Wan-2.2 Speech-to-Video 14B

Integra

ID del modello 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"

const API = "https://api.doitong.ru/v1";
const headers = {
  "Authorization": "Bearer " + process.env.DOITONG_API_KEY,
  "Content-Type": "application/json",
};

// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/wan/v2.2-14b/speech-to-video?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "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"
  }),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);

// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
  res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
  request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");

import os
import requests

API = "https://api.doitong.ru/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "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",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/wan/v2.2-14b/speech-to-video", params={"wait": 20}, json=payload, headers=headers)
request = r.json()
if not r.ok:
    raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"])

# Not finished yet: long-poll until it is
while request["status"] in ("queued", "running"):
    request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json()
if request["status"] != "succeeded":
    raise RuntimeError(request["error"])
print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"])

# 1. Connect once (Claude Code; Cursor, VS Code, Claude Desktop: https://doitong.com/it/developers/docs/mcp)
claude mcp add --transport http doitong-models https://api.doitong.ru/v1/mcp \
  --header "Authorization: Bearer $DOITONG_API_KEY"

# 2. Your agent calls the "run" tool with:
{
  "model_id": "wan/v2.2-14b/speech-to-video",
  "input": {
    "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"
  }
}

Chiama il modello Wan-2.2 Speech-to-Video 14B (wan/v2.2-14b/speech-to-video) tramite Doitong API. Documentazione per gli agenti: https://doitong.com/it/developers/models/wan/v2.2-14b/speech-to-video.md

POST https://api.doitong.ru/v1/run/wan/v2.2-14b/speech-to-video?wait=20
Authorization: Bearer $DOITONG_API_KEY
Content-Type: application/json

{
  "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"
}

Se lo stato della risposta è "queued" o "running", interroga GET https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20 finché non diventa "succeeded"; i file si trovano in outputs[].url. POST https://api.doitong.ru/v1/quote/wan/v2.2-14b/speech-to-video con lo stesso body restituisce il prezzo esatto prima dell'esecuzione.

File come nell'esempio: 0,50 $ 500 crediti API · ≈ 53,79 ₽ i tuoi file vengono misurati prima dell'esecuzione Esegui in questa pagina

Ottieni la chiave API

Alibaba Lipsync e avatar Lipsyncfino a 720p #audio-to-video#talking-head

Crea un video parlante da un'immagine statica e un file audio, guidato da un prompt testuale

OpenAPI Markdown

Creato su Doitong

Lavori pubblici creati con Wan v22 Large dalla community di Doitong. Riutilizza un prompt con un clic.

Lavori pubblici mostrati: 2

Prezzo per secondo del tuo video di output

Prezzo in base al tuo input

a partire da 0,10 $ / secondo di video in output

100 crediti API / secondo di video in output · ≈ 10,76 ₽

Questa richiesta: 5 secondi × 0,10 $ (480p) 0,50 $ 500 crediti API · ≈ 53,79 ₽

Esegui · 0,50 $

Addebitato solo in caso di successo, rimborsato automaticamente in caso di errore.

num_frames predefinito 80

resolution predefinito 480p

Prezzo per livello

480p	0,10 $ / secondo di video in output
580p	0,15 $ / secondo di video in output
720p	0,20 $ / secondo di video in output

Il titolo mostra il livello più basso; il preventivo calcola il prezzo del tuo input esatto.

I tuoi file vengono misurati prima dell'esecuzione (durata, risoluzione, frequenza dei fotogrammi); il preventivo restituisce il prezzo esatto e l'esecuzione addebita esattamente quello.

Endpoint del preventivo: POST /quote/{id}

Crea una richiesta

I controlli vengono generati dallo schema del modello. Il codice e il prezzo si aggiornano mentre li modifichi.

prompt •obbligatorio

Prompt testuale usato per generare il video.

image •obbligatorio image_url

Trascina un file oppure

URL dell'immagine sorgente; il rapporto d'aspetto selezionato determina se è necessario il preprocessing: una mancata corrispondenza attiva il ridimensionamento seguito da un ritaglio centrale.

audio •obbligatorio audio_url

Trascina un file oppure

URL che punta al file audio.

resolution predefinito 480p

Risoluzione del video di output: 480p, 580p o 720p.

num_frames predefinito 80

Scegli un multiplo di 4 compreso tra 40 e 120 per impostare il numero di fotogrammi generati.

Avanzate negative_prompt · video_quality · video_write_mode · frames_per_second · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker · enable_output_safety_checker

negative_prompt predefinito

Prompt negativo applicato durante la generazione di un video.

video_quality predefinito high

Impostazione della qualità del video di output, che all'aumentare del valore scambia file più grandi con immagini migliori.

video_write_mode predefinito balanced

Modalità di scrittura del video, con balanced come compromesso tra velocità e qualità. Scegli small per i file più piccoli e la scrittura più lenta; una scrittura più rapida restituisce prima i risultati ma crea file più grandi.

frames_per_second predefinito 16

Frequenza fotogrammi del video generato, con valori da 4 a 60; impostando `adjust_fps_for_interpolation` su false la frequenza rimane invariata. Con l'interpolazione attiva e `adjust_fps_for_interpolation` impostato su true (valore predefinito), moltiplica questa frequenza per uno più il numero di fotogrammi interpolati per ottenere gli FPS finali. Ad esempio, 16 FPS con 1 fotogramma interpolato diventano 32 FPS.

num_inference_steps predefinito 27

Numero di passaggi di campionamento, che scambia un tempo di elaborazione maggiore con una qualità migliore all'aumentare del conteggio.

guidance_scale predefinito 3.5

Intensità della guida senza classificatore, che scambia una possibile perdita di qualità con una corrispondenza più stretta al prompt all'aumentare della scala.

shift predefinito 5

Impostazione dello spostamento video, con intervallo consentito di 1.0–10.0.

seed

Seed che rende riproducibile la generazione. Impostarlo su None seleziona casualmente un seed.

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

const API = "https://api.doitong.ru/v1";
const headers = {
  "Authorization": "Bearer " + process.env.DOITONG_API_KEY,
  "Content-Type": "application/json",
};

// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/wan/v2.2-14b/speech-to-video?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "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"
  }),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);

// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
  res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
  request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");

import os
import requests

API = "https://api.doitong.ru/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "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",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/wan/v2.2-14b/speech-to-video", params={"wait": 20}, json=payload, headers=headers)
request = r.json()
if not r.ok:
    raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"])

# Not finished yet: long-poll until it is
while request["status"] in ("queued", "running"):
    request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json()
if request["status"] != "succeeded":
    raise RuntimeError(request["error"])
print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"])

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "wan/v2.2-14b/speech-to-video",
      "input": {
        "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"
      },
      "wait_seconds": 20
    }
  }
}

Esegui questa richiesta

Chiave API

La tua chiave rimane in questo browser: viene inviata solo al Doitong API e salvata in localStorage solo se selezioni Ricorda. Ricorda in questo browser Ottieni una chiave API

Informazioni su Wan-2.2 Speech-to-Video 14B

Richiede un `prompt`, un `image_url` sorgente e un `audio_url`, quindi produce un video del soggetto raffigurato guidato dall'audio. `num_frames` va da 40 a 120 in multipli di 4, a 16 fps per impostazione predefinita. `resolution` può essere 480p, 580p o 720p. Sono regolabili i passi di campionamento, la guidance, l'interpolazione e un `negative_prompt`.

Parametri

Invia il nome canonico oppure il nome nativo, non entrambi. Nomi canonici

NomeTipo PredefinitoConsentiti Descrizione

promptobbligatorio

Tipostring

Prompt testuale usato per generare il video.

negative_promptfacoltativo

Tipostring

Predefinito

Prompt negativo applicato durante la generazione di un video.

num_framesfacoltativo

Tipointeger

Predefinito80

40 – 120

Scegli un multiplo di 4 compreso tra 40 e 120 per impostare il numero di fotogrammi generati.

frames_per_secondfacoltativo

Tipointeger | null

Predefinito16

4 – 60

seedfacoltativo

Tipointeger | null

Seed che rende riproducibile la generazione. Impostarlo su None seleziona casualmente un seed.

resolutionfacoltativo

Tipoenum

Predefinito480p

480p580p720p

Risoluzione del video di output: 480p, 580p o 720p.

num_inference_stepsfacoltativo

Tipointeger

Predefinito27

2 – 40

Numero di passaggi di campionamento, che scambia un tempo di elaborazione maggiore con una qualità migliore all'aumentare del conteggio.

enable_safety_checkerfacoltativo

Tipoboolean

Predefinitofalse

Controllo di sicurezza dell'input prima dell'elaborazione, che solo gli account autorizzati possono disattivare. Le richieste prive di autorizzazione vengono sempre controllate; diversamente, true abilita il controllo.

enable_output_safety_checkerfacoltativo

Tipoboolean

Predefinitofalse

Controlla il controllo di sicurezza del video generato; impostando true si abilita un controllo dopo la generazione.

guidance_scalefacoltativo

Tiponumber

Predefinito3.5

1 – 10

Intensità della guida senza classificatore, che scambia una possibile perdita di qualità con una corrispondenza più stretta al prompt all'aumentare della scala.

shiftfacoltativo

Tiponumber

Predefinito5

1 – 10

Impostazione dello spostamento video, con intervallo consentito di 1.0–10.0.

video_qualityfacoltativo

Tipoenum

Predefinitohigh

lowmediumhighmaximum

Impostazione della qualità del video di output, che all'aumentare del valore scambia file più grandi con immagini migliori.

video_write_modefacoltativo

Tipoenum

Predefinitobalanced

fastbalancedsmall

image_urlobbligatorio image

Tipourl · image

URL dell'immagine sorgente; il rapporto d'aspetto selezionato determina se è necessario il preprocessing: una mancata corrispondenza attiva il ridimensionamento seguito da un ritaglio centrale.

audio_urlobbligatorio audio

Tipourl · audio

URL che punta al file audio.

obbligatorio Nome canonico, accettato anche

I parametri file accettano un URL pubblico https://, un URI data: fino a 10 MB oppure il file_url di un caricamento. 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"
  }
}

I tuoi file, la tua sceltaOgni outputs[].url è una copia nella nostra archiviazione: conservata per sempre (a pagamento per GB-mese) oppure 7 giorni gratuitamente, in base all'impostazione dell'account o a ?storage=.

Stessa struttura per ogni modellotype, url, content_type, width, height e duration, per immagini, video e audio. output è l'oggetto risultato del modello.

Campi dell'output

video: object {url, content_type, file_name, file_size}File video prodotto dalla generazione.

Altri modelli: Lipsync e avatar

Per gli agenti AI: questa pagina in Markdown è disponibile all'indirizzo https://doitong.com/it/developers/models/wan/v2.2-14b/speech-to-video.md. Tutti i modelli e le guide: https://doitong.com/developers/llms.txt

Creato su Doitong

Crea una richiesta

Esegui questa richiesta

Informazioni su Wan-2.2 Speech-to-Video 14B

Parametri

Output

Altre varianti di Wan v22 Large

Altri modelli: Lipsync e avatar