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 · ≈ ₽53.73 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 video 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 clic.

Trabajos públicos mostrados: 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...

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan conforme los cambias.

•obligatorio

Prompt de texto usado para generar el video.

•obligatorio image_url
Suelta un archivo o

URL de la imagen de origen; la relación de aspecto seleccionada determina si se necesita preprocesamiento: una discrepancia activa un redimensionamiento seguido de un recorte central.

•obligatorio audio_url
Suelta un archivo o

URL que apunta al archivo de audio.

resolution predeterminado 480p

Resolución del video 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 video.

video_quality predeterminado high

Configuración de calidad del video de salida, que intercambia archivos más grandes por mejores elementos visuales a medida que aumenta el valor.

video_write_mode predeterminado balanced

Modo de escritura del video, donde balanced ofrece un equilibrio 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

Velocidad de fotogramas del video generado, que acepta valores de 4 a 60; establecer `adjust_fps_for_interpolation` en false conserva esta velocidad sin cambios. Con la interpolación habilitada y `adjust_fps_for_interpolation` en true (su valor predeterminado), multiplica esta velocidad por uno más la cantidad de fotogramas interpolados para obtener los FPS finales. Por ejemplo, 16 FPS con 1 fotograma interpolado se convierte en 32 FPS.

predeterminado 27

Cantidad de pasos de muestreo; un valor mayor intercambia más tiempo de procesamiento por una mejor calidad.

predeterminado 3.5

Intensidad de la guía sin clasificador; al aumentar la escala, se intercambia una posible pérdida de calidad por una mayor coincidencia con el prompt.

predeterminado 5

Configuración de desplazamiento del video, con un rango 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 cotización → $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 se guarda en localStorage únicamente si marcas Recordar. Obtener una clave de API

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

Requiere un `prompt`, una `image_url` fuente y una `audio_url`, y produce un video del sujeto de la imagen 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, no ambos. Nombres canónicos

NombreTipo PredeterminadoPermitido Descripción
promptobligatorio
Tipostring
Prompt de texto usado para generar el video.
negative_promptopcional
Tipostring
Predeterminado
Prompt negativo aplicado al generar un video.
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
Velocidad de fotogramas del video generado, que acepta valores de 4 a 60; establecer `adjust_fps_for_interpolation` en false conserva esta velocidad sin cambios. Con la interpolación habilitada y `adjust_fps_for_interpolation` en true (su valor predeterminado), multiplica esta velocidad por uno más la cantidad de fotogramas interpolados para obtener los FPS finales. Por ejemplo, 16 FPS con 1 fotograma interpolado se convierte 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 video de salida: 480p, 580p o 720p.
num_inference_stepsopcional
Tipointeger
Predeterminado27
2 – 40
Cantidad de pasos de muestreo; un valor mayor intercambia más tiempo de procesamiento por una mejor calidad.
enable_safety_checkeropcional
Tipoboolean
Predeterminadofalse
Revisión de seguridad de la entrada antes del procesamiento, que solo las cuentas autorizadas pueden desactivar. Las solicitudes sin autorización siempre se revisan; de lo contrario, true habilita la revisión.
enable_output_safety_checkeropcional
Tipoboolean
Predeterminadofalse
Controla la revisión de seguridad del video generado; establecerlo en true habilita una comprobación después de la generación.
guidance_scaleopcional
Tiponumber
Predeterminado3.5
1 – 10
Intensidad de la guía sin clasificador; al aumentar la escala, se intercambia una posible pérdida de calidad por una mayor coincidencia con el prompt.
shiftopcional
Tiponumber
Predeterminado5
1 – 10
Configuración de desplazamiento del video, con un rango permitido de 1.0–10.0.
video_qualityopcional
Tipoenum
Predeterminadohigh
lowmediumhighmaximum
Configuración de calidad del video de salida, que intercambia archivos más grandes por mejores elementos visuales a medida que aumenta el valor.
video_write_modeopcional
Tipoenum
Predeterminadobalanced
fastbalancedsmall
Modo de escritura del video, donde balanced ofrece un equilibrio 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 se necesita preprocesamiento: una discrepancia activa un redimensionamiento seguido de un recorte central.
audio_urlobligatorio audio
Tipourl · audio
URL que apunta al 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 carga. 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: se conserva para siempre (con cobro 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 video 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 video producido por la generación.

Más modelos: Sincronización labial y avatares

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