Μετάβαση στο περιεχόμενο

Wan-2.2 Speech-to-Video 14B

Ενσωμάτωση

id μοντέλου 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"

Αρχεία όπως το παράδειγμα: 0,50 $ 500 πιστώσεις API · ≈ 53,66 ₽ τα αρχεία σας μετρώνται πριν από την εκτέλεση Εκτέλεση σε αυτήν τη σελίδα

Λήψη κλειδιού API
Alibaba Συγχρονισμός χειλιών και άβαταρ Συγχρονισμός χειλιώνέως 720p #audio-to-video#talking-head

Δημιουργεί βίντεο ομιλίας από στατική εικόνα και αρχείο ήχου, με καθοδήγηση από prompt κειμένου

Δημιουργήθηκε στο Doitong

Δημόσια έργα που δημιουργήθηκαν με το Wan v22 Large από την κοινότητα του Doitong. Επαναχρησιμοποιήστε ένα prompt με ένα κλικ.

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

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... Βίντεο

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... Βίντεο

# 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...

Δημιουργία αιτήματος

Τα στοιχεία ελέγχου δημιουργούνται από το σχήμα του μοντέλου. Ο κώδικας και η τιμή ενημερώνονται καθώς τα αλλάζετε.

•απαιτείται

Prompt κειμένου που χρησιμοποιείται για την παραγωγή του βίντεο.

•απαιτείται image_url
Αποθέστε ένα αρχείο ή

URL εικόνας προέλευσης, με την επιλεγμένη αναλογία διαστάσεων να καθορίζει αν απαιτείται προεπεξεργασία: η ασυμφωνία ενεργοποιεί αλλαγή μεγέθους και έπειτα κεντρική περικοπή.

•απαιτείται audio_url
Αποθέστε ένα αρχείο ή

URL που οδηγεί στο αρχείο ήχου.

resolution προεπιλογή 480p

Ανάλυση βίντεο εξόδου: 480p, 580p ή 720p.

προεπιλογή 80

Επιλέξτε πολλαπλάσιο του 4 εντός του εύρους 40–120 για να ορίσετε πόσα καρέ θα παραχθούν.

Για προχωρημένους negative_prompt · video_quality · video_write_mode · frames_per_second · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker · enable_output_safety_checker
προεπιλογή

Αρνητικό prompt που εφαρμόζεται κατά την παραγωγή βίντεο.

video_quality προεπιλογή high

Ρύθμιση ποιότητας βίντεο εξόδου, όπου υψηλότερη τιμή σημαίνει μεγαλύτερα αρχεία και βελτιωμένη εικόνα.

video_write_mode προεπιλογή balanced

Λειτουργία εγγραφής βίντεο, όπου η balanced προσφέρει συμβιβασμό μεταξύ ταχύτητας και ποιότητας. Επιλέξτε small για τα μικρότερα αρχεία και την πιο αργή εγγραφή· η ταχύτερη εγγραφή επιστρέφει αποτελέσματα νωρίτερα αλλά δημιουργεί μεγαλύτερα αρχεία.

προεπιλογή 16

Ρυθμός καρέ παραγόμενου βίντεο, με τιμές από 4 έως 60· η ρύθμιση του `adjust_fps_for_interpolation` σε false διατηρεί αυτόν τον ρυθμό αμετάβλητο. Όταν χρησιμοποιείται παρεμβολή και το `adjust_fps_for_interpolation` είναι true (η προεπιλογή του), πολλαπλασιάστε αυτόν τον ρυθμό επί ένα συν το πλήθος των παρεμβαλλόμενων καρέ για να λάβετε το τελικό FPS. Για παράδειγμα, 16 FPS με 1 παρεμβαλλόμενο καρέ γίνονται 32 FPS.

προεπιλογή 27

Πλήθος βημάτων δειγματοληψίας, όπου ο μεγαλύτερος αριθμός αυξάνει τον χρόνο επεξεργασίας αλλά βελτιώνει την ποιότητα.

προεπιλογή 3.5

Ισχύς καθοδήγησης χωρίς classifier, όπου η αύξηση της κλίμακας ανταλλάσσει πιθανή απώλεια ποιότητας με στενότερη αντιστοίχιση στο prompt.

προεπιλογή 5

Ρύθμιση μετατόπισης βίντεο, με επιτρεπόμενο εύρος 1.0–10.0.

Seed που καθιστά την παραγωγή αναπαραγώγιμη. Η ρύθμισή του σε None επιλέγει τυχαία ένα seed.

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

Εκτέλεση αυτού του αιτήματος

Το κλειδί σας παραμένει σε αυτό το πρόγραμμα περιήγησης: αποστέλλεται μόνο στο Doitong API και αποθηκεύεται (localStorage) μόνο αν ενεργοποιήσετε την επιλογή «Να απομνημονεύεται». Λήψη κλειδιού API

Σχετικά με το Wan-2.2 Speech-to-Video 14B

Χρειάζεται `prompt`, εικόνα πηγής `image_url` και `audio_url` και παράγει βίντεο του απεικονιζόμενου θέματος, καθοδηγούμενο από τον ήχο. Το `num_frames` κυμαίνεται από 40 έως 120 σε πολλαπλάσια του 4, με προεπιλογή 16 fps. Το `resolution` μπορεί να είναι 480p, 580p ή 720p. Τα βήματα δειγματοληψίας, η καθοδήγηση, η παρεμβολή και το `negative_prompt` είναι ρυθμιζόμενα.

Παράμετροι

Στείλτε είτε το κανονικό όνομα είτε το εγγενές όνομα, όχι και τα δύο. Κανονικά ονόματα

