Ugrás a tartalomhoz

Wan-2.2 Speech-to-Video 14B

Integráció

Modellazonosító 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"

A példához hasonló fájlok: 0,50 $ 500 API-jóváírás · ≈ 53,66 ₽ a fájljaidat a futtatás előtt megmérjük Futtatás ezen az oldalon

API-kulcs beszerzése
Alibaba Lipsync és avatarok Lipsynclegfeljebb 720p #audio-to-video#talking-head

Állóképből és hangfájlból készít beszélő videót szöveges prompt alapján

A Doitongon készült

A Doitong közössége által a(z) Wan v22 Large használatával készített nyilvános munkák. Egy kattintással újra felhasználhatod a promptot.

Megjelenített nyilvános munkák: 3
Создай 30-секундный обучающий музыкальный ролик для детей 3–5 лет. Тема: транспорт. Яркая 2D-аним... Videó

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... Videó

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... Videó

# 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...

Kérés összeállítása

A vezérlők a modell sémájából jönnek létre. A kód és az ár a módosításokkal együtt frissül.

•kötelező

A videó generálásához használt szöveges prompt.

•kötelező image_url
Húzz egy fájlt ide, vagy

Forráskép URL-je; a kiválasztott képarány határozza meg, szükséges-e előfeldolgozás: eltérés esetén átméretezés, majd középre igazított vágás történik.

•kötelező audio_url
Húzz egy fájlt ide, vagy

A hangfájlra mutató URL.

resolution alapértelmezett: 480p

A kimeneti videó felbontása: 480p, 580p vagy 720p.

alapértelmezett: 80

Válasszon 40–120 közötti, 4-gyel osztható értéket a generálandó képkockák számának beállításához.

Speciális negative_prompt · video_quality · video_write_mode · frames_per_second · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker · enable_output_safety_checker
alapértelmezett:

Videógeneráláskor alkalmazott negatív prompt.

video_quality alapértelmezett: high

A kimeneti videó minőségi beállítása, amely növeléskor nagyobb fájlokat eredményez a jobb vizuális minőségért cserébe.

video_write_mode alapértelmezett: balanced

Videóírási mód, amelynél a balanced kompromisszumot kínál a sebesség és a minőség között. Válassza a small értéket a legkisebb fájlokhoz és a leglassabb íráshoz; a gyorsabb írás hamarabb ad eredményt, de nagyobb fájlokat hoz létre.

alapértelmezett: 16

A generált videó képkockasebessége, 4 és 60 közötti értékekkel; ha az `adjust_fps_for_interpolation` értéke false, ez a sebesség változatlan marad. Interpoláció használatakor, ha az `adjust_fps_for_interpolation` true (az alapértelmezett értéke), a végső FPS kiszámításához ezt a sebességet szorozza meg az interpolált képkockák számának egyesével növelt értékével. Például 1 interpolált képkocka esetén a 16 FPS 32 FPS-re változik.

alapértelmezett: 27

Mintavételezési lépések száma; a szám növelése hosszabb feldolgozási időért cserébe jobb minőséget biztosít.

alapértelmezett: 3.5

A classifier-free guidance erőssége; a skála növelésekor az esetleges minőségromlásért cserébe pontosabb promptillesztést biztosít.

alapértelmezett: 5

Videóeltolási beállítás, 1.0–10.0 közötti engedélyezett tartománnyal.

A generálást reprodukálhatóvá tevő seed. A None érték véletlenszerű seedet választ.

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

Kérés futtatása

A kulcsod ebben a böngészőben marad: csak a Doitong API-nak küldjük el, és csak akkor mentjük a localStorage-ba, ha bejelölöd az Emlékezz rám lehetőséget. API-kulcs igénylése

A(z) Wan-2.2 Speech-to-Video 14B bemutatása

Egy `prompt`, egy forrás-`image_url` és egy `audio_url` szükséges hozzá, majd a hang által vezérelt videót készít a képen látható témáról. A `num_frames` 40 és 120 között, 4 többszöröse lehet, alapértelmezés szerint 16 fps mellett. A `resolution` 480p, 580p vagy 720p lehet. A mintavételezési lépések, a vezérlés, az interpoláció és a `negative_prompt` állítható.

