Passer au contenu

Wan-2.2 Speech-to-Video 14B

Intégrer

Identifiant du modèle 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"

Fichiers comme dans l’exemple: 0,50 $ 500 crédits API · ≈ 53,66 ₽ vos fichiers sont mesurés avant l’exécution L’exécuter sur cette page

Obtenir une clé API
Alibaba Synchronisation labiale et avatars Synchronisation labialejusqu’à 720p #audio-to-video#talking-head

Crée une vidéo parlante à partir d’une image fixe et d’un fichier audio, guidée par un prompt textuel

Créé sur Doitong

Créations publiques réalisées avec Wan v22 Large par la communauté Doitong. Réutilisez un prompt en un clic.

Créations publiques affichées : 3
Создай 30-секундный обучающий музыкальный ролик для детей 3–5 лет. Тема: транспорт. Яркая 2D-аним... Vidéo

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... Vidéo

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... Vidéo

# 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...

Créer une requête

Les contrôles sont générés à partir du schéma du modèle. Le code et le prix se mettent à jour lorsque vous les modifiez.

•requis

Prompt textuel utilisé pour générer la vidéo.

•requis image_url
Déposez un fichier, ou

URL de l'image source ; le format d'image sélectionné détermine si un prétraitement est nécessaire : une incompatibilité déclenche un redimensionnement suivi d'un recadrage centré.

•requis audio_url
Déposez un fichier, ou

URL pointant vers le fichier audio.

resolution par défaut 480p

Résolution de la vidéo en sortie : 480p, 580p ou 720p.

par défaut 80

Choisissez un multiple de 4 compris entre 40 et 120 pour définir le nombre d'images générées.

Avancé negative_prompt · video_quality · video_write_mode · frames_per_second · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker · enable_output_safety_checker
par défaut

Prompt négatif appliqué lors de la génération d'une vidéo.

video_quality par défaut high

Paramètre de qualité de la vidéo en sortie, qui échange des fichiers plus volumineux contre de meilleurs visuels à mesure que sa valeur augmente.

video_write_mode par défaut balanced

Mode d'écriture vidéo, avec balanced offrant un compromis entre vitesse et qualité. Choisissez small pour les fichiers les plus petits et l'écriture la plus lente ; une écriture plus rapide renvoie les résultats plus tôt mais crée des fichiers plus volumineux.

par défaut 16

Fréquence d'images de la vidéo générée, acceptant les valeurs de 4 à 60 ; définir `adjust_fps_for_interpolation` sur false conserve cette fréquence inchangée. Avec l'interpolation et `adjust_fps_for_interpolation` à true (sa valeur par défaut), multipliez cette fréquence par un plus le nombre d'images interpolées pour obtenir le FPS final. Par exemple, 16 FPS avec 1 image interpolée devient 32 FPS.

par défaut 27

Nombre d'étapes d'échantillonnage, avec un temps de traitement plus long pour une meilleure qualité lorsque le nombre augmente.

par défaut 3.5

Force du guidage sans classifieur, avec un compromis entre une éventuelle perte de qualité et une correspondance plus étroite avec le prompt lorsque l'échelle augmente.

par défaut 5

Paramètre de décalage vidéo, avec une plage autorisée de 1.0 à 10.0.

Seed rendant la génération reproductible. La valeur None sélectionne un seed aléatoire.

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

Exécuter cette requête

Votre clé reste dans ce navigateur : elle est envoyée uniquement à la Doitong API et enregistrée dans localStorage uniquement si vous cochez Mémoriser. Obtenir une clé API

À propos de Wan-2.2 Speech-to-Video 14B

Nécessite un `prompt`, une `image_url` source et une `audio_url`, puis produit une vidéo du sujet représenté animée par l’audio. `num_frames` va de 40 à 120 par multiples de 4, à 16 fps par défaut. `resolution` peut être 480p, 580p ou 720p. Les étapes d’échantillonnage, le guidage, l’interpolation et un `negative_prompt` sont configurables.

