Leum chun t-susbaint

Wan-2.2 Speech-to-Video 14B

Amalaich

ID a’ mhodail 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"

Faidhlichean mar an eisimpleir: $0.50 500 creideasan API · ≈ ₽53.79 thèid na faidhlichean agad a thomhas ron ruith Ruith e air an duilleig seo

Faigh iuchair API
Alibaba Sioncronadh bilean & Ava­taran Sioncronadh bileansuas ri 720p #audio-to-video#talking-head

Cruthaichidh e bhidio labhairt bho ìomhaigh stad agus faidhle fuaime, air a stiùireadh le prompt teacsa

Air a dhèanamh air Doitong

Obraichean poblach a rinn coimhearsnachd Doitong le Wan v22 Large. Ath-chleachd prompt ann an aon bhriogadh.

Obraichean poblach air an sealltainn: 3
Создай 30-секундный обучающий музыкальный ролик для детей 3–5 лет. Тема: транспорт. Яркая 2D-аним... Bhidio

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... Bhidio

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... Bhidio

# 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...

Tog iarrtas

Tha na smachdan air an cruthachadh bho sgeama a’ mhodail. Bidh an còd agus a’ phrìs ag ùrachadh fhad ’s a dh’atharraicheas tu iad.

•riatanach

Prompt teacsa a chaidh a chleachdadh gus a’ bhidio a ghineadh.

•riatanach image_url
Leig às faidhle, no

URL na h-ìomhaigh thùsail, leis a’ cho-mheas taobh a thagh thu a’ dearbhadh a bheil ro-ghiollachd riatanach: bidh neo-ionnanachd a’ piocadh ath-mheudachaidh agus bàrr-meadhanach.

•riatanach audio_url
Leig às faidhle, no

URL a’ comharrachadh an fhaidhle claisneachd.

resolution bun-roghainn 480p

Dùmhlachd-bhreacaidh a’ bhidio às-chuir: 480p, 580p no 720p.

bun-roghainn 80

Tagh iomad de 4 taobh a-staigh 40–120 gus cia mheud frèam a thèid a ghineadh a shuidheachadh.

Adhartach negative_prompt · video_quality · video_write_mode · frames_per_second · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker · enable_output_safety_checker
bun-roghainn

Prompt àicheil a thèid a chur an sàs nuair a thathar a’ gineadh bhidio.

video_quality bun-roghainn high

Suidheachadh càileachd bhidio às-chuir a nì malairt eadar faidhlichean nas motha agus lèirsinnean nas fheàrr mar a thèid an suidheachadh am meud.

video_write_mode bun-roghainn balanced

Modh sgrìobhaidh bhidio, le balanced a’ tabhann co-rèiteachadh eadar astar agus càileachd. Tagh small airson na faidhlichean as lugha agus an sgrìobhadh as slaodaiche; bidh sgrìobhadh nas luaithe a’ tilleadh thoraidhean nas luaithe ach a’ cruthachadh faidhlichean nas motha.

bun-roghainn 16

Ìre frèamaichean a’ bhidio a chaidh a ghineadh, a’ gabhail ri luachan bho 4 gu 60; bidh suidheachadh `adjust_fps_for_interpolation` gu false a’ gleidheadh na h-ìre seo gun atharrachadh. Nuair a thathar a’ cleachdadh eadar-shuidheachaidh agus `adjust_fps_for_interpolation` true (a bhun-roghainn), iomadaich an ìre seo le aon a bharrachd air àireamh nam frèaman eadar-shuidhichte gus an FPS dheireannach fhaighinn. Mar eisimpleir, bidh 16 FPS le 1 fhrèam eadar-shuidhichte na 32 FPS.

bun-roghainn 27

Cunntas cheumannan samplachaidh, ag iomlaid ùine giullachd nas fhaide airson càileachd nas fheàrr mar a bhios an cunntas ag èirigh.

bun-roghainn 3.5

Neart stiùiridh gun chlasadair, ag iomlaid call càileachd a dh’fhaodadh tachairt airson maidseadh nas dlùithe ris a’ phrompt mar a bhios an sgèile ag èirigh.

bun-roghainn 5

Suidheachadh gluasad bhidio, le raon ceadaichte de 1.0–10.0.

Sìol a nì gineadh ath-riochdachail. Le bhith ga shuidheachadh gu None, thèid sìol a thaghadh air thuaiream.

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

Ruith an t-iarrtas seo

Fuirichidh an iuchair agad sa bhrobhsair seo: thèid a cur chun Doitong API a-mhàin agus a sàbhaladh (localStorage) a-mhàin ma chuireas tu comharra ri Cuimhnich. Faigh iuchair API

Mu Wan-2.2 Speech-to-Video 14B

Feumaidh e `prompt`, `image_url` tùsail agus `audio_url`, agus cruthaichidh e bhidio den chuspair san ìomhaigh air a stiùireadh leis an fhuaim. Tha `num_frames` eadar 40 agus 120 ann an iomadan de 4, aig 16 fps a ghnàth. Faodaidh `resolution` a bhith 480p, 580p no 720p. Faodar ceumannan samplachaidh, stiùireadh, eadar-shuidheachadh agus `negative_prompt` atharrachadh.

