Neidio i'r cynnwys

Wan-2.2 Speech-to-Video 14B

Integreiddio

ID y model wan/v2.2-14b/speech-to-video
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/wan/v2.2-14b/speech-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Ffeiliau fel yr enghraifft: $0.50 500 o gredydau API · ≈ ₽53.66 caiff eich ffeiliau eu mesur cyn y rhediad Ei redeg ar y dudalen hon

Cael allwedd API
Alibaba Cydamseru Gwefusau ac Afatarau Cydamseru gwefusauhyd at 720p #audio-to-video#talking-head

Yn creu fideo siarad o ddelwedd lonydd a ffeil sain, wedi'i arwain gan anogiad testun

Wedi'i wneud ar Doitong

Gwaith cyhoeddus a wnaed gyda Wan v22 Large gan gymuned Doitong. Ailddefnyddiwch anogwr mewn un clic.

Gwaith cyhoeddus wedi'i ddangos: 3
Создай 30-секундный обучающий музыкальный ролик для детей 3–5 лет. Тема: транспорт. Яркая 2D-аним... Fideo

Создай 30-секундный обучающий музыкальный ролик для детей 3–5 лет. Тема: транспорт. Яркая 2D-анимация, весёлый водитель в кепке, крупные машины, пастельные цвета. 0:00–0:10 приветствие под музыку; 0:10–0:30 песенка: "Машина едет би-би, би-би", "Поезд едет ту-ту, ту-ту". Бодрая детская музыка...

Создай 30-секундный обучающий музыкальный ролик для детей 3–5 лет. Тема: транспорт. Яркая 2D-аним... Fideo

Создай 30-секундный обучающий музыкальный ролик для детей 3–5 лет. Тема: транспорт. Яркая 2D-анимация, тот же весёлый водитель в кепке, самолёт. 0:00–0:15 песенка: "Самолёт летит вж-ж-ж, вж-ж-ж"; 0:15–0:25 интерактивная пауза: водитель спрашивает "Как гудит машина?", пауза; 0:25–0:30 финальный...

# PROMPT: Animated Mother’s Day greeting card **Format:** vertical video 9:16 **Duration:** 12–15... Fideo

# PROMPT: Animated Mother’s Day greeting card **Format:** vertical video 9:16 **Duration:** 12–15 seconds **Style:** high‑quality Pixar‑inspired 3D animation, cinematic, warm, emotional, charming animated movie aesthetic. ### The main character is a child Use the attached image as the only and...

Adeiladu cais

Cynhyrchir rheolyddion o sgema'r model. Mae'r cod a'r pris yn diweddaru wrth i chi eu newid.

•gofynnol

Anogiad testun a ddefnyddiwyd i gynhyrchu'r fideo.

•gofynnol image_url
Gollyngwch ffeil, neu

URL delwedd ffynhonnell, gyda'r gymhareb agwedd a ddewisir yn pennu a oes angen rhagbrosesu: mae anghysondeb yn sbarduno newid maint ac yna docio o'r canol.

•gofynnol audio_url
Gollyngwch ffeil, neu

URL sy'n pwyntio at y ffeil sain.

resolution rhagosodedig 480p

Cydraniad fideo allbwn: 480p, 580p neu 720p.

rhagosodedig 80

Dewiswch luosrif o 4 o fewn 40–120 i osod faint o fframiau a gynhyrchir.

