Pruna AI

P-Video 2 Pro Avatar

p-video-2-pro-avatar

Modelo de vídeo falante com rosto de retrato da Pruna AI, que a partir de uma única foto de retrato gera clipes de locução com sincronização labial e mudanças de expressão, podendo ser acionado por áudio enviado ou ler o roteiro diretamente com a síntese de voz integrada, ideal para explicações de cursos, dublagem multilíngue e produção em lote de vídeos curtos com avatares digitais

p-video-2-pro-avatar

Experimentar p-video-2-pro-avatar

Entrada

Criações

Ver todas as criações

Saída

video

Preencha os parâmetros e gere — os resultados aparecerão aqui.

Preços

p-video-2-pro-avatar per second

Especificações	Preço unitário
480P	$0.0286
768P	$0.0572
1080P	$0.0858
2K	$0.1143
4K	$0.1715

Visão geral do posicionamento

Modelo de geração de vídeo voltado para cenários de apresentação com avatares digitais: basta enviar um retrato de uma pessoa como primeiro quadro e, em seguida, fornecer um áudio de voz ou inserir um texto de roteiro para gerar um vídeo da pessoa falando. O roteiro é narrado pela voz integrada, com opção de várias timbres e idiomas, e prompts descrevem os movimentos e a expressão da pessoa enquanto fala. Indicado para criadores de conteúdo que precisam de uma figura humana real em cena, como aulas expositivas, peças de marketing com narração falada e vídeos curtos para redes sociais, eliminando as etapas de filmagem e de sincronização labial.

Destaques principais

Um único retrato já impulsiona o vídeo de fala — é necessário apenas um retrato da pessoa como primeiro quadro, sem precisar de material de vídeo existente, para gerar a cena da pessoa falando.
Duas formas de condução: áudio e roteiro — é possível enviar um áudio de voz de até 3 minutos ou inserir um roteiro para ser narrado pela voz integrada, com a duração do vídeo acompanhando a do áudio.
Controle de expressão e movimento por prompts — use prompts para descrever a aparência, os movimentos e a expressão da pessoa ao falar, e defina uma semente aleatória para reproduzir o resultado.
Várias resoluções para atender às necessidades de produção — há cinco opções de resolução: 480p, 768p, 1080p, 2k e 4k, facilitando a escolha da qualidade conforme a plataforma de publicação.

Descrição das capacidades

Vídeo de fala guiado por retrato: forneça, por meio de um link HTTPS, um retrato da pessoa nos formatos jpg, jpeg, png ou webp como primeiro quadro para gerar um vídeo da pessoa falando, com o conteúdo da cena descrito pelo prompt quanto à aparência, aos movimentos e à expressão.

Sincronização labial por áudio enviado: forneça um link HTTPS de áudio de voz; a duração do vídeo será igual à do áudio, com no máximo 3 minutos; ao usar a especificação 4k, o áudio pode ter no máximo 125 segundos. Nesse caso, as configurações de roteiro, timbre, idioma e estilo de voz deixam de ter efeito.

Sincronização labial por conversão de roteiro em fala: quando nenhum áudio é fornecido, insira um roteiro de até 5000 caracteres, que será narrado pela voz integrada para gerar o vídeo; o idioma do roteiro deve ser escolhido entre os dez idiomas disponíveis, e é possível usar até 1000 caracteres de descrição de estilo de voz para definir o tom e o ritmo.

Escolha de timbre e parâmetros de imagem: é possível selecionar um entre 30 timbres integrados para narrar o roteiro, descrever a imagem com um prompt de até 2000 caracteres e definir uma semente aleatória entre 0 e 2147483647; a resolução é escolhida entre 480p, 768p, 1080p, 2k e 4k, com padrão de 768p.

Cenários de aplicação

Vídeos de narração em lote para instrutores de cursos — o instrutor fornece o retrato e o roteiro da explicação para gerar em lote vídeos de apresentação com a pessoa em cena, destinados à publicação em cursos online ou colunas de conhecimento.
Narração com imagem real para materiais de marketing — a equipe de operações usa o retrato do porta-voz do produto junto com o texto promocional para gerar trechos narrados e veiculá-los em feeds ou contas sociais da marca.
Produção final a partir de gravações já existentes — o criador envia a própria gravação de voz e o retrato, fazendo a sincronização labial da imagem acompanhar o áudio para produzir diretamente vídeos curtos para redes sociais.
Conversão de retrato estático em vídeo de fala — use uma foto existente da pessoa com um roteiro ou áudio para gerar uma cena de fala com expressões e sincronização labial, destinada a colunas de avatar digital ou páginas de apresentação.

