ਸਮੱਗਰੀ ਵੱਲ ਜਾਓ

Wan-2.2 Speech-to-Video 14B

ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ

ਮਾਡਲ 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"

ਉਦਾਹਰਨ ਵਰਗੀਆਂ ਫ਼ਾਈਲਾਂ: $0.50 500 API ਕ੍ਰੈਡਿਟ · ≈ ₽53.66 ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ ਚਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਮਾਪੀਆਂ ਜਾਂਦੀਆਂ ਹਨ ਇਸ ਪੰਨੇ ’ਤੇ ਚਲਾਓ

API ਕੁੰਜੀ ਲਵੋ
Alibaba ਲਿਪਸਿੰਕ ਅਤੇ ਅਵਤਾਰ ਲਿਪਸਿੰਕ720p ਤੱਕ #audio-to-video#talking-head

ਸਥਿਰ ਚਿੱਤਰ ਅਤੇ ਆਡੀਓ ਫਾਈਲ ਤੋਂ ਟੈਕਸਟ ਪ੍ਰੌਮਪਟ ਦੇ ਮਾਰਗਦਰਸ਼ਨ ਨਾਲ ਬੋਲਦੀ ਵੀਡੀਓ ਬਣਾਉਂਦਾ ਹੈ

Doitong ’ਤੇ ਬਣਾਇਆ ਗਿਆ

Doitong ਭਾਈਚਾਰੇ ਵੱਲੋਂ Wan v22 Large ਨਾਲ ਬਣਾਏ ਜਨਤਕ ਕੰਮ। ਇੱਕ ਕਲਿੱਕ ਨਾਲ ਪ੍ਰੌਮਪਟ ਦੁਬਾਰਾ ਵਰਤੋ।

ਦਿਖਾਏ ਗਏ ਜਨਤਕ ਕੰਮ: 3
Создай 30-секундный обучающий музыкальный ролик для детей 3–5 лет. Тема: транспорт. Яркая 2D-аним... ਵੀਡੀਓ

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... ਵੀਡੀਓ

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... ਵੀਡੀਓ

# 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...

ਰਿਕਵੈਸਟ ਬਣਾਓ

ਕੰਟਰੋਲ ਮਾਡਲ ਸਕੀਮਾ ਤੋਂ ਤਿਆਰ ਹੁੰਦੇ ਹਨ। ਤੁਸੀਂ ਬਦਲਾਅ ਕਰਦੇ ਹੀ ਕੋਡ ਅਤੇ ਕੀਮਤ ਅੱਪਡੇਟ ਹੋ ਜਾਂਦੇ ਹਨ।

•ਲੋੜੀਂਦਾ

ਵੀਡੀਓ ਸਿਰਜਣ ਲਈ ਵਰਤਿਆ ਗਿਆ ਪਾਠ ਪ੍ਰੌਂਪਟ।

•ਲੋੜੀਂਦਾ image_url
ਫ਼ਾਈਲ ਛੱਡੋ, ਜਾਂ

ਸਰੋਤ ਚਿੱਤਰ ਦਾ URL; ਚੁਣਿਆ ਗਿਆ ਪੱਖ ਅਨੁਪਾਤ ਇਹ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ ਕਿ ਪ੍ਰੀਪ੍ਰੋਸੈਸਿੰਗ ਲੋੜੀਂਦੀ ਹੈ ਜਾਂ ਨਹੀਂ: ਅਸੰਗਤੀ ਹੋਣ 'ਤੇ ਰੀਸਾਈਜ਼ ਕਰਨ ਤੋਂ ਬਾਅਦ ਕੇਂਦਰੀ ਕ੍ਰਾਪ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

