Ir al contenido

Wan-2.2 Speech-to-Video 14B

Integrar

ID del modelo 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"

Archivos como el ejemplo: 0,50 $ 500 créditos de API · ≈ 53,66 ₽ tus archivos se miden antes de la ejecución Ejecutar en esta página

Obtener clave de API
Alibaba Sincronización labial y avatares Sincronización labialhasta 720p #audio-to-video#talking-head

Crea un vídeo hablado a partir de una imagen fija y un archivo de audio, guiado por un prompt de texto

Creado en Doitong

Trabajos públicos creados con Wan v22 Large por la comunidad de Doitong. Reutiliza un prompt con un solo clic.

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

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... Vídeo

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... Vídeo

# 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...

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan al modificarlos.

•obligatorio

Prompt de texto utilizado para generar el vídeo.

•obligatorio image_url
Suelta un archivo o

URL de la imagen de origen; la relación de aspecto seleccionada determina si es necesario preprocesarla: una discrepancia activa un redimensionamiento seguido de un recorte centrado.

•obligatorio audio_url
Suelta un archivo o

URL del archivo de audio.

resolution predeterminado 480p

Resolución del vídeo de salida: 480p, 580p o 720p.

predeterminado 80

Elige un múltiplo de 4 entre 40 y 120 para establecer cuántos fotogramas se generan.

Avanzado negative_prompt · video_quality · video_write_mode · frames_per_second · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker · enable_output_safety_checker
predeterminado

Prompt negativo aplicado al generar un vídeo.

video_quality predeterminado high

Configuración de calidad del vídeo de salida, que intercambia archivos más grandes por una mejor calidad visual a medida que aumenta el valor.

video_write_mode predeterminado balanced

Modo de escritura del vídeo, donde balanced ofrece un compromiso entre velocidad y calidad. Elige small para obtener los archivos más pequeños y la escritura más lenta; una escritura más rápida devuelve los resultados antes, pero crea archivos más grandes.

predeterminado 16

Frecuencia de fotogramas del vídeo generado, que acepta valores de 4 a 60; establecer `adjust_fps_for_interpolation` en false conserva esta frecuencia sin cambios. Con la interpolación activa y `adjust_fps_for_interpolation` en true (su valor predeterminado), multiplica esta frecuencia por uno más el número de fotogramas interpolados para obtener los FPS finales. Por ejemplo, 16 FPS con 1 fotograma interpolado se convierten en 32 FPS.

predeterminado 27

Número de pasos de muestreo, que intercambia un mayor tiempo de procesamiento por una mejor calidad a medida que aumenta el número.

predeterminado 3.5

Intensidad de guía sin clasificador, que intercambia una posible pérdida de calidad por una coincidencia más precisa con el prompt a medida que aumenta la escala.

predeterminado 5

Configuración de desplazamiento del vídeo, con un intervalo permitido de 1.0–10.0.

Semilla que hace reproducible la generación. Establecerla en None selecciona una semilla aleatoriamente.

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

Ejecutar esta solicitud

Tu clave permanece en este navegador: solo se envía a la Doitong API y solo se guarda en localStorage si marcas Recordar. Obtener una clave de API

Acerca de Wan-2.2 Speech-to-Video 14B

Necesita un `prompt`, una `image_url` fuente y una `audio_url`, y produce un vídeo del sujeto representado impulsado por el audio. `num_frames` va de 40 a 120 en múltiplos de 4, a 16 fps de forma predeterminada. `resolution` puede ser 480p, 580p o 720p. Se pueden ajustar los pasos de muestreo, la guía, la interpolación y un `negative_prompt`.

Parámetros

Envía el nombre canónico o el nombre nativo, pero no ambos. Nombres canónicos

NombreTipo PredeterminadoPermitido Descripción
promptobligatorio
Tipostring
Prompt de texto utilizado para generar el vídeo.
negative_promptopcional
Tipostring
Predeterminado
Prompt negativo aplicado al generar un vídeo.
num_framesopcional
Tipointeger
Predeterminado80
40 – 120
Elige un múltiplo de 4 entre 40 y 120 para establecer cuántos fotogramas se generan.
frames_per_secondopcional
Tipointeger | null
Predeterminado16
4 – 60
Frecuencia de fotogramas del vídeo generado, que acepta valores de 4 a 60; establecer `adjust_fps_for_interpolation` en false conserva esta frecuencia sin cambios. Con la interpolación activa y `adjust_fps_for_interpolation` en true (su valor predeterminado), multiplica esta frecuencia por uno más el número de fotogramas interpolados para obtener los FPS finales. Por ejemplo, 16 FPS con 1 fotograma interpolado se convierten en 32 FPS.
seedopcional
Tipointeger | null
Semilla que hace reproducible la generación. Establecerla en None selecciona una semilla aleatoriamente.
resolutionopcional
Tipoenum
Predeterminado480p
480p580p720p
Resolución del vídeo de salida: 480p, 580p o 720p.
num_inference_stepsopcional
Tipointeger
Predeterminado27
2 – 40
Número de pasos de muestreo, que intercambia un mayor tiempo de procesamiento por una mejor calidad a medida que aumenta el número.
enable_safety_checkeropcional
Tipoboolean
Predeterminadofalse
Comprobación de seguridad de la entrada antes del procesamiento, que solo pueden desactivar las cuentas autorizadas. Las solicitudes sin autorización siempre se comprueban; de lo contrario, true habilita la comprobación.
enable_output_safety_checkeropcional
Tipoboolean
Predeterminadofalse
Controla la comprobación de seguridad del vídeo generado; establecerlo en true habilita una comprobación después de la generación.
guidance_scaleopcional
Tiponumber
Predeterminado3.5
1 – 10
Intensidad de guía sin clasificador, que intercambia una posible pérdida de calidad por una coincidencia más precisa con el prompt a medida que aumenta la escala.
shiftopcional
Tiponumber
Predeterminado5
1 – 10
Configuración de desplazamiento del vídeo, con un intervalo permitido de 1.0–10.0.
video_qualityopcional
Tipoenum
Predeterminadohigh
lowmediumhighmaximum
Configuración de calidad del vídeo de salida, que intercambia archivos más grandes por una mejor calidad visual a medida que aumenta el valor.
video_write_modeopcional
Tipoenum
Predeterminadobalanced
fastbalancedsmall
Modo de escritura del vídeo, donde balanced ofrece un compromiso entre velocidad y calidad. Elige small para obtener los archivos más pequeños y la escritura más lenta; una escritura más rápida devuelve los resultados antes, pero crea archivos más grandes.
image_urlobligatorio image
Tipourl · image
URL de la imagen de origen; la relación de aspecto seleccionada determina si es necesario preprocesarla: una discrepancia activa un redimensionamiento seguido de un recorte centrado.
audio_urlobligatorio audio
Tipourl · audio
URL del archivo de audio.
obligatorio Nombre canónico, también aceptado

Los parámetros de archivo aceptan una URL pública https://, un URI data: de hasta 10 MB o el file_url de una subida. Archivos

Salida

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"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: conservada para siempre (con pago por GB-mes) o 7 días gratis, según la configuración de tu cuenta o ?storage=.
La misma estructura en todos los modelostype, url, content_type, width, height y duration, tanto para imágenes como para vídeo y audio. output es el objeto de resultado propio del modelo.
Campos de salida
video
object {url, content_type, file_name, file_size}Archivo de vídeo producido por la generación.

Más modelos: Sincronización labial y avatares

Para agentes de IA: esta página en Markdown está en https://doitong.com/es-ES/developers/models/wan/v2.2-14b/speech-to-video.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt