甚麼是 AI 虛擬人像影片 API？

AI 虛擬人像影片 API 會將數碼主持人加上文字或錄音音訊，轉換成對口型的影片，讓應用程式可透過程式方式生成。VisionStory 接受已驗證的伺服器端請求，會即時返回影片 ID，以非同步方式渲染任務，並在生成完成後提供 MP4 URL。

我可以點樣用 VisionStory API 生成 AI 虛擬人像影片？

建立 VisionStory API key，確認你有足夠積分，取得目前的模型、虛擬人像及音色 ID，然後將 text_script 或 audio_script 提交到 POST /api/v1/video。API 會即時返回影片 ID。之後每隔約 5 秒輪詢一次任務，直到狀態變為 created，再從 video_url 下載 MP4。

我應該用 REST API、Python SDK 定 CLI？

需要與語言無關的控制時用 REST；建立 Python 服務或 notebook 時用 Python SDK；而 CLI 則適合終端機自動化、CI 或批量生成。三種介面都使用同一套 VisionStory 資源及非同步影片工作流程。

Codex、Claude Code 或 Cursor 可以幫我生成虛擬人像影片嗎？

可以。安裝 VisionStory Agent Skill 或連接 VisionStory MCP server。支援的 coding agent 可確認積分、列出目前模型／虛擬人像／音色、準備有效請求、啟動影片任務、監控進度並下載結果，同時令 API key 保持在你的環境變數或 MCP 的秘密儲存中。

我可以用音訊而唔係文字嚟生成虛擬人像影片嗎？

可以。如果你想虛擬人像根據錄音說話，就提交 audio_script；如果需要 VisionStory 合成語音，就提交帶有音色 ID 的 text_script。每次請求只用其中一種 script 類型，唔好同時提交兩者。

生產環境整合應該點樣處理影片生成？

將影片製作視為非同步任務。儲存你的 client request ID 以及返回的影片 ID，每隔約 5 秒輪詢一次，當任務到達 created 或 failed 就停止。已完成影片的 URL 會保留 7 日，如有需要請將完成的媒體複製到你自家永久儲存。

我應該將 VisionStory API key 儲存喺邊度？

將 VISIONSTORY_API_KEY 存放於伺服器環境變數、CI secret，或 MCP client secret store，並透過 X-API-Key request header 傳送。切勿將 key 嵌入瀏覽器程式碼、流動應用程式 bundle、公開 repository、截圖、log，或 AI 對話訊息中。

Avatar Video API 可以同啲乜嘢一齊用？

你可以將虛擬人像影片結合文字轉語音、公開或複製音色、可重用的圖片與音訊素材、轉錄、AI 圖片生成，以及前沿影片模型。呢啲基礎能力可支援本地化解說影片、個人化觸達、自動化學習內容，以及 AI-agent 媒體工作流程。

VisionStory API
為開發者而設

用 VisionStory REST API 或 Python SDK，由文字或音訊製作對嘴同步的說話虛擬人像影片。查詢現有模型、虛擬人像及音色，提交非同步任務並下載完成的 MP4；或透過 CLI、MCP server 或 Agent Skill 自動化同一套流程。

瀏覽開發者文件

POST /api/v1/video

REST API
Python SDK
CLI
MCP
Agent Skill

Agent 就緒

喺你嘅 Agent 工作嘅地方照樣運作。

複製一段設定訊息畀你嘅 coding agent，或者連接 MCP 伺服器，將 VisionStory 變成可重用工具。

VisionStory CLI

一次安裝，用終端機呼叫所有 API。

安裝程式會喺隔離環境升級到最新嘅 PyPI 版本，你現有嘅 Python 專案唔會受影響。

curl -fsSL https://developers.visionstory.ai/cli | bash

macOS · Linux · WSL安裝選項

將呢個設定提示詞傳送畀 Claude Code

Help me set up VisionStory and generate a talking-avatar video.1. Install or update the CLI and Agent Skill:   curl -fsSL https://developers.visionstory.ai/cli | bash   npx skills add visionstory-ai/skills --skill visionstory-api2. Run visionstory doctor. If I need a key, send me to https://developers.visionstory.ai/api-keys, wait while I create one, then ask me to run visionstory login in my terminal. Never ask me to paste the key into chat or expose it.3. Verify access with visionstory credits. Stop and help me if it fails.4. Discover current models, avatars, and voices, then use the CLI and visionstory-api skill to create and download the video. Never delete anything unless I explicitly request and confirm it.