ΌνομαΤύπος ΠροεπιλογήΕπιτρεπόμενο Περιγραφή
promptαπαιτείται
Τύποςstring
Prompt κειμένου που χρησιμοποιείται για την παραγωγή του βίντεο.
negative_promptπροαιρετικό
Τύποςstring
Προεπιλογή
Αρνητικό prompt που εφαρμόζεται κατά την παραγωγή βίντεο.
num_framesπροαιρετικό
Τύποςinteger
Προεπιλογή80
40 – 120
Επιλέξτε πολλαπλάσιο του 4 εντός του εύρους 40–120 για να ορίσετε πόσα καρέ θα παραχθούν.
frames_per_secondπροαιρετικό
Τύποςinteger | null
Προεπιλογή16
4 – 60
Ρυθμός καρέ παραγόμενου βίντεο, με τιμές από 4 έως 60· η ρύθμιση του `adjust_fps_for_interpolation` σε false διατηρεί αυτόν τον ρυθμό αμετάβλητο. Όταν χρησιμοποιείται παρεμβολή και το `adjust_fps_for_interpolation` είναι true (η προεπιλογή του), πολλαπλασιάστε αυτόν τον ρυθμό επί ένα συν το πλήθος των παρεμβαλλόμενων καρέ για να λάβετε το τελικό FPS. Για παράδειγμα, 16 FPS με 1 παρεμβαλλόμενο καρέ γίνονται 32 FPS.
seedπροαιρετικό
Τύποςinteger | null
Seed που καθιστά την παραγωγή αναπαραγώγιμη. Η ρύθμισή του σε None επιλέγει τυχαία ένα seed.
resolutionπροαιρετικό
Τύποςenum
Προεπιλογή480p
480p580p720p
Ανάλυση βίντεο εξόδου: 480p, 580p ή 720p.
num_inference_stepsπροαιρετικό
Τύποςinteger
Προεπιλογή27
2 – 40
Πλήθος βημάτων δειγματοληψίας, όπου ο μεγαλύτερος αριθμός αυξάνει τον χρόνο επεξεργασίας αλλά βελτιώνει την ποιότητα.
enable_safety_checkerπροαιρετικό
Τύποςboolean
Προεπιλογήfalse
Έλεγχος ασφαλείας εισόδου πριν από την επεξεργασία, τον οποίο μπορούν να απενεργοποιήσουν μόνο εξουσιοδοτημένοι λογαριασμοί. Τα αιτήματα χωρίς εξουσιοδότηση ελέγχονται πάντα· διαφορετικά, η τιμή true ενεργοποιεί τον έλεγχο.
enable_output_safety_checkerπροαιρετικό
Τύποςboolean
Προεπιλογήfalse
Καθορίζει τον έλεγχο ασφαλείας του παραγόμενου βίντεο· η τιμή true ενεργοποιεί έλεγχο μετά την παραγωγή.
guidance_scaleπροαιρετικό
Τύποςnumber
Προεπιλογή3.5
1 – 10
Ισχύς καθοδήγησης χωρίς classifier, όπου η αύξηση της κλίμακας ανταλλάσσει πιθανή απώλεια ποιότητας με στενότερη αντιστοίχιση στο prompt.
shiftπροαιρετικό
Τύποςnumber
Προεπιλογή5
1 – 10
Ρύθμιση μετατόπισης βίντεο, με επιτρεπόμενο εύρος 1.0–10.0.
video_qualityπροαιρετικό
Τύποςenum
Προεπιλογήhigh
lowmediumhighmaximum
Ρύθμιση ποιότητας βίντεο εξόδου, όπου υψηλότερη τιμή σημαίνει μεγαλύτερα αρχεία και βελτιωμένη εικόνα.
video_write_modeπροαιρετικό
Τύποςenum
Προεπιλογήbalanced
fastbalancedsmall
Λειτουργία εγγραφής βίντεο, όπου η balanced προσφέρει συμβιβασμό μεταξύ ταχύτητας και ποιότητας. Επιλέξτε small για τα μικρότερα αρχεία και την πιο αργή εγγραφή· η ταχύτερη εγγραφή επιστρέφει αποτελέσματα νωρίτερα αλλά δημιουργεί μεγαλύτερα αρχεία.
image_urlαπαιτείται image
Τύποςurl · image
URL εικόνας προέλευσης, με την επιλεγμένη αναλογία διαστάσεων να καθορίζει αν απαιτείται προεπεξεργασία: η ασυμφωνία ενεργοποιεί αλλαγή μεγέθους και έπειτα κεντρική περικοπή.
audio_urlαπαιτείται audio
Τύποςurl · audio
URL που οδηγεί στο αρχείο ήχου.
απαιτείται Κανονικό όνομα, επίσης αποδεκτό

Οι παράμετροι αρχείων δέχονται ένα δημόσιο URL https://, ένα URI data: έως 10 MB ή το file_url μιας μεταφόρτωσης. Αρχεία

Έξοδος

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"
  }
}
Τα αρχεία σας, η επιλογή σαςΚάθε outputs[].url είναι ένα αντίγραφο στην αποθήκευσή μας: διατηρείται για πάντα (χρέωση ανά GB-μήνα) ή 7 ημέρες δωρεάν, σύμφωνα με τη ρύθμιση του λογαριασμού σας ή ?storage=.
Ίδια μορφή σε κάθε μοντέλοtype, url, content_type, width, height και duration, τόσο για εικόνες όσο και για βίντεο και ήχο. Το output είναι το αντικείμενο αποτελέσματος του ίδιου του μοντέλου.
Πεδία εξόδου
video
object {url, content_type, file_name, file_size}Αρχείο βίντεο που παράγεται από την παραγωγή.

Περισσότερα μοντέλα: Συγχρονισμός χειλιών και άβαταρ

Για πράκτορες AI: αυτή η σελίδα σε Markdown βρίσκεται στη διεύθυνση https://doitong.com/el/developers/models/wan/v2.2-14b/speech-to-video.md. Όλα τα μοντέλα και οι οδηγοί: https://doitong.com/developers/llms.txt