Performance -- Lighting, motion, background and camera work come from your footage; only the mouth is re-animated to match the new audio
- Length Follows the Audio -- Audio longer than the video? The footage is extended automatically — verified with a 6.2s voiceover over a 5s clip
- Native Resolution Out -- Output matches the source video resolution (tested at 1440×2560) — no forced downscale
- Simple Two-URL Contract -- POST /api/v1/video/generations with model digital-human, video_url and audio_url — poll the task id for the mp4
ユースケース
販促動画
広告キャンペーンや SNS 施策に向けたブランド動画を短時間で作ります。
SNS 向けショート動画
TikTok、Instagram、YouTube 向けの縦型ショート動画を量産できます。
プロダクトデモ
機能紹介やチュートリアル動画を作り、コンバージョンにつなげます。
教育コンテンツ
講座の解説、知識の説明、研修用の動画を低コストで継続的に作れます。
APIMODELS を選ぶ理由
- 統一 API -- キー 1 本ですべてのモデルへ。プラットフォームごとに登録する必要はありません
- 明朗な料金 -- 従量課金で、1 回あたりの単価は各モデルページに掲載。個人開発者とスタートアップに向いています
- すぐ使える -- 登録した直後から利用でき、支払いはカード・PayPal・Alipay・USDT に対応
- 充実したドキュメント -- cURL / Python / Node.js のサンプル付きで API を詳しく解説
よくある質問
Digital Human の料金は?
Digital Human は APIMODELS 経由で per second of audio: $0.01 で利用できます。課金は従量制で、生成した分だけの支払いです。
Digital Human の API はどう使いますか?
APIMODELS に登録して API キーを取得し、統一エンドポイントを呼ぶだけです。cURL / Python / Node.js のサンプルを含む詳しいドキュメントを用意しています。
Digital Human は「動画生成」カテゴリの他のモデルと比べてどうですか?
APIMODELS では Digital Human が 60 以上のモデルと同じ API キー・同じ残高の上に並んでいるので、選択は「相性」の問題であって「囲い込み」の問題ではありません。Video + Audio、Lip-Sync、Keeps Original Motion、Audio up to 30min、Per-Second Pricing に対応しており、「動画生成」カテゴリの他のモデルと価格・機能を並べて評価できます。乗り換えはモデル名の文字列を 1 つ書き換えるだけ。新しいアカウントも追加の実装も要りません。このカテゴリの選択肢と最新価格は apimodels.app/models で確認できます。
Digital Human で何ができますか?
Digital Human は次に対応しています: Video + Audio、Lip-Sync、Keeps Original Motion、Audio up to 30min、Per-Second Pricing。パラメータの全一覧と呼び出し例は APIMODELS のドキュメントをご覧ください。
Digital Human の API は日本からでも使えますか?
使えます。APIMODELS は国による利用制限を設けておらず、サイトも API もどこからでも利用できます。Digital Human は APIMODELS のキー 1 本で呼び出せるので、モデル提供元のアカウントを別に作る必要はありません。
日本円で払えますか?支払い方法は?
残高と料金は米ドル建てです。支払いはクレジットカード(Visa、Mastercard など。Stripe 経由)、PayPal、Alipay、USDT(TRON の TRC20、BNB Smart Chain の BEP20)に対応しています。円建てのカードや PayPal で払う場合、円への換算はカード会社や PayPal 側で行われます。カード、PayPal、Alipay は支払い後すぐ残高に反映され、USDT はブロックチェーン上で送金が確認されてから反映されます。自動チャージも設定でき、$50 のチャージで $1、$100 で $3 のボーナスが付きます。月額料金はなく、使った分だけの従量課金です。