第一次用？

先建立 API Key，然後將呢段提示詞傳送畀你嘅 coding agent。佢會引導你完成 visionstory 登入、驗證積分，並喺唔會暴露你嘅 key 嘅情況下製作影片。

VisionStory 開發者工具

揀選最適合你技術棧的 API 整合方式。

REST、Python SDK、CLI、MCP server 及 Agent Skill 都使用同一個已驗證的 VisionStory API 同資源 ID。你可以先由其中一個介面開始，之後再將同一套虛擬人像影片流程搬到後端、CI pipeline 或 coding agent。

01REST

呼叫 REST API

用任何後端語言呼叫 VisionStory。列出現有模型、虛擬人像及音色；將一段 text_script 或 audio_script 發送到 POST /api/v1/video；輪詢任務直到建立完成；再下載 MP4。

查看 REST API 參考 02PYTHON

用 Python SDK 開發

使用具型別、零依賴的 Python client，支援以環境變數驗證、組裝 payload、上載、輪詢任務及下載。適用於 Python 應用程式、notebook 及內部媒體服務。

閱讀 Python SDK 快速開始 03CLI

用 CLI 自動化

直接在 terminal、shell script 或 CI job 執行 visionstory doctor：驗證積分、查找資源 ID、生成虛擬人像影片、檢查任務，並下載結果，毋須先建立應用程式。

安裝並驗證 CLI 04MCP / SKILL

連接 AI coding agent

連接 VisionStory MCP server 或安裝 Agent Skill，讓 Codex、Claude Code、Cursor、Windsurf、Cline 及 Gemini 在 API key 保留於本機秘密儲存的情況下，仍可查找資源、生成媒體並下載結果。

連接 MCP 或 Agent Skill

說話虛擬人像 API 快速開始

生成你第一條說話虛擬人像影片。

建立伺服器端 API key、核對你的積分結餘，並查找現有模型、虛擬人像及音色 ID。提交一段 text_script 或 audio_script 到 POST /api/v1/video，約每 5 秒輪詢一次直到任務建立完成，再下載 MP4。已完成影片的 URL 會保留 7 日。

create_video.py

from pathlib import Pathfrom visionstory import VisionStoryClient, build_video_payload client = VisionStoryClient.from_env()payload = build_video_payload(    avatar_id="YOUR_AVATAR_ID",    text="Hello from my product.",    voice_id="YOUR_VOICE_ID",)video = client.generate_video(payload)client.download(video["video_url"], Path("result.mp4"))

VisionStory 模型目錄

按你需要的輸出揀選模型。

先由你要完成的任務出發，再於執行時取得最新模型目錄。API 回應會作為可用 ID、支援參數及輸出限制的最終依據。

由 VisionStory V-Character 說話虛擬人像模型生成的主持人

說話虛擬人像VisionStory

V-Character 4.0

vs_character_v4

VisionStory 原生角色模型只需 1 張人像相片加上文字或錄製音訊，即可生成身份一致、動作表情更生動、對嘴更自然的演出。

文字或錄製音訊
720p、1080p 或 2K
最長 10 分鐘

AI 影片ByteDance

Seedance 2.5

seedance-2.5

製作以 prompt 或圖片帶動的影片，動作連貫自然、鏡頭運動更具電影感，並支援更長的單段 clip。

文字轉影片
圖片轉影片
4–30 秒片段

AI 圖片Google

Nano Banana 2

nano-banana-2

生成高解像度圖片、穩定呈現文字，並可透過對話式、參考引導的編輯不斷優化效果。

Prompt 轉圖片
參考引導編輯
1K 及 2K 輸出

可組合的 AI 媒體 API

整合虛擬人像、音色及 AI 影片 API。

只需 1 個 API key，即可製作說話主持人、合成自然語音、重用自訂虛擬人像／音色／媒體素材，並生成配套影片片段。無需拼接多個供應商，即可打造本地化解說、個人化 onboarding、教育內容、銷售觸達，或由 agent 生成的媒體內容。