Uwch negative_prompt · video_quality · video_write_mode · frames_per_second · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker · enable_output_safety_checker
rhagosodedig

Anogiad negyddol a gymhwysir wrth gynhyrchu fideo.

video_quality rhagosodedig high

Gosodiad ansawdd fideo allbwn sy'n cyfnewid ffeiliau mwy am ddelweddau gwell wrth i'r gosodiad gynyddu.

video_write_mode rhagosodedig balanced

Modd ysgrifennu fideo, gyda balanced yn cynnig cyfaddawd rhwng cyflymder ac ansawdd. Dewiswch small ar gyfer y ffeiliau lleiaf a'r ysgrifennu arafaf; mae ysgrifennu cyflymach yn dychwelyd canlyniadau'n gynt ond yn creu ffeiliau mwy.

rhagosodedig 16

Cyfradd ffrâm y fideo a gynhyrchir, gan dderbyn gwerthoedd o 4 i 60; mae gosod `adjust_fps_for_interpolation` i false yn cadw'r gyfradd hon yn ddigyfnewid. Pan ddefnyddir rhyngosod a bod `adjust_fps_for_interpolation` yn true (ei ragosodiad), lluoswch y gyfradd hon ag un plws cyfrif y fframiau rhyngosodedig i gael yr FPS terfynol. Er enghraifft, mae 16 FPS gydag 1 ffrâm ryngosodedig yn dod yn 32 FPS.

rhagosodedig 27

Cyfrif camau samplu, sy'n cyfnewid amser prosesu hirach am ansawdd gwell wrth i'r cyfrif gynyddu.

rhagosodedig 3.5

Cryfder arweiniad di-ddosbarthwr, sy'n cyfnewid colled ansawdd bosibl am gydweddiad agosach â'r anogiad wrth i'r raddfa gynyddu.

rhagosodedig 5

Gosodiad symud fideo, gydag ystod a ganiateir o 1.0–10.0.

Hadau sy'n gwneud cynhyrchu'n atgynhyrchadwy. Mae ei osod i None yn dewis hedyn ar hap.

POST /run/wan/v2.2-14b/speech-to-video?wait=20 dyfynbris → $0.50
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/wan/v2.2-14b/speech-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Rhedeg y cais hwn

Mae'ch allwedd yn aros yn y porwr hwn: caiff ei hanfon at Doitong API yn unig a'i chadw (localStorage) dim ond os ticiwch Cofio. Cael allwedd API

Ynglŷn â Wan-2.2 Speech-to-Video 14B

Mae angen `prompt`, `image_url` ffynhonnell ac `audio_url`, ac mae’n cynhyrchu fideo o’r pwnc yn y ddelwedd wedi’i yrru gan y sain. Mae `num_frames` yn amrywio o 40 i 120 mewn lluosrifau o 4, ar 16 fps yn rhagosodedig. Gall `resolution` fod yn 480p, 580p neu 720p. Gellir addasu camau samplu, arweiniad, rhyngosodiad ac `negative_prompt`.

Paramedrau

Anfonwch naill ai'r enw canonaidd neu'r enw brodorol, nid y ddau. Enwau canonaidd

