अगर आपको कुछ इंटीग्रेट नहीं करना और बस वीडियो चाहिए, तो इंजीनियरिंग छोड़ सकते हैं: हमारा स्टूडियो उसी मॉडल को अपलोड वैलिडेशन, ब्राउज़र रिकॉर्डिंग, स्टोरेज और डाउनलोड के साथ देता है।
OmniHuman 2 API रिक्वेस्ट में क्या होता है
रिक्वेस्ट में दो ज़रूरी फ़ील्ड और एक वैकल्पिक फ़ील्ड होती है। इमेज URL उस व्यक्ति (या लोगों) की ओर इशारा करता है जिसे एनिमेट करना है; ऑडियो URL उस बोली या गाने की ओर जो परफ़ॉर्मेंस चलाता है; वैकल्पिक प्रॉम्प्ट मूवमेंट, मूड, सीन की डिटेल और कैमरा मूवमेंट बताता है। नतीजे आमतौर पर क्यू के ज़रिए एसिंक्रोनस तरीके से मिलते हैं: आप सबमिट करते हैं, एक रिक्वेस्ट ID मिलती है, फिर स्टेटस के लिए पोल करते हैं या वीडियो तैयार होने पर वेबहुक पाते हैं।
- image_url — ज़रूरी; एनिमेट की जाने वाली स्टिल इमेज।
- audio_url — ज़रूरी; MP3 या WAV जो लंबाई और लिप सिंक तय करता है।
- prompt — वैकल्पिक; अंग्रेज़ी, चीनी, जापानी, कोरियाई, स्पैनिश (मेक्सिको) और इंडोनेशियाई में सपोर्टेड।
पहले इन इनपुट सीमाओं को वैलिडेट करें
रिजेक्ट हुई रिक्वेस्ट समय और कभी-कभी पैसा बर्बाद करती हैं, इसलिए मॉडल को कॉल करने से पहले अपनी तरफ़ वैलिडेट करें। इमेज JPEG, PNG, WEBP, BMP, TIFF, GIF या HEIC जैसे आम फ़ॉर्मेट में होनी चाहिए, 30 MB से बड़ी नहीं, हर साइड पर 300 से 6000 पिक्सल, और चौड़ाई-ऊँचाई का अनुपात 0.4 से 2.5 तक। ऑडियो WAV या MP3 होना चाहिए, ज़्यादा से ज़्यादा 15 MB, और 4 से 300 सेकंड लंबा।
ब्राउज़र रिकॉर्डिंग आमतौर पर WebM या Opus होती हैं, जिन्हें मॉडल स्वीकार नहीं करता। अपलोड से पहले उन्हें WAV या MP3 में कन्वर्ट करें — हमारा स्टूडियो रिकॉर्डिंग को 22.05 kHz मोनो WAV में री-एनकोड करता है, जिससे पाँच मिनट की क्लिप भी साइज़ लिमिट के अंदर रहती है।
आउटपुट और बिलिंग
पूरा हुआ जॉब एक वीडियो फ़ाइल URL और बिलिंग में इस्तेमाल हुई अवधि लौटाता है, जो इनपुट ऑडियो की लंबाई के बराबर होती है। आउटपुट नेटिव 720p MP4 होता है। प्रोवाइडर के URL एक्सपायर हो सकते हैं, इसलिए प्रोडक्शन सिस्टम को जॉब पूरा होते ही फ़ाइल अपने स्टोरेज में कॉपी करनी चाहिए, न कि सीधे प्रोवाइडर से लिंक करना चाहिए।
क्योंकि खर्च रेंडर हुए सेकंड के हिसाब से बढ़ता है, ऑडियो की अवधि सर्वर पर मापें — ब्राउज़र से भेजी गई अवधि पर कभी भरोसा न करें — और सबमिट करने से पहले खर्च रिज़र्व करें, ताकि एक साथ चल रहे जॉब बैलेंस से ज़्यादा खर्च न कर सकें।
प्रोडक्शन के लिए तैयार फ़्लो
इस साइट पर हर रेंडर के लिए हम यही पैटर्न चलाते हैं:
- 1प्राइवेट स्टोरेज में अपलोडकम समय वाले साइन किए अपलोड URL जारी करें; यूज़र की फ़ोटो के लिए कभी लंबे समय वाले पब्लिक लिंक न खोलें।
- 2सर्वर पर वेरिफ़ाई करेंकोई भी चार्ज लगाने से पहले ऑडियो की लंबाई दोबारा मापें और पक्का करें कि दोनों फ़ाइलें मौजूद हैं।
- 3पहले रिज़र्व, फिर सबमिटएटॉमिक तरीके से क्रेडिट रिज़र्व करें, जॉब सबमिट करें, और सबमिशन फ़ेल होने पर अपने आप रिफ़ंड करें।
