Ir para o conteúdo

Wan-2.2 Speech-to-Video 14B

Integrar

ID do modelo 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"

Arquivos como o exemplo: $ 0,50 500 créditos de API · ≈ ₽ 53,66 seus arquivos são medidos antes da execução Executar nesta página

Obter chave de API
Alibaba Sincronização labial e avatares Sincronização labialaté 720p #audio-to-video#talking-head

Cria um vídeo falante a partir de uma imagem estática e um arquivo de áudio, orientado por um prompt de texto

Feito no Doitong

Trabalhos públicos feitos com Wan v22 Large pela comunidade Doitong. Reutilize um prompt com um clique.

Trabalhos públicos exibidos: 3
Создай 30-секундный обучающий музыкальный ролик для детей 3–5 лет. Тема: транспорт. Яркая 2D-аним... Vídeo

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... Vídeo

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... Vídeo

# 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...

Criar uma solicitação

Os controles são gerados a partir do esquema do modelo. O código e o preço são atualizados conforme você os altera.

•obrigatório

Prompt de texto usado para gerar o vídeo.

•obrigatório image_url
Solte um arquivo ou

URL da imagem de origem, com a proporção selecionada determinando se o pré-processamento é necessário: uma incompatibilidade aciona o redimensionamento seguido de um recorte central.

•obrigatório audio_url
Solte um arquivo ou

URL que aponta para o arquivo de áudio.

resolution padrão 480p

Resolução do vídeo de saída: 480p, 580p ou 720p.

padrão 80

Escolha um múltiplo de 4 entre 40 e 120 para definir quantos quadros serão gerados.

Avançado negative_prompt · video_quality · video_write_mode · frames_per_second · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker · enable_output_safety_checker
padrão

Prompt negativo aplicado ao gerar um vídeo.

video_quality padrão high

Configuração da qualidade do vídeo de saída, que troca arquivos maiores por visuais aprimorados à medida que o valor aumenta.

video_write_mode padrão balanced

Modo de gravação do vídeo, com balanced oferecendo um equilíbrio entre velocidade e qualidade. Escolha small para os menores arquivos e a gravação mais lenta; a gravação mais rápida retorna resultados antes, mas cria arquivos maiores.

padrão 16

Taxa de quadros do vídeo gerado, aceitando valores de 4 a 60; definir `adjust_fps_for_interpolation` como false preserva essa taxa inalterada. Com a interpolação habilitada e `adjust_fps_for_interpolation` como true (seu padrão), multiplique essa taxa por um mais a quantidade de quadros interpolados para obter o FPS final. Por exemplo, 16 FPS com 1 quadro interpolado torna-se 32 FPS.

padrão 27

Quantidade de etapas de amostragem, trocando um tempo de processamento maior por melhor qualidade à medida que a quantidade aumenta.

padrão 3.5

Intensidade da orientação sem classificador, trocando uma possível perda de qualidade por uma correspondência mais próxima ao prompt à medida que a escala aumenta.

padrão 5

Configuração de deslocamento do vídeo, com intervalo permitido de 1.0–10.0.

Seed que torna a geração reproduzível. Defini-lo como None seleciona uma seed aleatoriamente.

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

Executar esta solicitação

Sua chave permanece neste navegador: ela é enviada somente à Doitong API e salva (localStorage) apenas se você marcar Lembrar. Obter uma chave de API

Sobre Wan-2.2 Speech-to-Video 14B

Requer um `prompt`, uma `image_url` de origem e um `audio_url`, e produz um vídeo do sujeito retratado conduzido pelo áudio. `num_frames` varia de 40 a 120 em múltiplos de 4, a 16 fps por padrão. `resolution` pode ser 480p, 580p ou 720p. Passos de amostragem, orientação, interpolação e um `negative_prompt` podem ser ajustados.