•ਲੋੜੀਂਦਾ audio_url
ਫ਼ਾਈਲ ਛੱਡੋ, ਜਾਂ

ਆਡੀਓ ਫ਼ਾਈਲ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਨ ਵਾਲਾ URL।

resolution ਡਿਫ਼ਾਲਟ 480p

ਆਉਟਪੁੱਟ ਵੀਡੀਓ ਰੈਜ਼ੋਲਿਊਸ਼ਨ: 480p, 580p, ਜਾਂ 720p।

ਡਿਫ਼ਾਲਟ 80

40–120 ਦੇ ਅੰਦਰ 4 ਦਾ ਗੁਣਜ ਚੁਣੋ, ਤਾਂ ਜੋ ਸਿਰਜੇ ਜਾਣ ਵਾਲੇ ਫ੍ਰੇਮਾਂ ਦੀ ਗਿਣਤੀ ਨਿਰਧਾਰਤ ਹੋਵੇ।

ਉੱਨਤ negative_prompt · video_quality · video_write_mode · frames_per_second · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker · enable_output_safety_checker
ਡਿਫ਼ਾਲਟ

ਵੀਡੀਓ ਸਿਰਜਣ ਵੇਲੇ ਲਾਗੂ ਕੀਤਾ negative ਪ੍ਰੌਂਪਟ।

video_quality ਡਿਫ਼ਾਲਟ high

ਆਉਟਪੁੱਟ ਵੀਡੀਓ ਗੁਣਵੱਤਾ ਸੈਟਿੰਗ, ਜਿਸ ਵਿੱਚ ਸੈਟਿੰਗ ਵਧਣ ਨਾਲ ਵੱਡੀਆਂ ਫ਼ਾਈਲਾਂ ਦੇ ਬਦਲੇ ਦ੍ਰਿਸ਼ ਗੁਣਵੱਤਾ ਸੁਧਰਦੀ ਹੈ।

video_write_mode ਡਿਫ਼ਾਲਟ balanced

ਵੀਡੀਓ ਲਿਖਣ ਦਾ ਮੋਡ, ਜਿਸ ਵਿੱਚ balanced ਗਤੀ ਅਤੇ ਗੁਣਵੱਤਾ ਵਿਚਕਾਰ ਸੰਤੁਲਨ ਦਿੰਦਾ ਹੈ। ਸਭ ਤੋਂ ਛੋਟੀਆਂ ਫ਼ਾਈਲਾਂ ਅਤੇ ਸਭ ਤੋਂ ਹੌਲੀ ਲਿਖਤ ਲਈ small ਚੁਣੋ; ਤੇਜ਼ ਲਿਖਤ ਨਤੀਜੇ ਜਲਦੀ ਵਾਪਸ ਕਰਦੀ ਹੈ ਪਰ ਵੱਡੀਆਂ ਫ਼ਾਈਲਾਂ ਬਣਾਉਂਦੀ ਹੈ।

ਡਿਫ਼ਾਲਟ 16

ਸਿਰਜੇ ਗਏ ਵੀਡੀਓ ਦੀ ਫ੍ਰੇਮ ਦਰ, 4 ਤੋਂ 60 ਤੱਕ ਦੇ ਮੁੱਲ ਸਵੀਕਾਰ ਕਰਦੀ ਹੈ; `adjust_fps_for_interpolation` ਨੂੰ false ਸੈਟ ਕਰਨ ਨਾਲ ਇਹ ਦਰ ਬਿਨਾਂ ਬਦਲਾਅ ਦੇ ਕਾਇਮ ਰਹਿੰਦੀ ਹੈ। ਇੰਟਰਪੋਲੇਸ਼ਨ ਵਰਤਣ ਅਤੇ `adjust_fps_for_interpolation` ਨੂੰ true ਰੱਖਣ 'ਤੇ (ਇਸ ਦਾ ਪੂਰਵ-ਨਿਰਧਾਰਤ ਮੁੱਲ), ਅੰਤਿਮ FPS ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਇਸ ਦਰ ਨੂੰ ਇੰਟਰਪੋਲੇਟ ਕੀਤੇ ਫ੍ਰੇਮਾਂ ਦੀ ਗਿਣਤੀ ਤੋਂ ਇੱਕ ਵੱਧ ਨਾਲ ਗੁਣਾ ਕਰੋ। ਉਦਾਹਰਨ ਲਈ, 1 ਇੰਟਰਪੋਲੇਟ ਕੀਤੇ ਫ੍ਰੇਮ ਨਾਲ 16 FPS, 32 FPS ਬਣ ਜਾਂਦਾ ਹੈ।

