配音
通过 Direct API 用 dub_media 在 Morphic Dub 上把视频配音成另一种语言：先报价，跟踪生成任务，并读取结算后的费用。
dub_media 以说话者自己的声音把一段录音配音成另一种语言。在 Morphic Dub（mdl_h2z5a7af7y50）上，它接收最长 10 分钟的视频，并返回同一个视频、同样的时长，每位说话者都以自己的声音重新配音，特写镜头的口型与新语音同步。这是一次耗时很长的生成，每分钟视频最多约 13 分钟，启动时扣除的是估算费用，之后按本次运行的实际消耗结算。
选择模型
| 模型 | model_id | 输入 | 输出 |
|---|---|---|---|
| Morphic Dub | mdl_h2z5a7af7y50 | 一个视频，最长 10 分钟 | 该视频，已配音并同步口型 |
| ElevenLabs Dubbing | 见 目录 | 一个音频或视频文件，最长 30 分钟 | 一个音频文件，时长与源文件相同 |
省略 model_id 时，视频会在你组织的默认配音模型上运行，付费套餐的默认模型是 Morphic Dub。写明 mdl_h2z5a7af7y50 可将其固定。音频文件或超过 10 分钟的视频会被 Morphic Dub 以 422 拒绝并说明限制；请把它们发送给 ElevenLabs Dubbing。
输入
| 字段 | 必填 | |
|---|---|---|
media_asset_id | 是 | 要配音的视频：来自 list_assets 的素材 ID、一次已完成生成的素材，或一个公开的 HTTPS URL（参见 传入你自己的媒体） |
target_language | 是 | 一个 BCP-47 标签，例如 hi、es 或 pt-BR。每次调用一种语言；要面向多个市场，请每种语言各调用一次。Morphic Dub 会用地区变体的主要语言配音，并在响应的 notice 中说明 |
source_language | 否 | 所说的语言，以 BCP-47 标签表示。省略则自动检测；当音频嘈杂或混用多种语言时请设置 |
keyterms | 否 | 翻译时保留原词的人名、地名和品牌，每项最多 5 个词 |
voice_mode | 否 | original（默认）保留每位说话者自己的声音；assigned 让每个人用声音库中的声音说话。仅限 Morphic Dub |
voices | 否 | 谁用哪个声音说话，最多 20 个条目；需要 voice_mode: "assigned"。见 指定声音 |
source_transcript_asset_id | 否 | 你自己的、以所说语言写成的带时间轴语音 SRT，用于代替转写；在 Morphic Dub 上需要 voice_mode: "assigned"，在 ElevenLabs Dubbing 上需要 source_language |
translation_asset_id | 否 | 你自己的、以目标语言写成的带时间轴台词 SRT，用于代替翻译；在 Morphic Dub 上需要 voice_mode: "assigned"，在 ElevenLabs Dubbing 上只能与 source_transcript_asset_id 一起传入 |
model_id | 否 | mdl_h2z5a7af7y50 表示 Morphic Dub。带有 voice_mode: "assigned"、voices 或任一 SRT 但未指定模型的调用会在 Morphic Dub 上运行；与它们一起指定其他模型会被拒绝 |
project_id | 是 | 配音所归属的项目，来自 list_projects |
没有音频流的视频，或 target_language 与你设置的 source_language 相同，会在扣费之前被拒绝。
指定声音、自带转写或翻译
默认情况下，每位说话者都保留自己的声音，由 Morphic 转写和翻译语音。使用 voice_mode: "assigned" 时，每个人改用 Morphic 声音库中的声音说话，而你可以交出自己的文本。在 Morphic Dub 上，自带转写或翻译需要 assigned：原声是在一次既不接收演员表也不接收文本的流程中配音的，带 original 发送其中任一项的调用会以 422 被拒绝并指出该字段。
- 列出配音可以指定的声音：以
model_id: "mdl_h2z5a7af7y50"调用list_voices。它不需要任何权限范围，并返回每个声音的voice_id。仅限声音库声音；你组织的声音会被拒绝 - 对于以面部图片或片段指明的说话者，把素材的 ID 或其 HTTPS URL 作为
speaker_asset_id传入；否则在speaker_description中描述此人（最多 120 个字符，不含;、=或"）。每个条目二者只能取其一，每位说话者只出现一次；你省略的说话者会获得一个合适的声音库声音 - 对于你自己的 SRT，把它的 HTTPS URL 或你素材库中已有的 SRT 文档的 ID（
list_assets会显示它）作为source_transcript_asset_id（所说语言）或translation_asset_id（目标语言）传入；URL 会在配音开始前作为文档添加到项目中，与其他 按 URL 传入的文件 一样。这两个字段接收两个不同的文件
{
"input": {
"media_asset_id": "01928f4e-…",
"target_language": "es",
"voice_mode": "assigned",
"voices": [
{ "speaker_asset_id": "https://cdn.example.com/host-face.jpg", "voice_id": "0192b1c0-…" },