- 4आइडेम्पोटेंट तरीके से फ़ाइनलाइज़ करेंवेबहुक या पोल पर नतीजा लें, MP4 स्टोर करें और जॉब को ठीक एक बार पूरा मार्क करें।
कब नो-कोड स्टूडियो बेहतर विकल्प है
ऊपर वाली पाइपलाइन बनाने में कई दिन का काम लगता है: स्टोरेज, वैलिडेशन, क्यू, वेबहुक, रीट्राई और बिलिंग। अगर आपका लक्ष्य प्रोडक्ट फ़ीचर नहीं बल्कि कंटेंट है, तो हमारा स्टूडियो आपको वही OmniHuman 2.0 आउटपुट देता है, जिसमें यह सब पहले से तैयार है। हम खुद कोई पब्लिक API नहीं देते; यह साइट उन क्रिएटर्स और मार्केटर्स के लिए बनी है जिन्हें तैयार वीडियो चाहिए।
फ़ेलियर और रीट्राई संभालना
हर जॉब को ऐसी चीज़ मानें जो फ़ेल हो सकती है: प्रोवाइडर कोई इनपुट रिजेक्ट कर सकता है, लोड में टाइम आउट हो सकता है, या ऐसा नतीजा लौटा सकता है जो डाउनलोड न हो। हर जॉब के लिए एक स्टेटस कॉलम (queued, running, done, failed) रखें, फ़ाइनलाइज़ करने वाले स्टेप को आइडेम्पोटेंट बनाएँ ताकि डुप्लिकेट वेबहुक दो बार प्रोसेस न हो, और फ़ेल होने पर रिज़र्व किया बैलेंस रिफ़ंड करें।
वेबहुक इस्तेमाल करते हुए भी बैकअप के तौर पर पोल करें। लोकल डेवलपमेंट मशीन उन्हें रिसीव नहीं कर सकतीं, और प्रोडक्शन वेबहुक कभी-कभी देर से आते हैं।
- यूज़र को जवाब लौटाने से पहले प्रोवाइडर का रिक्वेस्ट ID स्टोर करें।
- इनपुट URL को उम्मीद के क्यू टाइम से लंबी वैलिडिटी के साथ दोबारा साइन करें।
- प्रोवाइडर की एरर हूबहू लॉग करें; उनमें आमतौर पर ठीक वही सीमा लिखी होती है जो पार हुई।
अक्सर पूछे जाने वाले सवाल
क्या omnihuman2.ai पब्लिक API देता है?
नहीं। हम वेब स्टूडियो के ज़रिए क्रिएटर्स के लिए मॉडल चलाते हैं। डेवलपर ऑफ़िशियल मॉडल प्रोवाइडर्स के ज़रिए OmniHuman 2 इस्तेमाल कर सकते हैं।
OmniHuman 2 API के लिए ऑडियो की अधिकतम लंबाई कितनी है?
300 सेकंड। न्यूनतम 4 सेकंड है, और फ़ाइल 15 MB से कम की MP3 या WAV होनी चाहिए।
API किस रिज़ॉल्यूशन में वीडियो लौटाता है?
वर्ज़न 2.0 नेटिव रूप से 720p में रेंडर करता है और MP4 फ़ाइल लौटाता है।
क्या API सिंक्रोनस है?
आमतौर पर नहीं। जॉब में कुछ मिनट लगते हैं, इसलिए प्रोवाइडर पोलिंग या वेबहुक वाली क्यू इस्तेमाल करते हैं।
क्या WebM रिकॉर्डिंग भेजी जा सकती है?
सीधे नहीं। पहले उसे WAV या MP3 में कन्वर्ट करें; ज़्यादातर ब्राउज़र रिकॉर्डिंग को री-एनकोड करना पड़ता है।
इस्तेमाल का बिल कैसे बनता है?
आउटपुट के सेकंड के हिसाब से, जो आपके इनपुट ऑडियो की लंबाई के बराबर होते हैं।
क्या आउटपुट वीडियो अपने स्टोरेज में कॉपी करना चाहिए?
हाँ। प्रोवाइडर के रिज़ल्ट URL एक्सपायर हो सकते हैं, इसलिए जॉब पूरा होते ही MP4 अपने स्टोरेज में डाउनलोड कर लें।
एक जॉब में आमतौर पर कितना समय लगता है?
यह क्लिप की लंबाई और क्यू के लोड पर निर्भर करता है। हमारे अपने टेस्ट में लगभग पाँच सेकंड की क्लिप शुरू से आख़िर तक करीब दो मिनट में पूरी हुई, इसलिए अपना UI सेकंड नहीं, मिनटों को ध्यान में रखकर बनाएँ।