Lumaktaw sa nilalaman

Wan-2.2 Speech-to-Video 14B

I-integrate

ID ng 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"

Mga file na katulad ng halimbawa: $0.50 500 kredito ng API · ≈ ₽53.66 sinusukat ang iyong mga file bago patakbuhin Patakbuhin ito sa page na ito

Kumuha ng API key
Alibaba Lipsync at Avatar Lipsynchanggang 720p #audio-to-video#talking-head

Gumagawa ng talking video mula sa still larawan at audio file, na ginagabayan ng teksto prompt

Ginawa sa Doitong

Mga pampublikong gawang ginawa gamit ang Wan v22 Large ng komunidad ng Doitong. Gamitin muli ang prompt sa isang click.

Mga ipinapakitang pampublikong gawa: 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...

Bumuo ng kahilingan

Ang mga control ay binubuo mula sa schema ng modelo. Nagbabago ang code at presyo habang ina-adjust mo ang mga ito.

•kinakailangan

Text prompt na ginamit upang buuin ang video.

•kinakailangan image_url
Mag-drop ng file, o

URL ng source larawan; tinutukoy ng napiling aspect ratio kung kailangan ng preprocessing: nagti-trigger ang hindi pagtutugma ng pag-resize na sinusundan ng center crop.

•kinakailangan audio_url
Mag-drop ng file, o

URL na tumutukoy sa audio file.

resolution default na 480p

Resolution ng output video: 480p, 580p, o 720p.

default na 80

Pumili ng multiple ng 4 sa loob ng 40–120 upang itakda kung ilang frame ang bubuuin.

advanced negative_prompt · video_quality · video_write_mode · frames_per_second · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker · enable_output_safety_checker
default na

Negative prompt na inilalapat sa pagbuo ng video.

video_quality default na high

Setting ng kalidad ng output video na ipinagpapalit ang mas malalaking file para sa mas magandang visual habang itinataas ang setting.

video_write_mode default na balanced

Mode ng pagsusulat ng video, kung saan nagbibigay ang balanced ng kompromiso sa pagitan ng bilis at kalidad. Pumili ng small para sa pinakamaliliit na file at pinakamabagal na pagsusulat; mas mabilis na pagsusulat ang mas maagang nagbabalik ng resulta ngunit lumilikha ng mas malalaking file.

default na 16

Frame rate ng nabuong video, tumatanggap ng mga value mula 4 hanggang 60; kapag itinakda ang `adjust_fps_for_interpolation` sa false, pinapanatili ang rate na ito nang walang pagbabago. Kapag ginagamit ang interpolation at true ang `adjust_fps_for_interpolation` (ang default nito), i-multiply ang rate na ito sa isa dagdag ang bilang ng interpolated frame upang makuha ang final FPS. Halimbawa, ang 16 FPS na may 1 interpolated frame ay nagiging 32 FPS.

default na 27

Bilang ng sampling step, kung saan ipinagpapalit ang mas mahabang oras ng pagproseso para sa mas magandang kalidad habang tumataas ang bilang.

default na 3.5

Lakas ng classifier-free guidance, kung saan ipinagpapalit ang posibleng pagbaba ng kalidad para sa mas malapit na pagtutugma sa prompt habang tumataas ang scale.

default na 5

Setting ng video shift, na may pinapahintulutang saklaw na 1.0–10.0.

Seed na ginagawang reproducible ang pagbuo. Ang pagtatakda nito sa None ay random na pumipili ng seed.

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

Patakbuhin ang kahilingang ito

Nananatili ang iyong key sa browser na ito: ipinapadala lamang ito sa Doitong API at sine-save (localStorage) lamang kung pipiliin mo ang Tandaan. Kumuha ng API key

Tungkol sa Wan-2.2 Speech-to-Video 14B

Kailangan ng `prompt`, source `image_url` at `audio_url`, at gumagawa ng video ng subject sa larawan na hinihimok ng audio. Ang `num_frames` ay mula 40 hanggang 120 sa multiple ng 4, sa default na 16 fps. Maaaring 480p, 580p o 720p ang `resolution`. Maaaring ayusin ang sampling hakbang, guidance, interpolation at `negative_prompt`.