Paraméterek

Küldd el a kanonikus nevet vagy a natív nevet, de ne mindkettőt. Kanonikus nevek

NévTípus AlapértelmezettEngedélyezett Leírás
promptkötelező
Típusstring
A videó generálásához használt szöveges prompt.
negative_promptnem kötelező
Típusstring
Alapértelmezett
Videógeneráláskor alkalmazott negatív prompt.
num_framesnem kötelező
Típusinteger
Alapértelmezett80
40 – 120
Válasszon 40–120 közötti, 4-gyel osztható értéket a generálandó képkockák számának beállításához.
frames_per_secondnem kötelező
Típusinteger | null
Alapértelmezett16
4 – 60
A generált videó képkockasebessége, 4 és 60 közötti értékekkel; ha az `adjust_fps_for_interpolation` értéke false, ez a sebesség változatlan marad. Interpoláció használatakor, ha az `adjust_fps_for_interpolation` true (az alapértelmezett értéke), a végső FPS kiszámításához ezt a sebességet szorozza meg az interpolált képkockák számának egyesével növelt értékével. Például 1 interpolált képkocka esetén a 16 FPS 32 FPS-re változik.
seednem kötelező
Típusinteger | null
A generálást reprodukálhatóvá tevő seed. A None érték véletlenszerű seedet választ.
resolutionnem kötelező
Típusenum
Alapértelmezett480p
480p580p720p
A kimeneti videó felbontása: 480p, 580p vagy 720p.
num_inference_stepsnem kötelező
Típusinteger
Alapértelmezett27
2 – 40
Mintavételezési lépések száma; a szám növelése hosszabb feldolgozási időért cserébe jobb minőséget biztosít.
enable_safety_checkernem kötelező
Típusboolean
Alapértelmezettfalse
Feldolgozás előtti bemeneti biztonsági ellenőrzés, amelyet csak engedélyezett fiókok kapcsolhatnak ki. Engedély nélküli kéréseknél mindig megtörténik az ellenőrzés; egyébként a true érték engedélyezi.
enable_output_safety_checkernem kötelező
Típusboolean
Alapértelmezettfalse
A generált videó biztonsági ellenőrzését szabályozza; a true érték a generálás utáni ellenőrzést engedélyezi.
guidance_scalenem kötelező
Típusnumber
Alapértelmezett3.5
1 – 10
A classifier-free guidance erőssége; a skála növelésekor az esetleges minőségromlásért cserébe pontosabb promptillesztést biztosít.
shiftnem kötelező
Típusnumber
Alapértelmezett5
1 – 10
Videóeltolási beállítás, 1.0–10.0 közötti engedélyezett tartománnyal.
video_qualitynem kötelező
Típusenum
Alapértelmezetthigh
lowmediumhighmaximum
A kimeneti videó minőségi beállítása, amely növeléskor nagyobb fájlokat eredményez a jobb vizuális minőségért cserébe.
video_write_modenem kötelező
Típusenum
Alapértelmezettbalanced
fastbalancedsmall
Videóírási mód, amelynél a balanced kompromisszumot kínál a sebesség és a minőség között. Válassza a small értéket a legkisebb fájlokhoz és a leglassabb íráshoz; a gyorsabb írás hamarabb ad eredményt, de nagyobb fájlokat hoz létre.
image_urlkötelező image
Típusurl · image
Forráskép URL-je; a kiválasztott képarány határozza meg, szükséges-e előfeldolgozás: eltérés esetén átméretezés, majd középre igazított vágás történik.
audio_urlkötelező audio
Típusurl · audio
A hangfájlra mutató URL.
kötelező Kanonikus név, szintén elfogadva

A fájlparaméterek nyilvános https:// URL-t, legfeljebb 10 MB-os data: URI-t vagy egy feltöltés file_url értékét fogadják el. Fájlok

Kimenet

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"
  }
}
Az Ön fájljai, az Ön döntéseMinden outputs[].url a tárhelyünkön lévő másolat: örökre megőrizve (GB-hónaponként fizetve) vagy 7 nap ideig ingyenesen, a fiókbeállításod vagy a ?storage= alapján.
Azonos struktúra minden modellentype, url, content_type, width, height és duration képekhez, videókhoz és hanganyagokhoz egyaránt. Az output a modell saját eredményobjektuma.
A kimenet mezői
video
object {url, content_type, file_name, file_size}A generálással létrehozott videófájl.

További modellek: Lipsync és avatarok

AI-ügynököknek: ez az oldal Markdown formátumban itt található: https://doitong.com/hu/developers/models/wan/v2.2-14b/speech-to-video.md. Minden modell és útmutató: https://doitong.com/developers/llms.txt