ਡਿਫ਼ਾਲਟ 27

Sampling ਕਦਮਾਂ ਦੀ ਗਿਣਤੀ; ਗਿਣਤੀ ਵਧਣ ਨਾਲ ਵੱਧ ਪ੍ਰੋਸੈਸਿੰਗ ਸਮੇਂ ਦੇ ਬਦਲੇ ਬਿਹਤਰ ਗੁਣਵੱਤਾ ਮਿਲਦੀ ਹੈ।

ਡਿਫ਼ਾਲਟ 3.5

Classifier-free guidance ਦੀ ਤਾਕਤ; scale ਵਧਣ ਨਾਲ ਸੰਭਾਵਿਤ ਗੁਣਵੱਤਾ ਘਾਟ ਦੇ ਬਦਲੇ ਪ੍ਰੌਂਪਟ ਨਾਲ ਵਧੇਰੇ ਮਿਲਾਪ ਮਿਲਦਾ ਹੈ।

ਡਿਫ਼ਾਲਟ 5

ਵੀਡੀਓ ਸ਼ਿਫ਼ਟ ਸੈਟਿੰਗ, ਜਿਸ ਦੀ ਮਨਜ਼ੂਰਸ਼ੁਦਾ ਸੀਮਾ 1.0–10.0 ਹੈ।

ਸਿਰਜਣਾ ਨੂੰ ਦੁਹਰਾਉਣਯੋਗ ਬਣਾਉਣ ਵਾਲਾ ਸੀਡ। ਇਸਨੂੰ None ਸੈੱਟ ਕਰਨ ਨਾਲ ਸੀਡ ਬੇਤਰਤੀਬੇ ਢੰਗ ਨਾਲ ਚੁਣਿਆ ਜਾਂਦਾ ਹੈ।

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

ਇਹ ਬੇਨਤੀ ਚਲਾਓ

ਤੁਹਾਡੀ key ਇਸ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਰਹਿੰਦੀ ਹੈ: ਇਹ ਸਿਰਫ਼ Doitong API ਨੂੰ ਭੇਜੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਸਿਰਫ਼ ਤਾਂ ਹੀ (localStorage) ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਹੁੰਦੀ ਹੈ ਜੇ ਤੁਸੀਂ Remember ਚੁਣੋ। API ਕੁੰਜੀ ਪ੍ਰਾਪਤ ਕਰੋ

Wan-2.2 Speech-to-Video 14B ਬਾਰੇ

`prompt`, ਸਰੋਤ `image_url` ਅਤੇ `audio_url` ਲੋੜੀਂਦੇ ਹਨ, ਅਤੇ ਆਡੀਓ ਦੇ ਆਧਾਰ ’ਤੇ ਚਿੱਤਰ ਵਾਲੇ ਵਿਸ਼ੇ ਦੀ ਵੀਡੀਓ ਬਣਦੀ ਹੈ। `num_frames` 40 ਤੋਂ 120 ਤੱਕ 4 ਦੇ ਗੁਣਜਾਂ ਵਿੱਚ ਹੁੰਦਾ ਹੈ ਅਤੇ ਡਿਫੌਲਟ 16 fps ਹੈ। `resolution` 480p, 580p ਜਾਂ 720p ਹੋ ਸਕਦਾ ਹੈ। ਸੈਂਪਲਿੰਗ ਸਟੈਪਸ, ਗਾਈਡੈਂਸ, ਇੰਟਰਪੋਲੇਸ਼ਨ ਅਤੇ `negative_prompt` ਬਦਲੇ ਜਾ ਸਕਦੇ ਹਨ।