Paramadairean

Cuir an t-ainm canonical no an t-ainm dùthchasach, chan e an dà chuid. Ainmean canonical

AinmSeòrsa Bun-roghainnCeadaichte Tuairisgeul
promptriatanach
Seòrsastring
Prompt teacsa a chaidh a chleachdadh gus a’ bhidio a ghineadh.
negative_promptroghainneil
Seòrsastring
Bun-roghainn
Prompt àicheil a thèid a chur an sàs nuair a thathar a’ gineadh bhidio.
num_framesroghainneil
Seòrsainteger
Bun-roghainn80
40 – 120
Tagh iomad de 4 taobh a-staigh 40–120 gus cia mheud frèam a thèid a ghineadh a shuidheachadh.
frames_per_secondroghainneil
Seòrsainteger | null
Bun-roghainn16
4 – 60
Ìre frèamaichean a’ bhidio a chaidh a ghineadh, a’ gabhail ri luachan bho 4 gu 60; bidh suidheachadh `adjust_fps_for_interpolation` gu false a’ gleidheadh na h-ìre seo gun atharrachadh. Nuair a thathar a’ cleachdadh eadar-shuidheachaidh agus `adjust_fps_for_interpolation` true (a bhun-roghainn), iomadaich an ìre seo le aon a bharrachd air àireamh nam frèaman eadar-shuidhichte gus an FPS dheireannach fhaighinn. Mar eisimpleir, bidh 16 FPS le 1 fhrèam eadar-shuidhichte na 32 FPS.
seedroghainneil
Seòrsainteger | null
Sìol a nì gineadh ath-riochdachail. Le bhith ga shuidheachadh gu None, thèid sìol a thaghadh air thuaiream.
resolutionroghainneil
Seòrsaenum
Bun-roghainn480p
480p580p720p
Dùmhlachd-bhreacaidh a’ bhidio às-chuir: 480p, 580p no 720p.
num_inference_stepsroghainneil
Seòrsainteger
Bun-roghainn27
2 – 40
Cunntas cheumannan samplachaidh, ag iomlaid ùine giullachd nas fhaide airson càileachd nas fheàrr mar a bhios an cunntas ag èirigh.
enable_safety_checkerroghainneil
Seòrsaboolean
Bun-roghainnfalse
Sgrìonadh sàbhailteachd an in-chuir mus tèid a ghiullachd, nach fhaod ach cunntasan ùghdarraichte a chur dheth. Bidh iarrtasan gun ùghdarras an-còmhnaidh air an sgrìonadh; air neo, bidh true a’ cur an sgrìonaidh an comas.
enable_output_safety_checkerroghainneil
Seòrsaboolean
Bun-roghainnfalse
A’ cumail smachd air sgrìonadh sàbhailteachd a’ bhidio a chaidh a ghineadh; bidh suidheachadh true a’ cur sgrùdadh an comas às dèidh gineadh.
guidance_scaleroghainneil
Seòrsanumber
Bun-roghainn3.5
1 – 10
Neart stiùiridh gun chlasadair, ag iomlaid call càileachd a dh’fhaodadh tachairt airson maidseadh nas dlùithe ris a’ phrompt mar a bhios an sgèile ag èirigh.
shiftroghainneil
Seòrsanumber
Bun-roghainn5
1 – 10
Suidheachadh gluasad bhidio, le raon ceadaichte de 1.0–10.0.
video_qualityroghainneil
Seòrsaenum
Bun-roghainnhigh
lowmediumhighmaximum
Suidheachadh càileachd bhidio às-chuir a nì malairt eadar faidhlichean nas motha agus lèirsinnean nas fheàrr mar a thèid an suidheachadh am meud.
video_write_moderoghainneil
Seòrsaenum
Bun-roghainnbalanced
fastbalancedsmall
Modh sgrìobhaidh bhidio, le balanced a’ tabhann co-rèiteachadh eadar astar agus càileachd. Tagh small airson na faidhlichean as lugha agus an sgrìobhadh as slaodaiche; bidh sgrìobhadh nas luaithe a’ tilleadh thoraidhean nas luaithe ach a’ cruthachadh faidhlichean nas motha.
image_urlriatanach image
Seòrsaurl · image
URL na h-ìomhaigh thùsail, leis a’ cho-mheas taobh a thagh thu a’ dearbhadh a bheil ro-ghiollachd riatanach: bidh neo-ionnanachd a’ piocadh ath-mheudachaidh agus bàrr-meadhanach.
audio_urlriatanach audio
Seòrsaurl · audio
URL a’ comharrachadh an fhaidhle claisneachd.
riatanach Ainm canonical, gabhar ris cuideachd

Gabhaidh paramadairean faidhle ri URL poblach https://, URI data: suas ri 10 MB, no file_url de luchdachadh suas. Faidhlichean

Toradh

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"
  }
}
Na faidhlichean agad, do roghainnTha gach outputs[].url na lethbhreac air an stòradh againn: air a chumail gu bràth (air a phàigheadh gach GB-mìos) no 7 latha an-asgaidh, a rèir suidheachadh a’ chunntais agad no ?storage=.
An aon chruth air gach modailtype, url, content_type, width, height agus duration, airson dealbhan, bhidio agus fuaim le chèile. ’S e output nì toraidh a’ mhodail fhèin.
Raointean toraidh
video
object {url, content_type, file_name, file_size}Faidhle bhidio a chaidh a chruthachadh le gineadh.

Barrachd mhodalan: Sioncronadh bilean & Ava­taran

Do riochdairean AI: tha an duilleag seo mar Markdown aig https://doitong.com/gd/developers/models/wan/v2.2-14b/speech-to-video.md. Na modailean agus na treòraichean uile: https://doitong.com/developers/llms.txt