对口型视频

给一张人物图和一段语音，生成这个人说这段话的视频，口型、表情跟着语音动。中转、提交、轮询和取结果都跟文字 + 图生成视频一样，只换工作流 ID 和参数：

curl -sS https://autodl-proxy.liuhetian.work/api/v1/comfyui/comfyui_workflow/minimax_h3_image_audio_to_video \
  -H "Authorization: Bearer $MY_API_KEY" -H "content-type: application/json" \
  -d '{"ref_image_0": "<人物图 URL 或 data URI>", "ref_audio_0": "<语音 URL 或 data URI>",
       "audio_duration": 10, "resolution": "480p竖"}'

• 必填：ref_image_0、ref_audio_0。这个工作流没有 prompt，画面全靠图和语音
• 时长：audio_duration 是从语音开头截取几秒，1–15 秒，默认 5 秒。语音比这个长的部分会被截掉
• 分辨率：480p、768p、1080p 各有横、竖两种，没有 1:1，默认 768p竖。每秒 480p 0.03 元，768p 0.04 元，1080p 0.09 元
• 做口播：先用生成语音的方案一生成 wav，把它的结果链接填进 ref_audio_0。那个链接 24 小时内有效，按理能直接用，没测过
• 没实测：参数取自 2026-10-02 的元数据。第一次用完，把耗时和结果补进维护记录