ਪੈਰਾਮੀਟਰ

ਕੈਨੋਨਿਕਲ ਨਾਮ ਜਾਂ ਨੇਟਿਵ ਨਾਮ ਵਿੱਚੋਂ ਕੋਈ ਇੱਕ ਭੇਜੋ, ਦੋਵੇਂ ਨਹੀਂ। ਕੈਨੋਨਿਕਲ ਨਾਮ

ਨਾਮਕਿਸਮ ਡਿਫ਼ਾਲਟਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵੇਰਵਾ
promptਲੋੜੀਂਦਾ
ਕਿਸਮstring
ਵੀਡੀਓ ਸਿਰਜਣ ਲਈ ਵਰਤਿਆ ਗਿਆ ਪਾਠ ਪ੍ਰੌਂਪਟ।
negative_promptਵਿਕਲਪਿਕ
ਕਿਸਮstring
ਡਿਫ਼ਾਲਟ
ਵੀਡੀਓ ਸਿਰਜਣ ਵੇਲੇ ਲਾਗੂ ਕੀਤਾ negative ਪ੍ਰੌਂਪਟ।
num_framesਵਿਕਲਪਿਕ
ਕਿਸਮinteger
ਡਿਫ਼ਾਲਟ80
40 – 120
40–120 ਦੇ ਅੰਦਰ 4 ਦਾ ਗੁਣਜ ਚੁਣੋ, ਤਾਂ ਜੋ ਸਿਰਜੇ ਜਾਣ ਵਾਲੇ ਫ੍ਰੇਮਾਂ ਦੀ ਗਿਣਤੀ ਨਿਰਧਾਰਤ ਹੋਵੇ।
frames_per_secondਵਿਕਲਪਿਕ
ਕਿਸਮinteger | null
ਡਿਫ਼ਾਲਟ16
4 – 60
ਸਿਰਜੇ ਗਏ ਵੀਡੀਓ ਦੀ ਫ੍ਰੇਮ ਦਰ, 4 ਤੋਂ 60 ਤੱਕ ਦੇ ਮੁੱਲ ਸਵੀਕਾਰ ਕਰਦੀ ਹੈ; `adjust_fps_for_interpolation` ਨੂੰ false ਸੈਟ ਕਰਨ ਨਾਲ ਇਹ ਦਰ ਬਿਨਾਂ ਬਦਲਾਅ ਦੇ ਕਾਇਮ ਰਹਿੰਦੀ ਹੈ। ਇੰਟਰਪੋਲੇਸ਼ਨ ਵਰਤਣ ਅਤੇ `adjust_fps_for_interpolation` ਨੂੰ true ਰੱਖਣ 'ਤੇ (ਇਸ ਦਾ ਪੂਰਵ-ਨਿਰਧਾਰਤ ਮੁੱਲ), ਅੰਤਿਮ FPS ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਇਸ ਦਰ ਨੂੰ ਇੰਟਰਪੋਲੇਟ ਕੀਤੇ ਫ੍ਰੇਮਾਂ ਦੀ ਗਿਣਤੀ ਤੋਂ ਇੱਕ ਵੱਧ ਨਾਲ ਗੁਣਾ ਕਰੋ। ਉਦਾਹਰਨ ਲਈ, 1 ਇੰਟਰਪੋਲੇਟ ਕੀਤੇ ਫ੍ਰੇਮ ਨਾਲ 16 FPS, 32 FPS ਬਣ ਜਾਂਦਾ ਹੈ।
seedਵਿਕਲਪਿਕ
ਕਿਸਮinteger | null
ਸਿਰਜਣਾ ਨੂੰ ਦੁਹਰਾਉਣਯੋਗ ਬਣਾਉਣ ਵਾਲਾ ਸੀਡ। ਇਸਨੂੰ None ਸੈੱਟ ਕਰਨ ਨਾਲ ਸੀਡ ਬੇਤਰਤੀਬੇ ਢੰਗ ਨਾਲ ਚੁਣਿਆ ਜਾਂਦਾ ਹੈ।
resolutionਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟ480p
480p580p720p
ਆਉਟਪੁੱਟ ਵੀਡੀਓ ਰੈਜ਼ੋਲਿਊਸ਼ਨ: 480p, 580p, ਜਾਂ 720p।
num_inference_stepsਵਿਕਲਪਿਕ
ਕਿਸਮinteger
ਡਿਫ਼ਾਲਟ27
2 – 40
Sampling ਕਦਮਾਂ ਦੀ ਗਿਣਤੀ; ਗਿਣਤੀ ਵਧਣ ਨਾਲ ਵੱਧ ਪ੍ਰੋਸੈਸਿੰਗ ਸਮੇਂ ਦੇ ਬਦਲੇ ਬਿਹਤਰ ਗੁਣਵੱਤਾ ਮਿਲਦੀ ਹੈ।
enable_safety_checkerਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟfalse
ਪ੍ਰੋਸੈਸਿੰਗ ਤੋਂ ਪਹਿਲਾਂ ਇਨਪੁੱਟ ਸੁਰੱਖਿਆ ਜਾਂਚ, ਜਿਸਨੂੰ ਸਿਰਫ਼ ਅਧਿਕਾਰਤ ਖਾਤੇ ਬੰਦ ਕਰ ਸਕਦੇ ਹਨ। ਅਧਿਕਾਰ ਤੋਂ ਬਿਨਾਂ ਬੇਨਤੀਆਂ ਦੀ ਹਮੇਸ਼ਾ ਜਾਂਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ; ਨਹੀਂ ਤਾਂ true ਜਾਂਚ ਚਾਲੂ ਕਰਦਾ ਹੈ।
