コンテンツへスキップ

Wan-2.2 Speech-to-Video 14B

統合

モデルID 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"

例と同様のファイル: $0.50 500 APIクレジット · ≈ ₽53.79 実行前にファイルを計測します このページで実行

APIキーを取得
Alibaba リップシンクとアバター リップシンク720pまで #audio-to-video#talking-head

静止画と音声ファイルから、テキストプロンプトで誘導した会話動画を生成

Doitongで作成

DoitongコミュニティがWan v22 Largeで作成した公開作品です。ワンクリックでプロンプトを再利用できます。

公開作品:3件
Создай 30-секундный обучающий музыкальный ролик для детей 3–5 лет. Тема: транспорт. Яркая 2D-аним... 動画

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... 動画

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... 動画

# 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...

リクエストを作成

コントロールはモデルスキーマから生成されます。値を変更するとコードと価格が更新されます。

•必須

動画生成に使用するテキストプロンプト。

•必須 image_url
ファイルをドロップ、または

ソース画像 URL。選択したアスペクト比によって前処理の要否が決まり、不一致の場合はリサイズ後に中央クロップされます。

•必須 audio_url
ファイルをドロップ、または

音声ファイルを指すURL。

resolution デフォルト 480p

出力動画の解像度。480p、580p、720p。

デフォルト 80

40~120の範囲で4の倍数を選択し、生成するフレーム数を設定します。

詳細設定 negative_prompt · video_quality · video_write_mode · frames_per_second · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker · enable_output_safety_checker
デフォルト

動画生成時に適用するネガティブプロンプト。

video_quality デフォルト high

出力動画の品質設定。値を上げるほどファイルサイズが大きくなる代わりに映像が改善されます。

video_write_mode デフォルト balanced

動画書き出しモード。balancedは速度と品質の妥協点です。最小ファイルかつ最も遅い書き出しにはsmallを選択します。高速な書き出しでは結果が早く返りますが、ファイルサイズは大きくなります。

デフォルト 16

生成動画のフレームレート。4~60を受け付けます。`adjust_fps_for_interpolation`をfalseにすると、このレートをそのまま保持します。補間を使用し、`adjust_fps_for_interpolation`がtrue(デフォルト)の場合、最終FPSはこのレートに補間フレーム数に1を加えた値を掛けて求めます。たとえば、16 FPSで補間フレームが1つの場合は32 FPSになります。

デフォルト 27

サンプリングステップ数。増やすほど処理時間が長くなる代わりに品質が向上します。

デフォルト 3.5

Classifier-free guidanceの強度。スケールを上げるほどプロンプトへの一致度が高まる一方、品質低下の可能性があります。

デフォルト 5

動画のシフト設定。許容範囲は1.0~10.0です。

生成を再現可能にするシード。None に設定するとシードをランダムに選択します。

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

このリクエストを実行

キーはこのブラウザ内に保持されます。Doitong APIにのみ送信され、「記憶する」にチェックを入れた場合のみlocalStorageに保存されます。 APIキーを取得

Wan-2.2 Speech-to-Video 14Bについて

`prompt`、ソース`image_url`、`audio_url`が必要で、音声に合わせて画像内の被写体が動く動画を生成します。`num_frames`は40〜120の4の倍数で、デフォルトは16 fpsです。`resolution`は480p、580p、720pに対応します。サンプリングステップ、ガイダンス、補間、`negative_prompt`を調整できます。

パラメータ

正式名称またはネイティブ名のいずれか一方を送信してください。両方は送信しないでください。 正式名称

名前型 デフォルト許可される値 説明
prompt必須
型string
動画生成に使用するテキストプロンプト。
negative_prompt任意
型string
デフォルト
動画生成時に適用するネガティブプロンプト。
num_frames任意
型integer
デフォルト80
40 – 120
40~120の範囲で4の倍数を選択し、生成するフレーム数を設定します。
frames_per_second任意
型integer | null
デフォルト16
4 – 60
生成動画のフレームレート。4~60を受け付けます。`adjust_fps_for_interpolation`をfalseにすると、このレートをそのまま保持します。補間を使用し、`adjust_fps_for_interpolation`がtrue(デフォルト)の場合、最終FPSはこのレートに補間フレーム数に1を加えた値を掛けて求めます。たとえば、16 FPSで補間フレームが1つの場合は32 FPSになります。
seed任意
型integer | null
生成を再現可能にするシード。None に設定するとシードをランダムに選択します。
resolution任意
型enum
デフォルト480p
480p580p720p
出力動画の解像度。480p、580p、720p。
num_inference_steps任意
型integer
デフォルト27
2 – 40
サンプリングステップ数。増やすほど処理時間が長くなる代わりに品質が向上します。
enable_safety_checker任意
型boolean
デフォルトfalse
処理前の入力安全性チェック。無効化できるのは認証済みアカウントのみです。認証のないリクエストは常にチェックされ、それ以外ではtrueでチェックが有効になります。
enable_output_safety_checker任意
型boolean
デフォルトfalse
生成動画の安全性チェックを制御します。trueにすると生成後にチェックします。
guidance_scale任意
型number
デフォルト3.5
1 – 10
Classifier-free guidanceの強度。スケールを上げるほどプロンプトへの一致度が高まる一方、品質低下の可能性があります。
shift任意
型number
デフォルト5
1 – 10
動画のシフト設定。許容範囲は1.0~10.0です。
video_quality任意
型enum
デフォルトhigh
lowmediumhighmaximum
出力動画の品質設定。値を上げるほどファイルサイズが大きくなる代わりに映像が改善されます。
video_write_mode任意
型enum
デフォルトbalanced
fastbalancedsmall
動画書き出しモード。balancedは速度と品質の妥協点です。最小ファイルかつ最も遅い書き出しにはsmallを選択します。高速な書き出しでは結果が早く返りますが、ファイルサイズは大きくなります。
image_url必須 image
型url · image
ソース画像 URL。選択したアスペクト比によって前処理の要否が決まり、不一致の場合はリサイズ後に中央クロップされます。
audio_url必須 audio
型url · audio
音声ファイルを指すURL。
必須 正式名称(こちらも使用可能)

ファイルパラメータには、公開されたhttps:// URL、10 MBまでのdata: URI、またはアップロードしたファイルのfile_urlを指定します。 ファイル

出力

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"
  }
}
ファイルの保存期間を選択すべてのoutputs[].urlはストレージ上のコピーです。アカウント設定または?storage=により、永久保存(GB・月単位で有料)または無料で7日保存できます。
すべてのモデルで同じ形式画像、動画、音声のいずれでも、type、url、content_type、width、height、durationが含まれます。outputはモデル独自の結果オブジェクトです。
出力フィールド
video
object {url, content_type, file_name, file_size}生成された動画ファイル。

その他のモデル: リップシンクとアバター

AIエージェント向け:このページのMarkdown版はこちらです: https://doitong.com/ja/developers/models/wan/v2.2-14b/speech-to-video.md. すべてのモデルとガイド: https://doitong.com/developers/llms.txt