Zum Inhalt springen

Wan-2.2 Speech-to-Video 14B

Integrieren

Modell-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"

Dateien wie das Beispiel: 0,50 $ 500 API-Credits · ≈ 53,79 ₽ Deine Dateien werden vor der Ausführung gemessen Auf dieser Seite ausführen

API-Schlüssel abrufen
Alibaba Lipsync & Avatare Lipsyncbis zu 720p #audio-to-video#talking-head

Erstellt anhand eines Textprompts aus einem Standbild und einer Audiodatei ein sprechendes Video

Auf Doitong erstellt

Öffentliche Werke der Doitong-Community mit Wan v22 Large. Verwende einen Prompt mit einem Klick erneut.

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

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... Video

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... Video

# 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...

Anfrage erstellen

Die Steuerelemente werden aus dem Modellschema generiert. Code und Preis werden aktualisiert, während du sie änderst.

•erforderlich

Text-Prompt zur Generierung des Videos.

•erforderlich image_url
Datei ablegen oder

URL des Quellbilds; das ausgewählte Seitenverhältnis bestimmt, ob eine Vorverarbeitung erforderlich ist: Bei einer Abweichung wird das Bild skaliert und anschließend mittig zugeschnitten.

•erforderlich audio_url
Datei ablegen oder

URL der Audiodatei.

resolution Standard 480p

Ausgabevideoauflösung: 480p, 580p oder 720p.

Standard 80

Wähle ein Vielfaches von 4 innerhalb von 40–120, um die Anzahl der generierten Frames festzulegen.

Erweitert negative_prompt · video_quality · video_write_mode · frames_per_second · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker · enable_output_safety_checker
Standard

Bei der Videogenerierung angewendeter negativer Prompt.

video_quality Standard high

Qualitätseinstellung des Ausgabevideos, die mit steigender Einstellung größere Dateien gegen eine bessere Darstellung eintauscht.

video_write_mode Standard balanced

Vide-Schreibmodus, wobei balanced einen Kompromiss zwischen Geschwindigkeit und Qualität bietet. Wähle small für die kleinsten Dateien und langsamste Schreibgeschwindigkeit; schnelleres Schreiben liefert Ergebnisse früher, erzeugt aber größere Dateien.

Standard 16

Bildrate des generierten Videos, mit Werten von 4 bis 60; das Setzen von `adjust_fps_for_interpolation` auf false behält diese Bildrate unverändert bei. Bei aktivierter Interpolation und `adjust_fps_for_interpolation` auf true (Standard) wird diese Bildrate mit eins plus der Anzahl interpolierter Frames multipliziert, um die endgültige FPS zu erhalten. Beispiel: 16 FPS mit 1 interpoliertem Frame ergeben 32 FPS.

Standard 27

Anzahl der Sampling-Schritte; eine höhere Anzahl verlängert die Verarbeitung, verbessert aber die Qualität.

Standard 3.5

Stärke der classifier-freien Guidance; mit zunehmender Skalierung wird eine engere Prompt-Übereinstimmung gegen einen möglichen Qualitätsverlust abgewogen.

Standard 5

Video-Shift-Einstellung mit einem zulässigen Bereich von 1.0–10.0.

Seed für reproduzierbare Generierung. Bei None wird ein Seed zufällig ausgewählt.

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

Diese Anfrage ausführen

Dein Schlüssel bleibt in diesem Browser: Er wird nur an die Doitong API gesendet und nur gespeichert (localStorage), wenn du „Merken“ aktivierst. API-Schlüssel abrufen

Über Wan-2.2 Speech-to-Video 14B

Benötigt einen `prompt`, ein Quellbild unter `image_url` und eine Audiodatei unter `audio_url` und erzeugt ein Video des abgebildeten Motivs, das durch die Audiodatei gesteuert wird. `num_frames` reicht von 40 bis 120 in Vielfachen von 4, standardmäßig bei 16 fps. `resolution` kann 480p, 580p oder 720p sein. Sampling-Schritte, Guidance, Interpolation und ein `negative_prompt` können angepasst werden.

