Wan-2.2 Speech-to-Video 14B

Integrer

Model-id 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"

const API = "https://api.doitong.ru/v1";
const headers = {
  "Authorization": "Bearer " + process.env.DOITONG_API_KEY,
  "Content-Type": "application/json",
};

// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/wan/v2.2-14b/speech-to-video?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "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"
  }),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);

// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
  res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
  request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");

import os
import requests

API = "https://api.doitong.ru/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "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",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/wan/v2.2-14b/speech-to-video", params={"wait": 20}, json=payload, headers=headers)
request = r.json()
if not r.ok:
    raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"])

# Not finished yet: long-poll until it is
while request["status"] in ("queued", "running"):
    request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json()
if request["status"] != "succeeded":
    raise RuntimeError(request["error"])
print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"])

# 1. Connect once (Claude Code; Cursor, VS Code, Claude Desktop: https://doitong.com/da/developers/docs/mcp)
claude mcp add --transport http doitong-models https://api.doitong.ru/v1/mcp \
  --header "Authorization: Bearer $DOITONG_API_KEY"

# 2. Your agent calls the "run" tool with:
{
  "model_id": "wan/v2.2-14b/speech-to-video",
  "input": {
    "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"
  }
}

Kald Wan-2.2 Speech-to-Video 14B-modellen (wan/v2.2-14b/speech-to-video) via Doitong API. Dokumentation til agenter: https://doitong.com/da/developers/models/wan/v2.2-14b/speech-to-video.md

POST https://api.doitong.ru/v1/run/wan/v2.2-14b/speech-to-video?wait=20
Authorization: Bearer $DOITONG_API_KEY
Content-Type: application/json

{
  "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"
}

Hvis svarstatus er "queued" eller "running", skal du forespørge GET https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20 igen, indtil den er "succeeded"; filerne findes i outputs[].url. POST https://api.doitong.ru/v1/quote/wan/v2.2-14b/speech-to-video med samme body returnerer den nøjagtige pris før kørslen.

Filer som eksemplet: 0,50 $ 500 API-kreditter · ≈ 53,79 ₽ dine filer måles før kørslen Kør den på denne side

Hent API-nøgle

Alibaba Lipsync og avatarer Lipsyncop til 720p #audio-to-video#talking-head

Laver en talende video ud fra et stillbillede og en lydfil, styret af en tekstprompt

OpenAPI Markdown

Lavet på Doitong

Offentlige værker skabt med Wan v22 Large af Doitong-fællesskabet. Genbrug en prompt med ét klik.

Offentlige værker vist: 2

Pris pr. sekund af din outputvideo

Prissat efter dit input

fra 0,10 $ / sekund outputvideo

100 API-kreditter / sekund outputvideo · ≈ 10,76 ₽

Denne anmodning: 5 sekunder × 0,10 $ (480p) 0,50 $ 500 API-kreditter · ≈ 53,79 ₽

Kør · 0,50 $

Opkræves kun ved succes og refunderes automatisk ved fejl.

num_frames standard 80

resolution standard 480p

Pris efter niveau

480p	0,10 $ / sekund outputvideo
580p	0,15 $ / sekund outputvideo
720p	0,20 $ / sekund outputvideo

Overskriften viser det laveste niveau; tilbuddet beregner prisen for dit nøjagtige input.

Dine filer måles før kørslen (længde, opløsning, billedhastighed); prisoverslaget returnerer den nøjagtige pris, og kørslen opkræves med præcis dette beløb.

Pris-endpoint: POST /quote/{id}

Opret en anmodning

Kontrollerne genereres fra modellens skema. Koden og prisen opdateres, når du ændrer dem.

prompt •påkrævet

Tekstprompt, der bruges til at generere videoen.

image •påkrævet image_url

Slip en fil, eller

URL til kildebillede, hvor det valgte højde-bredde-forhold afgør, om forbehandling er nødvendig: en uoverensstemmelse udløser ændring af størrelse efterfulgt af central beskæring.

audio •påkrævet audio_url

Slip en fil, eller

URL, der peger på lydfilen.

resolution standard 480p

Outputvideoens opløsning: 480p, 580p eller 720p.

num_frames standard 80

Vælg et multiplum af 4 inden for 40–120 for at angive, hvor mange frames der genereres.

Avanceret negative_prompt · video_quality · video_write_mode · frames_per_second · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker · enable_output_safety_checker

negative_prompt standard

Negativ prompt anvendt ved generering af en video.

video_quality standard high

Indstilling for outputvideoens kvalitet, der bytter større filer for bedre visuel kvalitet, når værdien øges.

video_write_mode standard balanced

Vide skrivefunktion, hvor balanced er et kompromis mellem hastighed og kvalitet. Vælg small for de mindste filer og langsomste skrivning; hurtigere skrivning returnerer resultater tidligere, men opretter større filer.

frames_per_second standard 16

Den genererede videos billedhastighed, der accepterer værdier fra 4 til 60; indstilling af `adjust_fps_for_interpolation` til false bevarer denne hastighed uændret. Ved interpolation og `adjust_fps_for_interpolation` sat til true (standardværdien) ganges denne hastighed med én plus antallet af interpolerede frames for at beregne den endelige FPS. 16 FPS med 1 interpoleret frame bliver f.eks. til 32 FPS.

num_inference_steps standard 27

Antal samplingstrin, hvor længere behandlingstid byttes for bedre kvalitet, når antallet øges.

guidance_scale standard 3.5

Styrke for classifier-free guidance, hvor muligt kvalitetstab byttes for tættere promptmatch, når skalaen øges.

shift standard 5

Indstilling for videoskift med et tilladt interval på 1.0–10.0.

seed

Seed, der gør genereringen reproducerbar. Indstilling til None vælger en seed tilfældigt.