enable_output_safety_checkerਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟfalse
ਸਿਰਜੇ ਗਏ ਵੀਡੀਓ ਦੀ ਸੁਰੱਖਿਆ ਜਾਂਚ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦਾ ਹੈ; true ਸੈਟ ਕਰਨ ਨਾਲ ਸਿਰਜਣਾ ਤੋਂ ਬਾਅਦ ਜਾਂਚ ਚਾਲੂ ਹੁੰਦੀ ਹੈ।
guidance_scaleਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ3.5
1 – 10
Classifier-free guidance ਦੀ ਤਾਕਤ; scale ਵਧਣ ਨਾਲ ਸੰਭਾਵਿਤ ਗੁਣਵੱਤਾ ਘਾਟ ਦੇ ਬਦਲੇ ਪ੍ਰੌਂਪਟ ਨਾਲ ਵਧੇਰੇ ਮਿਲਾਪ ਮਿਲਦਾ ਹੈ।
shiftਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ5
1 – 10
ਵੀਡੀਓ ਸ਼ਿਫ਼ਟ ਸੈਟਿੰਗ, ਜਿਸ ਦੀ ਮਨਜ਼ੂਰਸ਼ੁਦਾ ਸੀਮਾ 1.0–10.0 ਹੈ।
video_qualityਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟhigh
lowmediumhighmaximum
ਆਉਟਪੁੱਟ ਵੀਡੀਓ ਗੁਣਵੱਤਾ ਸੈਟਿੰਗ, ਜਿਸ ਵਿੱਚ ਸੈਟਿੰਗ ਵਧਣ ਨਾਲ ਵੱਡੀਆਂ ਫ਼ਾਈਲਾਂ ਦੇ ਬਦਲੇ ਦ੍ਰਿਸ਼ ਗੁਣਵੱਤਾ ਸੁਧਰਦੀ ਹੈ।
video_write_modeਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟbalanced
fastbalancedsmall
ਵੀਡੀਓ ਲਿਖਣ ਦਾ ਮੋਡ, ਜਿਸ ਵਿੱਚ balanced ਗਤੀ ਅਤੇ ਗੁਣਵੱਤਾ ਵਿਚਕਾਰ ਸੰਤੁਲਨ ਦਿੰਦਾ ਹੈ। ਸਭ ਤੋਂ ਛੋਟੀਆਂ ਫ਼ਾਈਲਾਂ ਅਤੇ ਸਭ ਤੋਂ ਹੌਲੀ ਲਿਖਤ ਲਈ small ਚੁਣੋ; ਤੇਜ਼ ਲਿਖਤ ਨਤੀਜੇ ਜਲਦੀ ਵਾਪਸ ਕਰਦੀ ਹੈ ਪਰ ਵੱਡੀਆਂ ਫ਼ਾਈਲਾਂ ਬਣਾਉਂਦੀ ਹੈ।
image_urlਲੋੜੀਂਦਾ image
ਕਿਸਮurl · image
ਸਰੋਤ ਚਿੱਤਰ ਦਾ URL; ਚੁਣਿਆ ਗਿਆ ਪੱਖ ਅਨੁਪਾਤ ਇਹ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ ਕਿ ਪ੍ਰੀਪ੍ਰੋਸੈਸਿੰਗ ਲੋੜੀਂਦੀ ਹੈ ਜਾਂ ਨਹੀਂ: ਅਸੰਗਤੀ ਹੋਣ 'ਤੇ ਰੀਸਾਈਜ਼ ਕਰਨ ਤੋਂ ਬਾਅਦ ਕੇਂਦਰੀ ਕ੍ਰਾਪ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
audio_urlਲੋੜੀਂਦਾ audio
ਕਿਸਮurl · audio
ਆਡੀਓ ਫ਼ਾਈਲ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਨ ਵਾਲਾ URL।
ਲੋੜੀਂਦਾ ਕੈਨੋਨਿਕਲ ਨਾਮ, ਇਹ ਵੀ ਸਵੀਕਾਰਿਆ ਜਾਂਦਾ ਹੈ

