Léim chuig an ábhar

Wan-2.2 Speech-to-Video 14B

Comhtháthú

Aitheantas na samhla 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"

Comhaid cosúil leis an sampla: $0.50 500 gcreidmheas API · ≈ ₽53.66 déantar do chuid comhad a thomhas roimh an rith Rith ar an leathanach seo

Faigh eochair API
Alibaba Sioncronú Liopaí agus Abhatáir Sioncronú liopaísuas le 720p #audio-to-video#talking-head

Cruthaíonn sé físeán cainteach ó íomhá neamhbheo agus comhad fuaime, faoi threoir leid téacs

Déanta ar Doitong

Saothair phoiblí déanta leis an Wan v22 Large ag pobal Doitong. Athúsáid leid le clic amháin.

Saothair phoiblí ar taispeáint: 3
Создай 30-секундный обучающий музыкальный ролик для детей 3–5 лет. Тема: транспорт. Яркая 2D-аним... Físeán

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... Físeán

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... Físeán

# 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...

Tóg iarratas

Gintear na rialtáin ó scéim na samhla. Nuashonraítear an cód agus an praghas de réir mar a athraíonn tú iad.

•riachtanach

Leid téacs a úsáidtear chun an físeán a ghiniúint.

•riachtanach image_url
Scaoil comhad, nó

URL na híomhá foinse, agus an cóimheas gné roghnaithe ag cinneadh an bhfuil réamhphróiseáil riachtanach: spreagann neamhréir athmhéidiú agus barrghearradh lárnach.

•riachtanach audio_url
Scaoil comhad, nó

URL a dhíríonn chuig an gcomhad fuaime.

resolution réamhshocrú 480p

Taifeach aschuir an fhíseáin: 480p, 580p nó 720p.

réamhshocrú 80

Roghnaigh iolraí de 4 idir 40–120 chun líon na bhfrámaí a ghintear a shocrú.

Ardleibhéal negative_prompt · video_quality · video_write_mode · frames_per_second · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker · enable_output_safety_checker
réamhshocrú

Leid dhiúltach a chuirtear i bhfeidhm agus físeán á ghiniúint.

video_quality réamhshocrú high

Socrú cáilíochta aschuir físeáin a mhalartaíonn comhaid níos mó ar amhairc fheabhsaithe de réir mar a mhéadaítear an socrú.

video_write_mode réamhshocrú balanced

Mód scríofa físeáin, agus balanced ina chomhréiteach idir luas agus cáilíocht. Roghnaigh small do na comhaid is lú agus an scríobh is moille; tugann scríobh níos tapúla torthaí níos luaithe ach cruthaíonn sé comhaid níos mó.

réamhshocrú 16

Ráta frámaí an fhíseáin ghinte, ag glacadh le luachanna ó 4 go 60; má shocraítear `adjust_fps_for_interpolation` go false, coimeádtar an ráta seo gan athrú. Agus idirshuíomh in úsáid agus `adjust_fps_for_interpolation` true (a réamhshocrú), iolraigh an ráta seo faoi a haon móide líon na bhfrámaí idirshuite chun an FPS deiridh a fháil. Mar shampla, éiríonn 16 FPS le 1 fhráma idirshuite ina 32 FPS.

réamhshocrú 27

Líon na gcéimeanna samplála, áit a mhalartaítear am próiseála níos faide ar cháilíocht níos fearr de réir mar a mhéadaíonn an líon.

réamhshocrú 3.5

Neart treorach saor ó aicmitheoir, áit a mhalartaítear caillteanas cáilíochta féideartha ar mheaitseáil níos dlúithe leis an leid de réir mar a mhéadaíonn an scála.

réamhshocrú 5

Socrú aistrithe físeáin, le raon ceadaithe 1.0–10.0.

Síol a fhágann giniúint in-atáirgthe. Má shocraítear é go None, roghnaítear síol go randamach.

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

Rith an t-iarratas seo

Fanann d'eochair sa bhrabhsálaí seo: seoltar chuig Doitong API amháin í agus sábháiltear (localStorage) í ach amháin má chuireann tú tic le Meabhraigh. Faigh eochair API

Maidir le Wan-2.2 Speech-to-Video 14B

Teastaíonn `prompt`, `image_url` foinseach agus `audio_url` uaidh, agus táirgeann sé físeán den ábhar sa phictiúr faoi stiúir na fuaime. Téann `num_frames` ó 40 go 120 in iolraithe de 4, ag 16 fps de réir réamhshocraithe. Is féidir `resolution` a bheith 480p, 580p nó 720p. Is féidir céimeanna samplála, treoir, idirshuíomh agus `negative_prompt` a choigeartú.