Parameter

Sende entweder den kanonischen Namen oder den nativen Namen, nicht beide. Kanonische Namen

NameTyp StandardZulässig Beschreibung
prompterforderlich
Typstring
Text-Prompt zur Generierung des Videos.
negative_promptoptional
Typstring
Standard
Bei der Videogenerierung angewendeter negativer Prompt.
num_framesoptional
Typinteger
Standard80
40 – 120
Wähle ein Vielfaches von 4 innerhalb von 40–120, um die Anzahl der generierten Frames festzulegen.
frames_per_secondoptional
Typinteger | null
Standard16
4 – 60
Bildrate des generierten Videos, mit Werten von 4 bis 60; das Setzen von `adjust_fps_for_interpolation` auf false behält diese Bildrate unverändert bei. Bei aktivierter Interpolation und `adjust_fps_for_interpolation` auf true (Standard) wird diese Bildrate mit eins plus der Anzahl interpolierter Frames multipliziert, um die endgültige FPS zu erhalten. Beispiel: 16 FPS mit 1 interpoliertem Frame ergeben 32 FPS.
seedoptional
Typinteger | null
Seed für reproduzierbare Generierung. Bei None wird ein Seed zufällig ausgewählt.
resolutionoptional
Typenum
Standard480p
480p580p720p
Ausgabevideoauflösung: 480p, 580p oder 720p.
num_inference_stepsoptional
Typinteger
Standard27
2 – 40
Anzahl der Sampling-Schritte; eine höhere Anzahl verlängert die Verarbeitung, verbessert aber die Qualität.
enable_safety_checkeroptional
Typboolean
Standardfalse
Sicherheitsprüfung der Eingabe vor der Verarbeitung, die nur autorisierte Konten deaktivieren dürfen. Nicht autorisierte Anfragen werden immer geprüft; andernfalls aktiviert true die Prüfung.
enable_output_safety_checkeroptional
Typboolean
Standardfalse
Steuert die Sicherheitsprüfung des generierten Videos; true aktiviert eine Prüfung nach der Generierung.
guidance_scaleoptional
Typnumber
Standard3.5
1 – 10
Stärke der classifier-freien Guidance; mit zunehmender Skalierung wird eine engere Prompt-Übereinstimmung gegen einen möglichen Qualitätsverlust abgewogen.
shiftoptional
Typnumber
Standard5
1 – 10
Video-Shift-Einstellung mit einem zulässigen Bereich von 1.0–10.0.
video_qualityoptional
Typenum
Standardhigh
lowmediumhighmaximum
Qualitätseinstellung des Ausgabevideos, die mit steigender Einstellung größere Dateien gegen eine bessere Darstellung eintauscht.
video_write_modeoptional
Typenum
Standardbalanced
fastbalancedsmall
Vide-Schreibmodus, wobei balanced einen Kompromiss zwischen Geschwindigkeit und Qualität bietet. Wähle small für die kleinsten Dateien und langsamste Schreibgeschwindigkeit; schnelleres Schreiben liefert Ergebnisse früher, erzeugt aber größere Dateien.
image_urlerforderlich image
Typurl · image
URL des Quellbilds; das ausgewählte Seitenverhältnis bestimmt, ob eine Vorverarbeitung erforderlich ist: Bei einer Abweichung wird das Bild skaliert und anschließend mittig zugeschnitten.
audio_urlerforderlich audio
Typurl · audio
URL der Audiodatei.
erforderlich Kanonischer Name, ebenfalls akzeptiert

Dateiparameter akzeptieren eine öffentliche https://-URL, eine data:-URI bis 10 MB oder die file_url eines Uploads. Dateien

Ausgabe

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"
  }
}
Deine Dateien, deine EntscheidungJede outputs[].url ist eine Kopie in unserem Speicher: dauerhaft aufbewahrt (Abrechnung pro GB-Monat) oder 7 Tage kostenlos – je nach Kontoeinstellung oder ?storage=.
Gleiche Struktur bei jedem Modelltype, url, content_type, width, height und duration – für Bilder, Video und Audio gleichermaßen. output ist das Ergebnisobjekt des Modells.
Ausgabefelder
video
object {url, content_type, file_name, file_size}Durch die Generierung erzeugte Videodatei.

Weitere Modelle: Lipsync & Avatare

Für KI-Agenten: Diese Seite ist als Markdown verfügbar unter https://doitong.com/de/developers/models/wan/v2.2-14b/speech-to-video.md. Alle Modelle und Anleitungen: https://doitong.com/developers/llms.txt