Op den Inhalt sprangen

Wan-2.2 Speech-to-Video 14B

Integréieren

Modell-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"

Dateie wéi am Beispill: 0,50 $ 500 API-Kreditter · ≈ 53,79 ₽ Är Dateie gi virun der Ausféierung gemooss Op dëser Säit ausféieren

API-Schlëssel kréien
Alibaba Lipsync & Avataren Lipsyncbis zu 720p #audio-to-video#talking-head

Erstellt aus engem Stëllbild an enger Audiodatei, geleet vun engem Textprompt, e Video mat schwätzender Persoun

Op Doitong erstallt

Ëffentlech Wierker, déi d'Doitong-Communautéit mat Wan v22 Large erstallt huet. Benotz e Prompt mat engem Klick nach eng Kéier.

Ëffentlech Wierker ugewisen: 2
Создай 30-секундный обучающий музыкальный ролик для детей 3–5 лет. Тема: транспорт. Яркая 2D-аним... Video

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... Video

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...

Eng Ufro erstellen

D'Kontrolle ginn aus dem Modellschema generéiert. De Code an de Präis aktualiséiere sech, wann s du se ännerst.

•obligatoresch

Textprompt, dee benotzt gouf, fir de Video ze generéieren.

•obligatoresch image_url
Fichier erofzéien, oder

URL vum Quellbild; dat gewielte Bildformat bestëmmt, ob Virveraarbechtung néideg ass: Bei enger Ofwäichung gëtt d'Bild skaléiert an duerno zentral gecropt.

•obligatoresch audio_url
Fichier erofzéien, oder

URL op d'Audio-Datei.

resolution Standard 480p

Opléisung vum Output-Video: 480p, 580p oder 720p.

Standard 80

Wielt e Multiple vu 4 tëscht 40–120, fir d'Zuel vun de generéierte Frames festzeleeën.

Erweidert negative_prompt · video_quality · video_write_mode · frames_per_second · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker · enable_output_safety_checker
Standard

Negative Prompt bei der Generatioun vun engem Video.

video_quality Standard high

Qualitéitsastellung vum Output-Video, déi mat steigender Astellung méi grouss Dateien géint besser Visualiséierung tauscht.

video_write_mode Standard balanced

Video-Schreifmodus, bei deem balanced e Kompromëss tëscht Geschwindegkeet a Qualitéit bitt. Wielt small fir déi klengst Dateien an déi luesst Schreifgeschwindegkeet; méi séiert Schreiwe liwwert Resultater éischter, erstellt awer méi grouss Dateien.

Standard 16

Frame-Rate vum generéierte Video, mat Wäerter vun 4 bis 60; d'Astellung `adjust_fps_for_interpolation` op false behält dëse Rate onverännert. Bei Interpolatioun an `adjust_fps_for_interpolation` op true (Standard) multiplizéiert een dëse Rate mat 1 plus der Zuel vun interpoléierte Frames, fir den definitiven FPS ze kréien. Beispill: 16 FPS mat 1 interpoléierte Frame ginn 32 FPS.

Standard 27

Unzuel vun de Sampling-Schrëtt; méi Schrëtt bedeite méi laang Veraarbechtung, awer besser Qualitéit.

Standard 3.5

Classifier-free Guidance-Stäerkt; mat steigender Skala gëtt méigleche Qualitéitsverloscht géint eng méi genee Prompt-Entspriechung ofgewiicht.

Standard 5

Video-Shift-Astellung mat engem erlaabte Beräich vun 1.0–10.0.

Seed, deen d'Generatioun reproduzéierbar mécht. Wann et op None gesat gëtt, gëtt e Seed zoufälleg gewielt.

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

Dës Ufro ausféieren

Äre Schlëssel bleift an dësem Browser: e gëtt nëmmen un d'Doitong API geschéckt an nëmme gespäichert (localStorage), wann s du „Erënneren“ aktivéiers. En API-Schlëssel kréien

Iwwer Wan-2.2 Speech-to-Video 14B

Brauch e `prompt`, e Quell-`image_url` an en `audio_url` a produzéiert e Video vum gezeigte Motiv, dee vun der Audio geleet gëtt. `num_frames` geet vu 40 bis 120 a Multiple vu 4, bei 16 fps par défaut. `resolution` kann 480p, 580p oder 720p sinn. Sampling-Schrëtt, Guidance, Interpolatioun an e `negative_prompt` si verstellbar.

Parameteren

Schéck entweder den kanoneschen Numm oder den natierlechen Numm, net béid. Kanonesch Nimm

NummTyp StandardErlaabt Beschreiwung
promptobligatoresch
Typstring
Textprompt, dee benotzt gouf, fir de Video ze generéieren.
negative_promptoptional
Typstring
Standard
Negative Prompt bei der Generatioun vun engem Video.
num_framesoptional
Typinteger
Standard80
40 – 120
Wielt e Multiple vu 4 tëscht 40–120, fir d'Zuel vun de generéierte Frames festzeleeën.
frames_per_secondoptional
Typinteger | null
Standard16
4 – 60
Frame-Rate vum generéierte Video, mat Wäerter vun 4 bis 60; d'Astellung `adjust_fps_for_interpolation` op false behält dëse Rate onverännert. Bei Interpolatioun an `adjust_fps_for_interpolation` op true (Standard) multiplizéiert een dëse Rate mat 1 plus der Zuel vun interpoléierte Frames, fir den definitiven FPS ze kréien. Beispill: 16 FPS mat 1 interpoléierte Frame ginn 32 FPS.
seedoptional
Typinteger | null
Seed, deen d'Generatioun reproduzéierbar mécht. Wann et op None gesat gëtt, gëtt e Seed zoufälleg gewielt.
resolutionoptional
Typenum
Standard480p
480p580p720p
Opléisung vum Output-Video: 480p, 580p oder 720p.
num_inference_stepsoptional
Typinteger
Standard27
2 – 40
Unzuel vun de Sampling-Schrëtt; méi Schrëtt bedeite méi laang Veraarbechtung, awer besser Qualitéit.
enable_safety_checkeroptional
Typboolean
Standardfalse
Input-Sécherheetskontroll virun der Veraarbechtung, déi nëmmen autoriséiert Konten ausschalte kënnen. Ufroen ouni Autorisatioun ginn ëmmer kontrolléiert; soss aktivéiert true d'Kontroll.
enable_output_safety_checkeroptional
Typboolean
Standardfalse
Steiert d'Sécherheetskontroll vum generéierte Video; true aktivéiert eng Kontroll no der Generatioun.
guidance_scaleoptional
Typnumber
Standard3.5
1 – 10
Classifier-free Guidance-Stäerkt; mat steigender Skala gëtt méigleche Qualitéitsverloscht géint eng méi genee Prompt-Entspriechung ofgewiicht.
shiftoptional
Typnumber
Standard5
1 – 10
Video-Shift-Astellung mat engem erlaabte Beräich vun 1.0–10.0.
video_qualityoptional
Typenum
Standardhigh
lowmediumhighmaximum
Qualitéitsastellung vum Output-Video, déi mat steigender Astellung méi grouss Dateien géint besser Visualiséierung tauscht.
video_write_modeoptional
Typenum
Standardbalanced
fastbalancedsmall
Video-Schreifmodus, bei deem balanced e Kompromëss tëscht Geschwindegkeet a Qualitéit bitt. Wielt small fir déi klengst Dateien an déi luesst Schreifgeschwindegkeet; méi séiert Schreiwe liwwert Resultater éischter, erstellt awer méi grouss Dateien.
image_urlobligatoresch image
Typurl · image
URL vum Quellbild; dat gewielte Bildformat bestëmmt, ob Virveraarbechtung néideg ass: Bei enger Ofwäichung gëtt d'Bild skaléiert an duerno zentral gecropt.
audio_urlobligatoresch audio
Typurl · audio
URL op d'Audio-Datei.
obligatoresch Kanoneschen Numm, och akzeptéiert

Fichierparameter akzeptéieren eng ëffentlech https:// URL, eng data: URI bis zu 10 MB oder de file_url vun engem Upload. Fichieren

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"
  }
}
Är Fichieren, Är WielAll outputs[].url ass eng Kopie an eiser Späicherung: fir ëmmer gespäichert (bezuelbar pro GB-Mount) oder 7 Deeg gratis, jee no Ärer Kontastellung oder ?storage=.
D'selwecht Struktur bei all Modelltype, url, content_type, width, height an duration, fir Biller, Video an Audio gläichermoossen. output ass dem Modell säin eegent Resultatobjet.
Output-Felder
video
object {url, content_type, file_name, file_size}Video-Datei, déi duerch d'Generatioun erstallt gouf.

Méi Modeller: Lipsync & Avataren

Fir AI-Agenten: dës Säit als Markdown ass ënner https://doitong.com/lb/developers/models/wan/v2.2-14b/speech-to-video.md. All Modeller a Guiden: https://doitong.com/developers/llms.txt