Перейти к содержимому

Wan-2.2 Speech-to-Video 14B

Интеграция

ID модели 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"

Файлы, как в примере: 0,50 $ 500 API-кредитов · ≈ 53,79 ₽ ваши файлы измеряются перед запуском Запустить на этой странице

Получить API-ключ
Alibaba Синхронизация губ и аватары Синхронизация губдо 720p #audio-to-video#talking-head

Создаёт говорящего персонажа из неподвижного изображения и аудиофайла под управлением текстового промпта

Создано на Doitong

Публичные работы сообщества Doitong, созданные с помощью Wan v22 Large. Повторно используйте промпт одним нажатием.

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

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... Видео

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...

Сформировать запрос

Элементы управления сгенерированы из схемы модели. Код и цена обновляются при изменении параметров.

•обязательно

Текстовый промпт, использованный для генерации видео.

•обязательно image_url
Перетащите файл или

URL исходного изображения; выбранное соотношение сторон определяет необходимость предварительной обработки: при несовпадении выполняются изменение размера и центральная обрезка.

•обязательно audio_url
Перетащите файл или

URL аудиофайла.

resolution по умолчанию 480p

Разрешение выходного видео: 480p, 580p или 720p.

по умолчанию 80

Выберите число, кратное 4, в диапазоне 40–120, чтобы задать количество генерируемых кадров.

Расширенные negative_prompt · video_quality · video_write_mode · frames_per_second · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker · enable_output_safety_checker
по умолчанию

Негативный промпт, применяемый при генерации видео.

video_quality по умолчанию high

Настройка качества выходного видео: при увеличении значения файлы становятся больше, а качество изображения улучшается.

video_write_mode по умолчанию balanced

Режим записи видео; balanced обеспечивает компромисс между скоростью и качеством. Выберите small для минимального размера файлов и самой медленной записи; более быстрая запись возвращает результат раньше, но создаёт файлы большего размера.

по умолчанию 16

Частота кадров сгенерированного видео — от 4 до 60; значение `adjust_fps_for_interpolation` false сохраняет эту частоту без изменений. При использовании интерполяции и значении `adjust_fps_for_interpolation` true (по умолчанию) умножьте эту частоту на единицу плюс количество интерполированных кадров, чтобы получить итоговый FPS. Например, 16 FPS при 1 интерполированном кадре превращаются в 32 FPS.

по умолчанию 27

Количество шагов сэмплирования: большее значение увеличивает время обработки, но повышает качество.

по умолчанию 3.5

Сила classifier-free guidance: при увеличении масштаба возможная потеря качества обменивается на более точное соответствие промпту.

по умолчанию 5

Настройка сдвига видео с допустимым диапазоном 1.0–10.0.

Сид, обеспечивающий воспроизводимость генерации. Значение None выбирает сид случайным образом.

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

Запустить этот запрос

Ваш ключ хранится в этом браузере: он отправляется только в Doitong API и сохраняется в localStorage только при включении параметра «Запомнить». Получить API-ключ

О Wan-2.2 Speech-to-Video 14B

Требуются `prompt`, исходное изображение `image_url` и `audio_url`; модель создаёт видео с изображённым объектом под управлением аудио. `num_frames` принимает значения от 40 до 120, кратные 4, при частоте 16 fps по умолчанию. `resolution` может быть 480p, 580p или 720p. Настраиваются шаги сэмплирования, guidance, интерполяция и `negative_prompt`.

Параметры

Передавайте либо каноническое имя, либо исходное имя, но не оба. Канонические имена

ИмяТип По умолчаниюДопустимые значения Описание
promptобязательно
Типstring
Текстовый промпт, использованный для генерации видео.
negative_promptнеобязательно
Типstring
По умолчанию
Негативный промпт, применяемый при генерации видео.
num_framesнеобязательно
Типinteger
По умолчанию80
40 – 120
Выберите число, кратное 4, в диапазоне 40–120, чтобы задать количество генерируемых кадров.
frames_per_secondнеобязательно
Типinteger | null
По умолчанию16
4 – 60
Частота кадров сгенерированного видео — от 4 до 60; значение `adjust_fps_for_interpolation` false сохраняет эту частоту без изменений. При использовании интерполяции и значении `adjust_fps_for_interpolation` true (по умолчанию) умножьте эту частоту на единицу плюс количество интерполированных кадров, чтобы получить итоговый FPS. Например, 16 FPS при 1 интерполированном кадре превращаются в 32 FPS.
seedнеобязательно
Типinteger | null
Сид, обеспечивающий воспроизводимость генерации. Значение None выбирает сид случайным образом.
resolutionнеобязательно
Типenum
По умолчанию480p
480p580p720p
Разрешение выходного видео: 480p, 580p или 720p.
num_inference_stepsнеобязательно
Типinteger
По умолчанию27
2 – 40
Количество шагов сэмплирования: большее значение увеличивает время обработки, но повышает качество.
enable_safety_checkerнеобязательно
Типboolean
По умолчаниюfalse
Проверка безопасности входных данных перед обработкой, отключить которую могут только авторизованные аккаунты. Запросы без авторизации всегда проверяются; в остальных случаях значение true включает проверку.
enable_output_safety_checkerнеобязательно
Типboolean
По умолчаниюfalse
Управляет проверкой безопасности сгенерированного видео; значение true включает проверку после генерации.
guidance_scaleнеобязательно
Типnumber
По умолчанию3.5
1 – 10
Сила classifier-free guidance: при увеличении масштаба возможная потеря качества обменивается на более точное соответствие промпту.
shiftнеобязательно
Типnumber
По умолчанию5
1 – 10
Настройка сдвига видео с допустимым диапазоном 1.0–10.0.
video_qualityнеобязательно
Типenum
По умолчаниюhigh
lowmediumhighmaximum
Настройка качества выходного видео: при увеличении значения файлы становятся больше, а качество изображения улучшается.
video_write_modeнеобязательно
Типenum
По умолчаниюbalanced
fastbalancedsmall
Режим записи видео; balanced обеспечивает компромисс между скоростью и качеством. Выберите small для минимального размера файлов и самой медленной записи; более быстрая запись возвращает результат раньше, но создаёт файлы большего размера.
image_urlобязательно image
Типurl · image
URL исходного изображения; выбранное соотношение сторон определяет необходимость предварительной обработки: при несовпадении выполняются изменение размера и центральная обрезка.
audio_urlобязательно audio
Типurl · audio
URL аудиофайла.
обязательно Каноническое имя, также принимается

Параметры файлов принимают общедоступный https:// URL, data: URI размером до 10 MB или file_url загруженного файла. Файлы

Результат

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"
  }
}
Ваши файлы — ваш выборКаждый URL из outputs[].url — это копия в нашем хранилище: она хранится навсегда (оплата за ГБ в месяц) или 7 дней бесплатно — в зависимости от настройки вашего аккаунта или параметра ?storage=.
Одинаковая структура у каждой моделиtype, url, content_type, width, height и duration — одинаково для изображений, видео и аудио. output — собственный объект результата модели.
Поля результата
video
object {url, content_type, file_name, file_size}Видеофайл, созданный в результате генерации.

Другие модели: Синхронизация губ и аватары

Для AI-агентов: эта страница в формате Markdown доступна по адресу https://doitong.com/developers/models/wan/v2.2-14b/speech-to-video.md. Все модели и руководства: https://doitong.com/developers/llms.txt