EnwMath RhagosodedigCaniateir Disgrifiad
promptgofynnol
Mathstring
Anogiad testun a ddefnyddiwyd i gynhyrchu'r fideo.
negative_promptdewisol
Mathstring
Rhagosodedig
Anogiad negyddol a gymhwysir wrth gynhyrchu fideo.
num_framesdewisol
Mathinteger
Rhagosodedig80
40 – 120
Dewiswch luosrif o 4 o fewn 40–120 i osod faint o fframiau a gynhyrchir.
frames_per_seconddewisol
Mathinteger | null
Rhagosodedig16
4 – 60
Cyfradd ffrâm y fideo a gynhyrchir, gan dderbyn gwerthoedd o 4 i 60; mae gosod `adjust_fps_for_interpolation` i false yn cadw'r gyfradd hon yn ddigyfnewid. Pan ddefnyddir rhyngosod a bod `adjust_fps_for_interpolation` yn true (ei ragosodiad), lluoswch y gyfradd hon ag un plws cyfrif y fframiau rhyngosodedig i gael yr FPS terfynol. Er enghraifft, mae 16 FPS gydag 1 ffrâm ryngosodedig yn dod yn 32 FPS.
seeddewisol
Mathinteger | null
Hadau sy'n gwneud cynhyrchu'n atgynhyrchadwy. Mae ei osod i None yn dewis hedyn ar hap.
resolutiondewisol
Mathenum
Rhagosodedig480p
480p580p720p
Cydraniad fideo allbwn: 480p, 580p neu 720p.
num_inference_stepsdewisol
Mathinteger
Rhagosodedig27
2 – 40
Cyfrif camau samplu, sy'n cyfnewid amser prosesu hirach am ansawdd gwell wrth i'r cyfrif gynyddu.
enable_safety_checkerdewisol
Mathboolean
Rhagosodedigfalse
Sgrinio diogelwch mewnbwn cyn prosesu, y gall cyfrifon awdurdodedig yn unig ei ddiffodd. Caiff ceisiadau heb awdurdodiad eu sgrinio bob amser; fel arall, mae true yn galluogi sgrinio.
enable_output_safety_checkerdewisol
Mathboolean
Rhagosodedigfalse
Yn rheoli sgrinio diogelwch y fideo a gynhyrchir; mae gosod true yn galluogi gwiriad ar ôl cynhyrchu.
guidance_scaledewisol
Mathnumber
Rhagosodedig3.5
1 – 10
Cryfder arweiniad di-ddosbarthwr, sy'n cyfnewid colled ansawdd bosibl am gydweddiad agosach â'r anogiad wrth i'r raddfa gynyddu.
shiftdewisol
Mathnumber
Rhagosodedig5
1 – 10
Gosodiad symud fideo, gydag ystod a ganiateir o 1.0–10.0.
video_qualitydewisol
Mathenum
Rhagosodedighigh
lowmediumhighmaximum
Gosodiad ansawdd fideo allbwn sy'n cyfnewid ffeiliau mwy am ddelweddau gwell wrth i'r gosodiad gynyddu.
video_write_modedewisol
Mathenum
Rhagosodedigbalanced
fastbalancedsmall
Modd ysgrifennu fideo, gyda balanced yn cynnig cyfaddawd rhwng cyflymder ac ansawdd. Dewiswch small ar gyfer y ffeiliau lleiaf a'r ysgrifennu arafaf; mae ysgrifennu cyflymach yn dychwelyd canlyniadau'n gynt ond yn creu ffeiliau mwy.
image_urlgofynnol image
Mathurl · image
URL delwedd ffynhonnell, gyda'r gymhareb agwedd a ddewisir yn pennu a oes angen rhagbrosesu: mae anghysondeb yn sbarduno newid maint ac yna docio o'r canol.
audio_urlgofynnol audio
Mathurl · audio
URL sy'n pwyntio at y ffeil sain.
gofynnol Enw canonaidd, derbyniol hefyd

Mae paramedrau ffeil yn derbyn URL cyhoeddus https://, URI data: hyd at 10 MB, neu file_url uwchlwythiad. Ffeiliau

Allbwn

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "wan/v2.2-14b/speech-to-video",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 500,
    "usd": "0.50",
    "charged": 500,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image_url": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_name": "0-output.mp4",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "video",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_size": 1843200,
      "width": 1280,
      "height": 720,
      "duration": 5,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Eich ffeiliau, eich dewisMae pob outputs[].url yn gopi ar ein storio: wedi'i gadw am byth (telir fesul GB-mis) neu am 7 diwrnod am ddim, yn ôl gosodiad eich cyfrif neu ?storage=.
Yr un siâp ar bob modeltype, url, content_type, width, height a duration, ar gyfer delweddau, fideo a sain fel ei gilydd. Gwrthrych canlyniad y model ei hun yw output.
Meysydd yr allbwn
video
object {url, content_type, file_name, file_size}Ffeil fideo a gynhyrchir.

Mwy o fodelau: Cydamseru Gwefusau ac Afatarau

Ar gyfer asiantau AI: mae'r dudalen hon fel Markdown ar gael yn https://doitong.com/cy/developers/models/wan/v2.2-14b/speech-to-video.md. Pob model a chanllaw: https://doitong.com/developers/llms.txt