{ "speaker_description": "the narrator", "voice_id": "0192b1c1-…" }
],
"source_transcript_asset_id": "https://cdn.example.com/interview.en.srt",
"translation_asset_id": "https://cdn.example.com/interview.es.srt",
"model_id": "mdl_h2z5a7af7y50",
"project_id": "01928f4e-…"
}
}两种声音模式按相同费率计费。
通过 MCP，这两个 SRT 字段在 ElevenLabs Dubbing 上同样可用，配合 model_name: "ElevenLabs Dubbing" 且不带声音：每位说话者都保留自己的声音；source_language 为必填，因为引擎无法从转写中检测语言；translation_asset_id 只能与 source_transcript_asset_id 一起传入，且每条转写字幕都要有一条对应的翻译字幕。当大多数字幕条以说话者标签开头（例如 Mira: …）时，由标签决定谁在何时说话，每位说话者一个声音。ElevenLabs Dubbing 没有 model_id，因此通过 Direct API 带自带文本的配音会在 Morphic Dub 上运行。
先报价
配音按源文件的时长、每种语言计价。plan_media 可以在不启动调用的情况下给出价格；在 Morphic Dub 上，报价就是启动时将扣除的估算费用，结算后可能有所变动。
{
"input": {
"steps": [
{ "id": "dub", "tool_name": "dub_media", "arguments_json": "{\"media_asset_id\":\"01928f4e-…\",\"target_language\":\"hi\",\"model_id\":\"mdl_h2z5a7af7y50\"}" }
]
}
}完整调用见 先报价再消费。
启动配音
curl -s https://mcp.morphic.com/v1/direct/tools/dub_media \
-H "Authorization: Bearer $MORPHIC_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: dub-interview-hi-1" \
-d '{
"input": {
"media_asset_id": "https://cdn.example.com/interview.mp4",
"target_language": "hi",
"keyterms": ["Arjun", "Meera"],
"model_id": "mdl_h2z5a7af7y50",
"project_id": "01928f4e-…"
}
}'响应为 202 Accepted：
{
"result": {
"generation_id": "0192a7b3-a1c4-7e02-8f9d-1a2b3c4d5e6f",
"status": "queued",
"model_id": "mdl_h2z5a7af7y50",
"estimated_credits": 580,
"credits_settle_on_output_duration": true
},
"billing": { "credits_charged": 580, "credits_are_final": false }
}estimated_credits 是现在扣除的估算费用；credits_settle_on_output_duration: true 表示它之后会被结算。
跟踪生成任务
Morphic Dub 上的一次配音每分钟视频最多需要约 13 分钟，而短片段的用时会超过这一比例，因为固定阶段无论时长如何花费都相同：一段 50 秒的片段用了 17 分钟。不要一开始就轮询。先等待约片段时长的 13 倍，然后用长等待读取，并按每次读取返回的 poll_after_seconds 逐步退避。
sleep 660 # a 50 s clip: about 13 times its length
curl -s "https://mcp.morphic.com/v1/direct/generations/$GENERATION_ID?wait=45" \
-H "Authorization: Bearer $MORPHIC_API_KEY"Webhook 可以让你省去这个循环：在调用体中传入已注册的 webhook_id，配音进入最终状态时 Morphic 会调用你的端点。以 webhook 作为主要信号，并偶尔轮询作为兜底。
当生成任务变为 succeeded 时，它的 assets 中就是配好音的视频。当配音实际运行的输入与给定的不同时（例如地区变体用其主要语言配音），响应的 notice 会被设置。
费用
Morphic Dub 按源文件的时长、以你组织的 API 费率、每种语言计费：
- 启动时，扣除估算费用：
estimated_credits，也就是billing.credits_charged - 配音完成时，费用按本次运行的实际消耗结算。结算金额可能低于或高于估算，但绝不会超过估算的三倍；超出的部分由 Morphic 承担
- 生成任务进入最终状态后，
billing.credits_charged是结算后的净金额，credits_are_final为true。失败或被取消的配音会全额退款
进入最终状态后再读取一次生成任务，即可获得结算金额；webhook 只会在进入最终状态后发送。账目明细见 积分与用量。
如果您遇到任何问题或有任何疑问，欢迎随时联系我们。我们很乐意提供帮助。请发送邮件至 support@morphic.com.