Paraiméadair

Seol an t-ainm canónach nó an t-ainm dúchasach, ní an dá cheann. Ainmneacha canónacha

AinmCineál RéamhshocrúCeadaithe Cur síos
promptriachtanach
Cineálstring
Leid téacs a úsáidtear chun an físeán a ghiniúint.
negative_promptroghnach
Cineálstring
Réamhshocrú
Leid dhiúltach a chuirtear i bhfeidhm agus físeán á ghiniúint.
num_framesroghnach
Cineálinteger
Réamhshocrú80
40 – 120
Roghnaigh iolraí de 4 idir 40–120 chun líon na bhfrámaí a ghintear a shocrú.
frames_per_secondroghnach
Cineálinteger | null
Réamhshocrú16
4 – 60
Ráta frámaí an fhíseáin ghinte, ag glacadh le luachanna ó 4 go 60; má shocraítear `adjust_fps_for_interpolation` go false, coimeádtar an ráta seo gan athrú. Agus idirshuíomh in úsáid agus `adjust_fps_for_interpolation` true (a réamhshocrú), iolraigh an ráta seo faoi a haon móide líon na bhfrámaí idirshuite chun an FPS deiridh a fháil. Mar shampla, éiríonn 16 FPS le 1 fhráma idirshuite ina 32 FPS.
seedroghnach
Cineálinteger | null
Síol a fhágann giniúint in-atáirgthe. Má shocraítear é go None, roghnaítear síol go randamach.
resolutionroghnach
Cineálenum
Réamhshocrú480p
480p580p720p
Taifeach aschuir an fhíseáin: 480p, 580p nó 720p.
num_inference_stepsroghnach
Cineálinteger
Réamhshocrú27
2 – 40
Líon na gcéimeanna samplála, áit a mhalartaítear am próiseála níos faide ar cháilíocht níos fearr de réir mar a mhéadaíonn an líon.
enable_safety_checkerroghnach
Cineálboolean
Réamhshocrúfalse
Scagadh sábháilteachta an ionchuir roimh phróiseáil, nach féidir ach le cuntais údaraithe é a mhúchadh. Déantar scagadh i gcónaí ar iarratais gan údarú; ar shlí eile, cumasaíonn true an scagadh.
enable_output_safety_checkerroghnach
Cineálboolean
Réamhshocrúfalse
Rialaíonn sé scagadh sábháilteachta an fhíseáin ghinte; cumasaíonn true seiceáil i ndiaidh na giniúna.
guidance_scaleroghnach
Cineálnumber
Réamhshocrú3.5
1 – 10
Neart treorach saor ó aicmitheoir, áit a mhalartaítear caillteanas cáilíochta féideartha ar mheaitseáil níos dlúithe leis an leid de réir mar a mhéadaíonn an scála.
shiftroghnach
Cineálnumber
Réamhshocrú5
1 – 10
Socrú aistrithe físeáin, le raon ceadaithe 1.0–10.0.
video_qualityroghnach
Cineálenum
Réamhshocrúhigh
lowmediumhighmaximum
Socrú cáilíochta aschuir físeáin a mhalartaíonn comhaid níos mó ar amhairc fheabhsaithe de réir mar a mhéadaítear an socrú.
video_write_moderoghnach
Cineálenum
Réamhshocrúbalanced
fastbalancedsmall
Mód scríofa físeáin, agus balanced ina chomhréiteach idir luas agus cáilíocht. Roghnaigh small do na comhaid is lú agus an scríobh is moille; tugann scríobh níos tapúla torthaí níos luaithe ach cruthaíonn sé comhaid níos mó.
image_urlriachtanach image
Cineálurl · image
URL na híomhá foinse, agus an cóimheas gné roghnaithe ag cinneadh an bhfuil réamhphróiseáil riachtanach: spreagann neamhréir athmhéidiú agus barrghearradh lárnach.
audio_urlriachtanach audio
Cineálurl · audio
URL a dhíríonn chuig an gcomhad fuaime.
riachtanach Ainm canónach, glactar leis freisin

Glacann paraiméadair chomhaid le URL poiblí https://, URI data: suas le 10 MB, nó file_url uaslódála. Comhaid

Aschur

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"
  }
}
Do chuid comhad, do roghaIs cóip ar ár stóráil é gach outputs[].url: coinnithe go deo (íoctha in aghaidh GB-mhí) nó ar feadh 7 lá saor in aisce, de réir shocrú do chuntais nó ?storage=.
An cruth céanna ar gach samhailtype, url, content_type, width, height agus duration, d'íomhánna, d'fhíseáin agus d'fhuaim araon. Is é output réad toraidh na samhla féin.
Réimsí aschuir
video
object {url, content_type, file_name, file_size}Comhad físeáin a tháirgtear leis an nginiúint.

Tuilleadh samhlacha: Sioncronú Liopaí agus Abhatáir

Do ghníomhairí AI: tá an leathanach seo mar Markdown ag https://doitong.com/ga/developers/models/wan/v2.2-14b/speech-to-video.md. Gach samhail agus treoir: https://doitong.com/developers/llms.txt