Paramètres

Envoyez soit le nom canonique, soit le nom natif, mais pas les deux. Noms canoniques

NomType Par défautAutorisé Description
promptrequis
Typestring
Prompt textuel utilisé pour générer la vidéo.
negative_promptfacultatif
Typestring
Par défaut
Prompt négatif appliqué lors de la génération d'une vidéo.
num_framesfacultatif
Typeinteger
Par défaut80
40 – 120
Choisissez un multiple de 4 compris entre 40 et 120 pour définir le nombre d'images générées.
frames_per_secondfacultatif
Typeinteger | null
Par défaut16
4 – 60
Fréquence d'images de la vidéo générée, acceptant les valeurs de 4 à 60 ; définir `adjust_fps_for_interpolation` sur false conserve cette fréquence inchangée. Avec l'interpolation et `adjust_fps_for_interpolation` à true (sa valeur par défaut), multipliez cette fréquence par un plus le nombre d'images interpolées pour obtenir le FPS final. Par exemple, 16 FPS avec 1 image interpolée devient 32 FPS.
seedfacultatif
Typeinteger | null
Seed rendant la génération reproductible. La valeur None sélectionne un seed aléatoire.
resolutionfacultatif
Typeenum
Par défaut480p
480p580p720p
Résolution de la vidéo en sortie : 480p, 580p ou 720p.
num_inference_stepsfacultatif
Typeinteger
Par défaut27
2 – 40
Nombre d'étapes d'échantillonnage, avec un temps de traitement plus long pour une meilleure qualité lorsque le nombre augmente.
enable_safety_checkerfacultatif
Typeboolean
Par défautfalse
Contrôle de sécurité des entrées avant traitement, que seuls les comptes autorisés peuvent désactiver. Les requêtes sans autorisation sont toujours contrôlées ; sinon, true active le contrôle.
enable_output_safety_checkerfacultatif
Typeboolean
Par défautfalse
Contrôle le contrôle de sécurité de la vidéo générée ; la valeur true active une vérification après la génération.
guidance_scalefacultatif
Typenumber
Par défaut3.5
1 – 10
Force du guidage sans classifieur, avec un compromis entre une éventuelle perte de qualité et une correspondance plus étroite avec le prompt lorsque l'échelle augmente.
shiftfacultatif
Typenumber
Par défaut5
1 – 10
Paramètre de décalage vidéo, avec une plage autorisée de 1.0 à 10.0.
video_qualityfacultatif
Typeenum
Par défauthigh
lowmediumhighmaximum
Paramètre de qualité de la vidéo en sortie, qui échange des fichiers plus volumineux contre de meilleurs visuels à mesure que sa valeur augmente.
video_write_modefacultatif
Typeenum
Par défautbalanced
fastbalancedsmall
Mode d'écriture vidéo, avec balanced offrant un compromis entre vitesse et qualité. Choisissez small pour les fichiers les plus petits et l'écriture la plus lente ; une écriture plus rapide renvoie les résultats plus tôt mais crée des fichiers plus volumineux.
image_urlrequis image
Typeurl · image
URL de l'image source ; le format d'image sélectionné détermine si un prétraitement est nécessaire : une incompatibilité déclenche un redimensionnement suivi d'un recadrage centré.
audio_urlrequis audio
Typeurl · audio
URL pointant vers le fichier audio.
requis Nom canonique, également accepté

Les paramètres de fichier acceptent une URL publique https://, un URI data: jusqu’à 10 MB ou le file_url d’un téléversement. Fichiers

Sortie

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"
  }
}
Vos fichiers, votre choixChaque outputs[].url est une copie dans notre stockage : conservée indéfiniment (facturation au Go-mois) ou 7 jours gratuitement, selon le réglage de votre compte ou ?storage=.
Même structure pour chaque modèletype, url, content_type, width, height et duration, pour les images, vidéos et fichiers audio. output est le propre objet de résultat du modèle.
Champs de sortie
video
object {url, content_type, file_name, file_size}Fichier vidéo produit par la génération.

Plus de modèles : Synchronisation labiale et avatars

Pour les agents IA : cette page au format Markdown est disponible à https://doitong.com/fr/developers/models/wan/v2.2-14b/speech-to-video.md. Tous les modèles et guides : https://doitong.com/developers/llms.txt