Gå til innhold

Wan-2.2 Speech-to-Video 14B

Integrer

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"

Filer som eksempelet: 0,50 $ 500 API-kreditter · ≈ 53,79 ₽ filene dine måles før kjøring Kjør den på denne siden

Hent API-nøkkel
Alibaba Leppe­synkronisering og avatarer Leppe­synkroniseringopptil 720p #audio-to-video#talking-head

Lager en snakkende video fra et stillbilde og en lydfil, veiledet av en tekstbasert prompt

Laget på Doitong

Offentlige verk laget med Wan v22 Large av Doitong-fellesskapet. Gjenbruk en prompt med ett klikk.

Offentlige verk vist: 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...

Bygg en forespørsel

Kontrollene genereres fra modellskjemaet. Koden og prisen oppdateres når du endrer dem.

•obligatorisk

Tekstprompt brukt til å generere videoen.

•obligatorisk image_url
Slipp en fil, eller

URL til kildebildet, der det valgte sideforholdet avgjør om forhåndsbehandling er nødvendig: et avvik utløser skalering etterfulgt av beskjæring fra midten.

•obligatorisk audio_url
Slipp en fil, eller

URL til lydfilen.

resolution standard 480p

Oppløsning for utdata-video: 480p, 580p eller 720p.

standard 80

Velg et multiplum av 4 innenfor 40–120 for å angi hvor mange bilder som genereres.

Avansert 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

Negativ prompt brukt ved generering av en video.

video_quality standard high

Kvalitetsinnstilling for utdata-videoen som bytter større filer mot bedre visuelle resultater når verdien økes.

video_write_mode standard balanced

Modus for videoskriving, der balanced gir et kompromiss mellom hastighet og kvalitet. Velg small for de minste filene og tregeste skriving; raskere skriving returnerer resultater tidligere, men oppretter større filer.

standard 16

Bildefrekvens for generert video, med verdier fra 4 til 60; setting `adjust_fps_for_interpolation` til false bevarer frekvensen uendret. Ved bruk av interpolering og `adjust_fps_for_interpolation` satt til true (standardverdien) multipliseres frekvensen med én pluss antallet interpolerte bilder for å beregne endelig FPS. Eksempel: 16 FPS med 1 interpolert bilde blir 32 FPS.

standard 27

Antall samplingsteg; lengre behandlingstid byttes mot bedre kvalitet når antallet økes.

standard 3.5

Styrke for classifier-free guidance; mulig kvalitetstap byttes mot tettere samsvar med prompten når skalaen økes.

standard 5

Videoforskyvningsinnstilling, med tillatt område på 1.0–10.0.

Seed som gjør genereringen reproduserbar. Hvis den settes til None, velges en seed tilfeldig.

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

Kjør denne forespørselen

Nøkkelen din blir i denne nettleseren: Den sendes bare til Doitong API og lagres bare i localStorage hvis du krysser av for Husk. Hent en API-nøkkel

Om Wan-2.2 Speech-to-Video 14B

Krever en `prompt`, en kilde-`image_url` og en `audio_url`, og produserer en video av motivet i bildet styrt av lyden. `num_frames` går fra 40 til 120 i multipler av 4, med 16 fps som standard. `resolution` kan være 480p, 580p eller 720p. Samplingstrinn, veiledning, interpolering og en `negative_prompt` kan justeres.

Parametere

Send enten det kanoniske navnet eller det opprinnelige navnet, ikke begge. Kanoniske navn

NavnType StandardTillatt Beskrivelse
promptobligatorisk
Typestring
Tekstprompt brukt til å generere videoen.
negative_promptvalgfritt
Typestring
Standard
Negativ prompt brukt ved generering av en video.
num_framesvalgfritt
Typeinteger
Standard80
40 – 120
Velg et multiplum av 4 innenfor 40–120 for å angi hvor mange bilder som genereres.
frames_per_secondvalgfritt
Typeinteger | null
Standard16
4 – 60
Bildefrekvens for generert video, med verdier fra 4 til 60; setting `adjust_fps_for_interpolation` til false bevarer frekvensen uendret. Ved bruk av interpolering og `adjust_fps_for_interpolation` satt til true (standardverdien) multipliseres frekvensen med én pluss antallet interpolerte bilder for å beregne endelig FPS. Eksempel: 16 FPS med 1 interpolert bilde blir 32 FPS.
seedvalgfritt
Typeinteger | null
Seed som gjør genereringen reproduserbar. Hvis den settes til None, velges en seed tilfeldig.
resolutionvalgfritt
Typeenum
Standard480p
480p580p720p
Oppløsning for utdata-video: 480p, 580p eller 720p.
num_inference_stepsvalgfritt
Typeinteger
Standard27
2 – 40
Antall samplingsteg; lengre behandlingstid byttes mot bedre kvalitet når antallet økes.
enable_safety_checkervalgfritt
Typeboolean
Standardfalse
Sikkerhetskontroll av inndata før behandling, som bare autoriserte kontoer kan deaktivere. Forespørsler uten autorisasjon kontrolleres alltid; ellers aktiverer true kontrollen.
enable_output_safety_checkervalgfritt
Typeboolean
Standardfalse
Styrer sikkerhetskontroll av den genererte videoen; true utfører en kontroll etter generering.
guidance_scalevalgfritt
Typenumber
Standard3.5
1 – 10
Styrke for classifier-free guidance; mulig kvalitetstap byttes mot tettere samsvar med prompten når skalaen økes.
shiftvalgfritt
Typenumber
Standard5
1 – 10
Videoforskyvningsinnstilling, med tillatt område på 1.0–10.0.
video_qualityvalgfritt
Typeenum
Standardhigh
lowmediumhighmaximum
Kvalitetsinnstilling for utdata-videoen som bytter større filer mot bedre visuelle resultater når verdien økes.
video_write_modevalgfritt
Typeenum
Standardbalanced
fastbalancedsmall
Modus for videoskriving, der balanced gir et kompromiss mellom hastighet og kvalitet. Velg small for de minste filene og tregeste skriving; raskere skriving returnerer resultater tidligere, men oppretter større filer.
image_urlobligatorisk image
Typeurl · image
URL til kildebildet, der det valgte sideforholdet avgjør om forhåndsbehandling er nødvendig: et avvik utløser skalering etterfulgt av beskjæring fra midten.
audio_urlobligatorisk audio
Typeurl · audio
URL til lydfilen.
obligatorisk Kanonisk navn, også godkjent

Filparametere tar imot en offentlig https:// URL, en data: URI på opptil 10 MB eller file_url fra en opplasting. Filer

Utdata

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"
  }
}
Filene dine, ditt valgHver outputs[].url er en kopi på lagringen vår: lagret for alltid (betalt per GB-måned) eller 7 dager gratis, styrt av kontoinnstillingen din eller ?storage=.
Samme struktur for hver modelltype, url, content_type, width, height og duration, for bilder, video og lyd. output er modellens eget resultatobjekt.
Utdatafelt
video
object {url, content_type, file_name, file_size}Videofil produsert av genereringen.

Flere modeller: Leppe­synkronisering og avatarer

For AI-agenter: Denne siden som Markdown finnes på https://doitong.com/no/developers/models/wan/v2.2-14b/speech-to-video.md. Alle modeller og veiledninger: https://doitong.com/developers/llms.txt