Limitações e recomendações de seleção

O roteiro e o prompt têm limites de comprimento: o prompt tem no máximo 2000 caracteres, o roteiro no máximo 5000 caracteres e a descrição de estilo de voz no máximo 1000 caracteres. A voz integrada não oferece suporte ao chinês; o idioma do roteiro deve ser escolhido entre inglês, espanhol, francês, alemão, italiano, português (Brasil), japonês, coreano e hindi. A duração do vídeo é determinada pelo áudio, com no máximo 3 minutos; ao usar a especificação 4k, o áudio pode ter no máximo 125 segundos.

Novidades

Ver o changelog →

Novo modelo P-Video 2 Pro Avatar disponível: um retrato mais áudio ou roteiro para gerar vídeos de fala de até 3 minutos Nov 12, 2026

Perguntas frequentes

Ver todas as perguntas →

Que áudio usar para dar vida ao avatar digital?

Use audio_url para passar um link de áudio HTTPS; a duração do vídeo é igual à duração do áudio, com no máximo 3 minutos (4k no máximo 125 segundos). Depois de passar o áudio, script, voice, voice_language e voice_prompt não terão efeito; se ambos forem passados, o áudio prevalecerá.
Qual é o comprimento máximo de texto do script que posso inserir?

O campo script aceita no máximo 5000 caracteres, mas a duração final do vídeo é determinada pela duração da fala do script lido pelo TTS integrado, com limite de 3 minutos; quando estiver próximo do limite, recomenda-se primeiro encurtar o texto ou gerar em segmentos.
Como escrever melhores prompts para vídeos de locução?

O prompt descreve a aparência, os movimentos e a expressão da pessoa enquanto fala, sem escrever falas. Recomenda-se seguir a ordem «aparência da pessoa → amplitude dos movimentos → expressão e direção do olhar → sensação de câmera», por exemplo «um homem de terno escuro, sentado naturalmente, assentindo ocasionalmente, sorrindo e olhando para a câmera, plano médio fixo», mantendo-se dentro de 2000 caracteres; o valor padrão é apenas «The person is talking.».
Quais idiomas e vozes são suportados?

voice_language tem 10 idiomas: inglês americano, inglês britânico, espanhol, francês, alemão, italiano, português brasileiro, japonês, coreano e hindi; chinês ainda não está incluído. voice tem 30 vozes predefinidas, com o gênero indicado no nome, e o padrão é Zephyr (Female). O texto de script deve corresponder ao idioma selecionado.

Criar uma tarefa de geração

POST https://api.hiapi.ai/v1/tasks

Cabeçalhos

AuthorizationstringObrigatório

Chave de API da conta. Obrigatória em toda requisição. Exemplo: Bearer YOUR_HIAPI_API_KEY. Obter chave de API

Content-TypestringOpcional

O corpo da requisição é sempre interpretado como JSON; se enviado, apenas application/json (charset opcional) é aceito — qualquer outro valor retorna 415. Exemplo: application/json.

Idempotency-KeystringOpcional

Chave de idempotência, até 255 bytes. Retries com a mesma chave da mesma conta criam a tarefa apenas uma vez; replays retornam o taskId original.

Chave de idempotência

Em timeouts de rede ou retries automáticos do cliente, a mesma chave cria a tarefa apenas uma vez, sem cobrança duplicada (escopo = a conta da chave de API). Use um identificador de negócio exclusivo (ex.: "order-42"); replays retornam o taskId original e as chaves expiram 24 h após a primeira requisição. A matriz completa de cenários está na introdução da API assíncrona unificada.

Corpo

modelstringObrigatório

Valor fixo atual: p-video-2-pro-avatar

routestringOpcional

Valor fixo atual: default

inputobjectObrigatório

Objeto de parâmetros de negócio para p-video-2-pro-avatar e a rota default — veja a tabela de parâmetros abaixo.

seedintegerOpcionalmin 0max 2147483647

Semente aleatória, use um número inteiro de 0 a 2147483647; fornecer a mesma semente e manter as outras entradas inalteradas ajuda a reproduzir o resultado; se não for fornecida, será aleatória.

voicestringOpcionalPadrão: "Zephyr (Female)"

A voz usada pela síntese de fala integrada, padrão Zephyr (Female). Este parâmetro é ignorado quando audio_url é fornecido.