Parâmetros

Envie o nome canônico ou o nome nativo, não ambos. Nomes canônicos

NomeTipo PadrãoPermitido Descrição
promptobrigatório
Tipostring
Prompt de texto usado para gerar o vídeo.
negative_promptopcional
Tipostring
Padrão
Prompt negativo aplicado ao gerar um vídeo.
num_framesopcional
Tipointeger
Padrão80
40 – 120
Escolha um múltiplo de 4 entre 40 e 120 para definir quantos quadros serão gerados.
frames_per_secondopcional
Tipointeger | null
Padrão16
4 – 60
Taxa de quadros do vídeo gerado, aceitando valores de 4 a 60; definir `adjust_fps_for_interpolation` como false preserva essa taxa inalterada. Com a interpolação habilitada e `adjust_fps_for_interpolation` como true (seu padrão), multiplique essa taxa por um mais a quantidade de quadros interpolados para obter o FPS final. Por exemplo, 16 FPS com 1 quadro interpolado torna-se 32 FPS.
seedopcional
Tipointeger | null
Seed que torna a geração reproduzível. Defini-lo como None seleciona uma seed aleatoriamente.
resolutionopcional
Tipoenum
Padrão480p
480p580p720p
Resolução do vídeo de saída: 480p, 580p ou 720p.
num_inference_stepsopcional
Tipointeger
Padrão27
2 – 40
Quantidade de etapas de amostragem, trocando um tempo de processamento maior por melhor qualidade à medida que a quantidade aumenta.
enable_safety_checkeropcional
Tipoboolean
Padrãofalse
Verificação de segurança da entrada antes do processamento, que somente contas autorizadas podem desativar. Requisições sem autorização são sempre verificadas; caso contrário, true habilita a verificação.
enable_output_safety_checkeropcional
Tipoboolean
Padrãofalse
Controla a verificação de segurança do vídeo gerado; definir como true habilita uma verificação após a geração.
guidance_scaleopcional
Tiponumber
Padrão3.5
1 – 10
Intensidade da orientação sem classificador, trocando uma possível perda de qualidade por uma correspondência mais próxima ao prompt à medida que a escala aumenta.
shiftopcional
Tiponumber
Padrão5
1 – 10
Configuração de deslocamento do vídeo, com intervalo permitido de 1.0–10.0.
video_qualityopcional
Tipoenum
Padrãohigh
lowmediumhighmaximum
Configuração da qualidade do vídeo de saída, que troca arquivos maiores por visuais aprimorados à medida que o valor aumenta.
video_write_modeopcional
Tipoenum
Padrãobalanced
fastbalancedsmall
Modo de gravação do vídeo, com balanced oferecendo um equilíbrio entre velocidade e qualidade. Escolha small para os menores arquivos e a gravação mais lenta; a gravação mais rápida retorna resultados antes, mas cria arquivos maiores.
image_urlobrigatório image
Tipourl · image
URL da imagem de origem, com a proporção selecionada determinando se o pré-processamento é necessário: uma incompatibilidade aciona o redimensionamento seguido de um recorte central.
audio_urlobrigatório audio
Tipourl · audio
URL que aponta para o arquivo de áudio.
obrigatório Nome canônico, também aceito

Os parâmetros de arquivo aceitam uma URL https:// pública, um URI data: de até 10 MB ou o file_url de um upload. Arquivos

Saída

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"
  }
}
Seus arquivos, sua escolhaCada outputs[].url é uma cópia em nosso armazenamento: mantida para sempre (cobrada por GB-mês) ou por 7 dias gratuitamente, conforme a configuração da sua conta ou ?storage=.
Mesmo formato em todos os modelostype, url, content_type, width, height e duration, para imagens, vídeos e áudios. output é o próprio objeto de resultado do modelo.
Campos da saída
video
object {url, content_type, file_name, file_size}Arquivo de vídeo produzido pela geração.

Mais modelos: Sincronização labial e avatares

Para agentes de IA: esta página em Markdown está em https://doitong.com/pt-BR/developers/models/wan/v2.2-14b/speech-to-video.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt