Pāriet uz saturu

Wan-2.2 Speech-to-Video 14B

Integrēt

Modeļa 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"

Faili, piemēram, paraugā: 0,50 $ 500 API kredītu · ≈ 53,66 ₽ jūsu faili tiek izmērīti pirms izpildes Izpildīt šajā lapā

Iegūt API atslēgu
Alibaba Lūpu sinhronizācija un avatāri Lūpu sinhronizācijalīdz 720p #audio-to-video#talking-head

Izveido runājošu video no nekustīga attēla un audio faila, izmantojot teksta uzvedni

Izveidots vietnē Doitong

Doitong kopienas publiskie darbi, kas izveidoti ar Wan v22 Large. Izmantojiet uzvedni atkārtoti ar vienu klikšķi.

Rādīti publiskie darbi: 3
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...

# PROMPT: Animated Mother’s Day greeting card **Format:** vertical video 9:16 **Duration:** 12–15... Video

# 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...

Izveidot pieprasījumu

Vadīklas tiek ģenerētas no modeļa shēmas. Kods un cena tiek atjaunināti, kad tos maināt.

•obligāts

Teksta uzvedne, kas izmantota video ģenerēšanai.

•obligāts image_url
Nometiet failu vai

Avota attēla URL; atlasītā malu attiecība nosaka, vai nepieciešama priekšapstrāde: neatbilstība aktivizē izmēra maiņu un pēc tam centrālo apgriešanu.

•obligāts audio_url
Nometiet failu vai

URL, kas norāda uz audio failu.

resolution noklusējums 480p

Izvades video izšķirtspēja: 480p, 580p vai 720p.

noklusējums 80

Izvēlieties 4 reizinājumu diapazonā 40–120, lai iestatītu ģenerējamo kadru skaitu.

Papildu negative_prompt · video_quality · video_write_mode · frames_per_second · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker · enable_output_safety_checker
noklusējums

Negatīvā uzvedne, kas tiek lietota video ģenerēšanas laikā.

video_quality noklusējums high

Izvades video kvalitātes iestatījums, kas, palielinoties vērtībai, maina lielākus failus pret labāku attēlu.

video_write_mode noklusējums balanced

Video rakstīšanas režīms; balanced nodrošina kompromisu starp ātrumu un kvalitāti. Izvēlieties small mazākajiem failiem un lēnākajai rakstīšanai; ātrāka rakstīšana rezultātus atgriež ātrāk, bet izveido lielākus failus.

noklusējums 16

Ģenerētā video kadru nomaiņas ātrums, pieņemot vērtības no 4 līdz 60; iestatot `adjust_fps_for_interpolation` uz false, šis ātrums tiek saglabāts nemainīgs. Izmantojot interpolāciju un iestatot `adjust_fps_for_interpolation` uz true (noklusējums), reiziniet šo ātrumu ar viens plus interpolēto kadru skaits, lai iegūtu galīgo FPS. Piemēram, 16 FPS ar 1 interpolētu kadru kļūst par 32 FPS.

noklusējums 27

Semplešanas soļu skaits; lielāks skaits nodrošina labāku kvalitāti, bet paildzina apstrādi.

noklusējums 3.5

Klasifikatora brīvās vadības stiprums; palielinoties mērogam, iespējams kvalitātes zudums tiek mainīts pret precīzāku atbilstību uzvednei.

noklusējums 5

Video nobīdes iestatījums ar pieļaujamo diapazonu 1.0–10.0.

Sēkla, kas padara ģenerēšanu atkārtojamu. Iestatot None, sēkla tiek izvēlēta nejauši.

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

Palaist šo pieprasījumu

Jūsu atslēga paliek šajā pārlūkprogrammā: tā tiek nosūtīta tikai uz Doitong API un saglabāta (localStorage) tikai tad, ja atzīmējat Atcerēties. Iegūt API atslēgu

Par Wan-2.2 Speech-to-Video 14B

Nepieciešams `prompt`, avota `image_url` un `audio_url`; tiek izveidots video, kurā attēlotais objekts tiek vadīts ar audio. `num_frames` ir no 40 līdz 120, ar 4 reizināmiem skaitļiem, pēc noklusējuma pie 16 fps. `resolution` var būt 480p, 580p vai 720p. Var pielāgot iztveršanas soļus, vadību, interpolāciju un `negative_prompt`.

Parametri

Nosūti vai nu kanonisko nosaukumu, vai vietējo nosaukumu, bet ne abus. Kan啤niskie nosaukumi

NosaukumsTips NoklusējumsAtļauts Apraksts
promptobligāts
Tipsstring
Teksta uzvedne, kas izmantota video ģenerēšanai.
negative_promptneobligāts
Tipsstring
Noklusējums
Negatīvā uzvedne, kas tiek lietota video ģenerēšanas laikā.
num_framesneobligāts
Tipsinteger
Noklusējums80
40 – 120
Izvēlieties 4 reizinājumu diapazonā 40–120, lai iestatītu ģenerējamo kadru skaitu.
frames_per_secondneobligāts
Tipsinteger | null
Noklusējums16
4 – 60
Ģenerētā video kadru nomaiņas ātrums, pieņemot vērtības no 4 līdz 60; iestatot `adjust_fps_for_interpolation` uz false, šis ātrums tiek saglabāts nemainīgs. Izmantojot interpolāciju un iestatot `adjust_fps_for_interpolation` uz true (noklusējums), reiziniet šo ātrumu ar viens plus interpolēto kadru skaits, lai iegūtu galīgo FPS. Piemēram, 16 FPS ar 1 interpolētu kadru kļūst par 32 FPS.
seedneobligāts
Tipsinteger | null
Sēkla, kas padara ģenerēšanu atkārtojamu. Iestatot None, sēkla tiek izvēlēta nejauši.
resolutionneobligāts
Tipsenum
Noklusējums480p
480p580p720p
Izvades video izšķirtspēja: 480p, 580p vai 720p.
num_inference_stepsneobligāts
Tipsinteger
Noklusējums27
2 – 40
Semplešanas soļu skaits; lielāks skaits nodrošina labāku kvalitāti, bet paildzina apstrādi.
enable_safety_checkerneobligāts
Tipsboolean
Noklusējumsfalse
Ievades drošības pārbaude pirms apstrādes, ko drīkst atspējot tikai autorizēti konti. Pieprasījumi bez autorizācijas vienmēr tiek pārbaudīti; pretējā gadījumā true iespējo pārbaudi.
enable_output_safety_checkerneobligāts
Tipsboolean
Noklusējumsfalse
Nosaka ģenerētā video drošības pārbaudi; true iespējo pārbaudi pēc ģenerēšanas.
guidance_scaleneobligāts
Tipsnumber
Noklusējums3.5
1 – 10
Klasifikatora brīvās vadības stiprums; palielinoties mērogam, iespējams kvalitātes zudums tiek mainīts pret precīzāku atbilstību uzvednei.
shiftneobligāts
Tipsnumber
Noklusējums5
1 – 10
Video nobīdes iestatījums ar pieļaujamo diapazonu 1.0–10.0.
video_qualityneobligāts
Tipsenum
Noklusējumshigh
lowmediumhighmaximum
Izvades video kvalitātes iestatījums, kas, palielinoties vērtībai, maina lielākus failus pret labāku attēlu.
video_write_modeneobligāts
Tipsenum
Noklusējumsbalanced
fastbalancedsmall
Video rakstīšanas režīms; balanced nodrošina kompromisu starp ātrumu un kvalitāti. Izvēlieties small mazākajiem failiem un lēnākajai rakstīšanai; ātrāka rakstīšana rezultātus atgriež ātrāk, bet izveido lielākus failus.
image_urlobligāts image
Tipsurl · image
Avota attēla URL; atlasītā malu attiecība nosaka, vai nepieciešama priekšapstrāde: neatbilstība aktivizē izmēra maiņu un pēc tam centrālo apgriešanu.
audio_urlobligāts audio
Tipsurl · audio
URL, kas norāda uz audio failu.
obligāts Kan啤niskais nosaukums, arī pieņemts

Failu parametriem nepieciešams publisks https:// URL, data: URI līdz 10 MB vai augšupielādes file_url. Faili

Izvade

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"
  }
}
Jūsu faili, jūsu izvēleKatrs outputs[].url ir kopija mūsu krātuvē: tiek glabāta mūžīgi (maksa par GB mēnesī) vai 7 dienas bez maksas — atbilstoši konta iestatījumam vai ?storage=.
Vienāda struktūra katram modelimtype, url, content_type, width, height un duration gan attēliem, gan video un audio. output ir paša modeļa rezultāta objekts.
Izvades lauki
video
object {url, content_type, file_name, file_size}Ģenerēšanas rezultātā iegūtais video fails.

Vairāk modeļu: Lūpu sinhronizācija un avatāri

AI aģentiem: šī lapa Markdown formātā ir pieejama https://doitong.com/lv/developers/models/wan/v2.2-14b/speech-to-video.md. Visi modeļi un ceļveži: https://doitong.com/developers/llms.txt