ਫ਼ਾਈਲ ਪੈਰਾਮੀਟਰ ਜਨਤਕ https:// URL, 10 MB ਤੱਕ ਦਾ data: URI, ਜਾਂ ਅੱਪਲੋਡ ਦੇ file_url ਨੂੰ ਸਵੀਕਾਰਦੇ ਹਨ। ਫ਼ਾਈਲਾਂ

ਆਉਟਪੁੱਟ

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"
  }
}
ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ, ਤੁਹਾਡੀ ਚੋਣਹਰ outputs[].url ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਇੱਕ ਕਾਪੀ ਹੈ: ਹਮੇਸ਼ਾ ਲਈ ਰੱਖੀ ਜਾਂਦੀ ਹੈ (ਪ੍ਰਤੀ GB-ਮਹੀਨਾ ਭੁਗਤਾਨ) ਜਾਂ 7 ਦਿਨ ਤੱਕ ਮੁਫ਼ਤ, ਤੁਹਾਡੀ ਖਾਤਾ ਸੈਟਿੰਗ ਜਾਂ ?storage= ਅਨੁਸਾਰ।
ਹਰ ਮਾਡਲ ’ਤੇ ਇੱਕੋ ਜਿਹਾ ਰੂਪਤਸਵੀਰਾਂ, ਵੀਡੀਓ ਅਤੇ ਆਡੀਓ ਸਭ ਲਈ type, url, content_type, width, height ਅਤੇ duration। output ਮਾਡਲ ਦਾ ਆਪਣਾ ਨਤੀਜਾ ਆਬਜੈਕਟ ਹੈ।
ਆਉਟਪੁੱਟ ਦੇ ਫ਼ੀਲਡ
video
object {url, content_type, file_name, file_size}ਸਿਰਜਣਾ ਨਾਲ ਤਿਆਰ ਕੀਤੀ ਵੀਡੀਓ ਫ਼ਾਈਲ।

ਹੋਰ ਮਾਡਲ: ਲਿਪਸਿੰਕ ਅਤੇ ਅਵਤਾਰ

AI ਏਜੰਟਾਂ ਲਈ: ਇਹ ਪੰਨਾ Markdown ਵਜੋਂ ਇੱਥੇ ਹੈ https://doitong.com/pa/developers/models/wan/v2.2-14b/speech-to-video.md. ਸਾਰੇ ਮਾਡਲ ਅਤੇ ਗਾਈਡ: https://doitong.com/developers/llms.txt