POST /run/wan/v2.2-14b/speech-to-video?wait=20 pris → 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"

const API = "https://api.doitong.ru/v1";
const headers = {
  "Authorization": "Bearer " + process.env.DOITONG_API_KEY,
  "Content-Type": "application/json",
};

// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/wan/v2.2-14b/speech-to-video?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "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"
  }),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);

// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
  res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
  request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");

import os
import requests

API = "https://api.doitong.ru/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "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",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/wan/v2.2-14b/speech-to-video", params={"wait": 20}, json=payload, headers=headers)
request = r.json()
if not r.ok:
    raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"])

# Not finished yet: long-poll until it is
while request["status"] in ("queued", "running"):
    request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json()
if request["status"] != "succeeded":
    raise RuntimeError(request["error"])
print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"])

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "wan/v2.2-14b/speech-to-video",
      "input": {
        "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"
      },
      "wait_seconds": 20
    }
  }
}

Kør denne anmodning

API-nøgle

Din nøgle forbliver i denne browser: Den sendes kun til Doitong API og gemmes kun i localStorage, hvis du markerer Husk. Husk i denne browser Hent en API-nøgle

Om Wan-2.2 Speech-to-Video 14B

Kræver et `prompt`, en kilde-`image_url` og en `audio_url` og producerer en video af det afbildede motiv, styret af lyden. `num_frames` går fra 40 til 120 i multipla af 4 ved som standard 16 fps. `resolution` kan være 480p, 580p eller 720p. Samplingstrin, guidance, interpolation og en `negative_prompt` kan justeres.

Parametre

Send enten det kanoniske navn eller det oprindelige navn, ikke begge. Kanoniske navne

NavnType StandardTilladt Beskrivelse

promptpåkrævet

Typestring

Tekstprompt, der bruges til at generere videoen.

negative_promptvalgfri

Typestring

Standard

Negativ prompt anvendt ved generering af en video.

num_framesvalgfri

Typeinteger

Standard80

40 – 120

Vælg et multiplum af 4 inden for 40–120 for at angive, hvor mange frames der genereres.

frames_per_secondvalgfri

Typeinteger | null

Standard16

4 – 60

seedvalgfri

Typeinteger | null

Seed, der gør genereringen reproducerbar. Indstilling til None vælger en seed tilfældigt.

resolutionvalgfri

Typeenum

Standard480p

480p580p720p

Outputvideoens opløsning: 480p, 580p eller 720p.

num_inference_stepsvalgfri

Typeinteger

Standard27

2 – 40

Antal samplingstrin, hvor længere behandlingstid byttes for bedre kvalitet, når antallet øges.

enable_safety_checkervalgfri

Typeboolean

Standardfalse

Sikkerhedskontrol af input før behandling, som kun autoriserede konti kan deaktivere. Anmodninger uden autorisation kontrolleres altid; ellers aktiverer true kontrollen.

enable_output_safety_checkervalgfri

Typeboolean

Standardfalse

Styrer sikkerhedskontrollen af den genererede video; true aktiverer en kontrol efter genereringen.

guidance_scalevalgfri

Typenumber

Standard3.5

1 – 10

Styrke for classifier-free guidance, hvor muligt kvalitetstab byttes for tættere promptmatch, når skalaen øges.

shiftvalgfri

Typenumber

Standard5

1 – 10

Indstilling for videoskift med et tilladt interval på 1.0–10.0.

video_qualityvalgfri

Typeenum

Standardhigh

lowmediumhighmaximum

Indstilling for outputvideoens kvalitet, der bytter større filer for bedre visuel kvalitet, når værdien øges.

video_write_modevalgfri

Typeenum

Standardbalanced

fastbalancedsmall

image_urlpåkrævet image

Typeurl · image

URL til kildebillede, hvor det valgte højde-bredde-forhold afgør, om forbehandling er nødvendig: en uoverensstemmelse udløser ændring af størrelse efterfulgt af central beskæring.

audio_urlpåkrævet audio

Typeurl · audio

URL, der peger på lydfilen.

påkrævet Kanonisk navn, også accepteret

Filparametre accepterer en offentlig https://-URL, en data:-URI på op til 10 MB eller file_url fra en upload. Filer

Output

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"
  }
}

Dine filer, dit valgHver outputs[].url er en kopi på vores lagring: gemt for altid (betales pr. GB-måned) eller 7 dage gratis, afhængigt af din kontoindstilling eller ?storage=.

Samme struktur for alle modellertype, url, content_type, width, height og duration for billeder, video og lyd. output er modellens eget resultatobjekt.

Outputfelter

video: object {url, content_type, file_name, file_size}Videofil produceret ved generering.

Flere modeller: Lipsync og avatarer

Til AI-agenter: Denne side som Markdown findes på https://doitong.com/da/developers/models/wan/v2.2-14b/speech-to-video.md. Alle modeller og vejledninger: https://doitong.com/developers/llms.txt

Lavet på Doitong

Opret en anmodning

Kør denne anmodning

Om Wan-2.2 Speech-to-Video 14B

Parametre

Output

Andre Wan v22 Large-varianter

Flere modeller: Lipsync og avatarer