核心虛擬人像流程

說話虛擬人像影片 API

由文字或錄製音訊生成對嘴同步的主持人影片。你可以選擇公開虛擬人像，或用 1 張人像相片建立可重用的自訂虛擬人像；再選擇公開或複製的音色，待非同步任務完成後即可取得可下載的 MP4。

音色與語音層

文字轉語音及音色 API

將文字轉換成自然流暢的 MP3 語音，可使用公開或複製的音色，並可在虛擬人像影片及本地化內容中重用同一音色。於執行時查詢音色目錄，毋須硬編碼音色 ID。

由 Agent 主導創作

AI 影片生成 API

從即時目錄中選擇模型，生成文字轉影片、圖片轉影片，以及參考引導式片段。AI agent 可準備提示詞與素材、估算積分、提交任務，並將結果與虛擬人像主持結合。

AI 虛擬人像影片 API 常見問題

提供關於驗證、請求、非同步任務、SDK、CLI 自動化、MCP 以及生產環境使用的直接解答。

AI 虛擬人像影片 API 會將數碼主持人加上文字或錄音音訊，轉換成對口型的影片，讓應用程式可透過程式方式生成。VisionStory 接受已驗證的伺服器端請求，會即時返回影片 ID，以非同步方式渲染任務，並在生成完成後提供 MP4 URL。
建立 VisionStory API key，確認你有足夠積分，取得目前的模型、虛擬人像及音色 ID，然後將 text_script 或 audio_script 提交到 POST /api/v1/video。API 會即時返回影片 ID。之後每隔約 5 秒輪詢一次任務，直到狀態變為 created，再從 video_url 下載 MP4。
需要與語言無關的控制時用 REST；建立 Python 服務或 notebook 時用 Python SDK；而 CLI 則適合終端機自動化、CI 或批量生成。三種介面都使用同一套 VisionStory 資源及非同步影片工作流程。
可以。安裝 VisionStory Agent Skill 或連接 VisionStory MCP server。支援的 coding agent 可確認積分、列出目前模型／虛擬人像／音色、準備有效請求、啟動影片任務、監控進度並下載結果，同時令 API key 保持在你的環境變數或 MCP 的秘密儲存中。
可以。如果你想虛擬人像根據錄音說話，就提交 audio_script；如果需要 VisionStory 合成語音，就提交帶有音色 ID 的 text_script。每次請求只用其中一種 script 類型，唔好同時提交兩者。
將影片製作視為非同步任務。儲存你的 client request ID 以及返回的影片 ID，每隔約 5 秒輪詢一次，當任務到達 created 或 failed 就停止。已完成影片的 URL 會保留 7 日，如有需要請將完成的媒體複製到你自家永久儲存。
將 VISIONSTORY_API_KEY 存放於伺服器環境變數、CI secret，或 MCP client secret store，並透過 X-API-Key request header 傳送。切勿將 key 嵌入瀏覽器程式碼、流動應用程式 bundle、公開 repository、截圖、log，或 AI 對話訊息中。
你可以將虛擬人像影片結合文字轉語音、公開或複製音色、可重用的圖片與音訊素材、轉錄、AI 圖片生成，以及前沿影片模型。呢啲基礎能力可支援本地化解說影片、個人化觸達、自動化學習內容，以及 AI-agent 媒體工作流程。

由一次已驗證請求開始

建立你第一個 AI 虛擬人像影片整合。

建立 API key、確認積分，並跟隨 5 步會說話虛擬人像 quickstart 開始。你可以先用 REST 或 Python 起步，之後按工作流程需要加入 CLI 自動化、MCP 工具或 Agent Skill。請查詢即時資源端點，毋須硬編碼模型、虛擬人像或音色 ID。

建立 VisionStory API key 瀏覽開發者文件