Mga parameter

Ipadala ang canonical na pangalan o ang native na pangalan, hindi pareho. Mga canonical na pangalan

PangalanUri defaultPinapayagan Paglalarawan
promptkinakailangan
Uristring
Text prompt na ginamit upang buuin ang video.
negative_promptopsyonal
Uristring
default
Negative prompt na inilalapat sa pagbuo ng video.
num_framesopsyonal
Uriinteger
default80
40 – 120
Pumili ng multiple ng 4 sa loob ng 40–120 upang itakda kung ilang frame ang bubuuin.
frames_per_secondopsyonal
Uriinteger | null
default16
4 – 60
Frame rate ng nabuong video, tumatanggap ng mga value mula 4 hanggang 60; kapag itinakda ang `adjust_fps_for_interpolation` sa false, pinapanatili ang rate na ito nang walang pagbabago. Kapag ginagamit ang interpolation at true ang `adjust_fps_for_interpolation` (ang default nito), i-multiply ang rate na ito sa isa dagdag ang bilang ng interpolated frame upang makuha ang final FPS. Halimbawa, ang 16 FPS na may 1 interpolated frame ay nagiging 32 FPS.
seedopsyonal
Uriinteger | null
Seed na ginagawang reproducible ang pagbuo. Ang pagtatakda nito sa None ay random na pumipili ng seed.
resolutionopsyonal
Urienum
default480p
480p580p720p
Resolution ng output video: 480p, 580p, o 720p.
num_inference_stepsopsyonal
Uriinteger
default27
2 – 40
Bilang ng sampling step, kung saan ipinagpapalit ang mas mahabang oras ng pagproseso para sa mas magandang kalidad habang tumataas ang bilang.
enable_safety_checkeropsyonal
Uriboolean
defaultfalse
Safety screening ng input bago ang pagproseso, na mga awtorisadong account lamang ang maaaring mag-off. Palaging sini-screen ang mga kahilingang walang authorization; kung hindi, ini-enable ng true ang screening.
enable_output_safety_checkeropsyonal
Uriboolean
defaultfalse
Kinokontrol ang safety screening ng nabuong video; ini-enable ng true ang pagsusuri pagkatapos ng pagbuo.
guidance_scaleopsyonal
Urinumber
default3.5
1 – 10
Lakas ng classifier-free guidance, kung saan ipinagpapalit ang posibleng pagbaba ng kalidad para sa mas malapit na pagtutugma sa prompt habang tumataas ang scale.
shiftopsyonal
Urinumber
default5
1 – 10
Setting ng video shift, na may pinapahintulutang saklaw na 1.0–10.0.
video_qualityopsyonal
Urienum
defaulthigh
lowmediumhighmaximum
Setting ng kalidad ng output video na ipinagpapalit ang mas malalaking file para sa mas magandang visual habang itinataas ang setting.
video_write_modeopsyonal
Urienum
defaultbalanced
fastbalancedsmall
Mode ng pagsusulat ng video, kung saan nagbibigay ang balanced ng kompromiso sa pagitan ng bilis at kalidad. Pumili ng small para sa pinakamaliliit na file at pinakamabagal na pagsusulat; mas mabilis na pagsusulat ang mas maagang nagbabalik ng resulta ngunit lumilikha ng mas malalaking file.
image_urlkinakailangan image
Uriurl · image
URL ng source larawan; tinutukoy ng napiling aspect ratio kung kailangan ng preprocessing: nagti-trigger ang hindi pagtutugma ng pag-resize na sinusundan ng center crop.
audio_urlkinakailangan audio
Uriurl · audio
URL na tumutukoy sa audio file.
kinakailangan Canonical na pangalan, tinatanggap din

Tumatanggap ang mga parameter ng file ng pampublikong https:// URL, data: URI na hanggang 10 MB, o file_url ng isang upload. Mga file

Output

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"
  }
}
Ikaw ang pumipili para sa iyong mga fileAng bawat outputs[].url ay kopya sa aming storage: pinananatili nang walang hanggan (sinisingil bawat GB-month) o 7 araw nang libre, ayon sa setting ng iyong account o ?storage=.
Parehong shape sa bawat modelotype, url, content_type, width, height at duration, para sa mga larawan, video at audio. Ang output ay sariling result object ng modelo.
Mga field ng output
video
object {url, content_type, file_name, file_size}Video file na ginawa sa pagbuo.

Higit pang modelo: Lipsync at Avatar

Para sa mga AI agent: nasa Markdown ang pahinang ito sa https://doitong.com/fil/developers/models/wan/v2.2-14b/speech-to-video.md. Lahat ng modelo at gabay: https://doitong.com/developers/llms.txt