Opções:Zephyr (Female)Puck (Male)Charon (Male)Kore (Female)Fenrir (Male)Leda (Female)Orus (Male)Aoede (Female)

Mostrar tudo (22)Mostrar menos

Callirrhoe (Female)Autonoe (Female)Enceladus (Male)Iapetus (Male)Umbriel (Male)Algenib (Male)Despina (Female)Erinome (Female)Laomedeia (Female)Achernar (Female)Algieba (Male)Schedar (Male)Gacrux (Female)Pulcherrima (Female)Achird (Male)Zubenelgenubi (Male)Vindemiatrix (Female)Sadachbia (Male)Sadaltager (Male)Sulafat (Female)Alnilam (Male)Rasalgethi (Male)

promptstringOpcionalPadrão: "The person is talking."maxLength 2000

Descrição do conteúdo do vídeo, explicando a aparência, os movimentos e o comportamento da pessoa enquanto fala; padrão 「The person is talking.」.

scriptstringOpcionalmaxLength 5000

O texto exato que o avatar digital irá ler, escrito no voice_language selecionado (não suporta chinês). Obrigatório quando audio_url não é fornecido; a duração da leitura determina a duração do vídeo, com máximo de 3 minutos.

audio_urlstringOpcionalpattern ^https://

URL HTTPS do áudio de voz, com máximo de 3 minutos (máximo de 125 segundos na resolução 4k); a duração do vídeo corresponde à do áudio. Quando fornecido, script, voice, voice_language e voice_prompt são ignorados.

image_urlstringObrigatóriopattern ^https://

URL HTTPS da imagem de retrato da pessoa que fala, usada como primeiro quadro do vídeo; suporta os formatos jpg, jpeg, png e webp.

resolutionstringOpcionalPadrão: "768p"

Resolução de saída, opções 480p, 768p, 1080p, 2k, 4k, padrão 768p; quanto maior a resolução, maior o custo.

Opções:480p768p1080p2k4k

voice_promptstringOpcionalPadrão: "Say the following."maxLength 1000

Instrução de estilo de voz, usada para descrever tom, ritmo, sotaque ou emoção e outras formas de expressão; não será lida em voz alta; padrão 「Say the following.」. É ignorado quando audio_url é fornecido.

voice_languagestringOpcionalPadrão: "English (US)"

O idioma usado no texto de script, padrão English (US). É ignorado quando audio_url é fornecido.

Opções:English (US)English (UK)SpanishFrenchGermanItalianPortuguese (Brazil)Japanese

Mostrar tudo (2)Mostrar menos

KoreanHindi

callbackobjectOpcional

Configuração de notificação de estado terminal. Se omitida, sem callback: consulte a tarefa por conta própria.

Callbacks (Webhook)

Informe callback.url na criação e o HiAPI fará POST no seu serviço no estado terminal, sem polling. O corpo do callback replica a estrutura do detalhe da tarefa; assinatura, retries e idempotência estão descritos na introdução da API assíncrona unificada.

urlstringObrigatório

Obrigatória se callback estiver presente. No estado terminal é enviado um POST para esta URL; deve ser uma URL http(s) válida.

whenstringOpcionalPadrão: "final"

Atualmente só há suporte a final — notifica tanto em success quanto em fail.

Opções:final

storagestringOpcionalPadrão: "temp"

Nível de armazenamento de artefatos: temp (padrão, ~7 dias) ou persistent (longo prazo, cobrado por tamanho). Saldo insuficiente ou limite excedido ⇒ rebaixamento silencioso para temp; o nível efetivo aparece na resposta de detalhes.

Opções:temppersistent

Exemplos de requisição

# Envia uma tarefa assíncrona; retorna um taskId imediatamente (sem esperar a geração)
curl -X POST "https://api.hiapi.ai/v1/tasks" \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "p-video-2-pro-avatar",
  "input": {
    "voice": "Zephyr (Female)",
    "prompt": "The person is talking.",
    "image_url": "…",
    "resolution": "768p",
    "voice_prompt": "Say the following.",
    "voice_language": "English (US)"
  }
}'

const res = await fetch("https://api.hiapi.ai/v1/tasks", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${process.env.HIAPI_API_KEY}`,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    model: "p-video-2-pro-avatar",
    input: {
      "voice": "Zephyr (Female)",
      "prompt": "The person is talking.",
      "image_url": "…",
      "resolution": "768p",
      "voice_prompt": "Say the following.",
      "voice_language": "English (US)"
    }
  }),
});
const task = await res.json();
// { code: 200, message: "success", data: { taskId } }

import os, requests

res = requests.post(
    "https://api.hiapi.ai/v1/tasks",
    headers={"Authorization": f"Bearer {os.environ['HIAPI_API_KEY']}"},
    json={
        "model": "p-video-2-pro-avatar",
        "input": {
          "voice": "Zephyr (Female)",
          "prompt": "The person is talking.",
          "image_url": "…",
          "resolution": "768p",
          "voice_prompt": "Say the following.",
          "voice_language": "English (US)"
        }
    },
)
print(res.json())  # { code, message, data: { taskId } }

200 OK

{
  "code": 200,
  "message": "success",
  "data": {
    "taskId": "tk-hiapi-01HZTQ8BX2N3GM3YFK4Z9D7VQR"
  }
}

400 Bad Request

{
  "code": 400,
  "message": "invalid request",
  "data": null,
  "error_code": "INVALID_REQUEST"
}

Obter detalhes da tarefa

GET https://api.hiapi.ai/v1/tasks/:id

Campos da resposta

taskIdstringObrigatório

ID da tarefa, sempre com prefixo tk-hiapi-.

modelstringObrigatório

Nome completo resolvido do modelo. Tarefas enviadas com o parâmetro route retornam base@route (ex.: gpt-image-2/text-to-image@ext); caso contrário, igual ao nome enviado.

routestringOpcional

Presente apenas se o parâmetro route explícito foi usado; ecoa o valor enviado.

statusstringObrigatório

Estado da tarefa.

Valores de status

queued Na fila, ainda não iniciada. handling Em processamento. archiving Processamento concluído, preparando artefatos. success Terminal: concluído, artefatos disponíveis (retorna output). fail Terminal: falha (retorna error). Após o envio, acompanhe status: success e fail são terminais, os demais não. Faça polling a cada 1–3 s até o estado terminal. Em caso de sucesso, baixe os artefatos em output[].url e transfira antes de expireAt; para retenção longa, use storage: "persistent" na criação.

creatednumberObrigatório

Momento de criação da tarefa (segundos Unix).

completednumberObrigatório

Segundos Unix do estado terminal; 0 enquanto não terminal.

outputarrayOpcional

Presente apenas com status == success. Lista de artefatos — sempre um array; uma tarefa pode retornar vários types ao mesmo tempo (ex.: video + first_frame).

Array [ object ]

Itens do array

urlstringObrigatório

URL do artefato, baixável diretamente.

typestringObrigatório

Valores possíveis no momento: video, image, audio, first_frame, last_frame, thumbnail; poderão ser ampliados.

expireAtnumberObrigatório

Segundos Unix de disponibilidade do artefato; baixe ou transfira antes da expiração.

errorobjectOpcional

Presente apenas com status == fail.

codestringObrigatório

Código de erro de negócio.

messagestringObrigatório

Descrição do erro.

Exemplos de resposta

Sucesso

{
  "code": 200,
  "message": "success",
  "data": {
    "taskId": "tk-hiapi-01HZTQ8BX2N3GM3YFK4Z9D7VQR",
    "model": "happyhorse-1-0",
    "status": "success",
    "created": 1777282033,
    "completed": 1777282099,
    "output": [
      {
        "url": "https://cdn.hiapi.ai/tasks/.../video.mp4",
        "type": "video",
        "expireAt": 1777886899
      }
    ]
  }
}

Em processamento (não final)

{
  "code": 200,
  "message": "success",
  "data": {
    "taskId": "tk-hiapi-...",
    "model": "happyhorse-1-0",
    "status": "archiving",
    "created": 1777282033,
    "completed": 0
  }
}

Falhou

{
  "code": 200,
  "message": "success",
  "data": {
    "taskId": "tk-hiapi-...",
    "model": "happyhorse-1-0",
    "status": "fail",
    "created": 1777282033,
    "completed": 1777282099,
    "error": {
      "code": "TASK_FAILED",
      "message": "task failed"
    }
  }
}