Avançar 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"

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

Obter chave de API
Alibaba Lipsync e avatares Lipsyncaté 720p #audio-to-video#talking-head

Cria um vídeo falado a partir de uma imagem fixa e de um ficheiro de áudio, orientado por um prompt textual

Criado na Doitong

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

Trabalhos públicos apresentados: 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 um pedido

Os controlos são gerados a partir do esquema do modelo. O código e o preço são atualizados à medida que os altera.

•obrigatório

Prompt de texto utilizado para gerar o vídeo.

•obrigatório image_url
Largue um ficheiro ou

URL da imagem de origem; a proporção selecionada determina se é necessário pré-processamento: uma incompatibilidade desencadeia redimensionamento seguido de recorte centrado.

•obrigatório audio_url
Largue um ficheiro ou

URL que aponta para o ficheiro de áudio.

resolution predefinição 480p

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

predefinição 80

Escolha um múltiplo de 4 entre 40–120 para definir quantos frames são 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
predefinição

Prompt negativo aplicado ao gerar um vídeo.

video_quality predefinição high

Definição de qualidade do vídeo de saída, que troca ficheiros maiores por melhores imagens à medida que aumenta.

video_write_mode predefinição balanced

Modo de escrita do vídeo, com balanced a oferecer um compromisso entre velocidade e qualidade. Escolha small para obter os ficheiros mais pequenos e a escrita mais lenta; uma escrita mais rápida devolve resultados mais cedo, mas cria ficheiros maiores.

predefinição 16

Taxa de frames do vídeo gerado, aceitando valores de 4 a 60; definir `adjust_fps_for_interpolation` como false mantém esta taxa inalterada. Com interpolação ativa e `adjust_fps_for_interpolation` como true (a predefinição), multiplique esta taxa por um mais o número de frames interpolados para obter o FPS final. Por exemplo, 16 FPS com 1 frame interpolado tornam-se 32 FPS.

predefinição 27

Número de passos de amostragem, trocando um tempo de processamento mais longo por melhor qualidade à medida que o número aumenta.

predefinição 3.5

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

predefinição 5

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

Seed que torna a geração reproduzível. Defini-la 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 este pedido

A sua chave permanece neste navegador: é enviada apenas para a Doitong API e guardada em localStorage apenas se selecionar Lembrar. Obter uma chave de API

Sobre Wan-2.2 Speech-to-Video 14B

Requer um `prompt`, um `image_url` de origem e um `audio_url`, produzindo um vídeo do sujeito retratado orientado pelo áudio. `num_frames` varia de 40 a 120 em múltiplos de 4, a 16 fps por predefinição. `resolution` pode ser 480p, 580p ou 720p. Os passos de amostragem, a orientação, a interpolação e um `negative_prompt` são ajustáveis.

Parâmetros

Envie o nome canónico ou o nome nativo, não ambos. Nomes canónicos

NomeTipo PredefiniçãoPermitido Descrição
promptobrigatório
Tipostring
Prompt de texto utilizado para gerar o vídeo.
negative_promptopcional
Tipostring
Predefinição
Prompt negativo aplicado ao gerar um vídeo.
num_framesopcional
Tipointeger
Predefinição80
40 – 120
Escolha um múltiplo de 4 entre 40–120 para definir quantos frames são gerados.
frames_per_secondopcional
Tipointeger | null
Predefinição16
4 – 60
Taxa de frames do vídeo gerado, aceitando valores de 4 a 60; definir `adjust_fps_for_interpolation` como false mantém esta taxa inalterada. Com interpolação ativa e `adjust_fps_for_interpolation` como true (a predefinição), multiplique esta taxa por um mais o número de frames interpolados para obter o FPS final. Por exemplo, 16 FPS com 1 frame interpolado tornam-se 32 FPS.
seedopcional
Tipointeger | null
Seed que torna a geração reproduzível. Defini-la como None seleciona uma seed aleatoriamente.
resolutionopcional
Tipoenum
Predefinição480p
480p580p720p
Resolução do vídeo de saída: 480p, 580p ou 720p.
num_inference_stepsopcional
Tipointeger
Predefinição27
2 – 40
Número de passos de amostragem, trocando um tempo de processamento mais longo por melhor qualidade à medida que o número aumenta.
enable_safety_checkeropcional
Tipoboolean
Predefiniçãofalse
Verificação de segurança da entrada antes do processamento, que apenas contas autorizadas podem desativar. Os pedidos sem autorização são sempre verificados; caso contrário, true ativa a verificação.
enable_output_safety_checkeropcional
Tipoboolean
Predefiniçãofalse
Controla a verificação de segurança do vídeo gerado; definir como true ativa uma verificação após a geração.
guidance_scaleopcional
Tiponumber
Predefinição3.5
1 – 10
Intensidade da orientação sem classificador, trocando uma possível perda de qualidade por uma correspondência mais próxima do prompt à medida que a escala aumenta.
shiftopcional
Tiponumber
Predefinição5
1 – 10
Definição de deslocamento do vídeo, com intervalo permitido de 1.0–10.0.
video_qualityopcional
Tipoenum
Predefiniçãohigh
lowmediumhighmaximum
Definição de qualidade do vídeo de saída, que troca ficheiros maiores por melhores imagens à medida que aumenta.
video_write_modeopcional
Tipoenum
Predefiniçãobalanced
fastbalancedsmall
Modo de escrita do vídeo, com balanced a oferecer um compromisso entre velocidade e qualidade. Escolha small para obter os ficheiros mais pequenos e a escrita mais lenta; uma escrita mais rápida devolve resultados mais cedo, mas cria ficheiros maiores.
image_urlobrigatório image
Tipourl · image
URL da imagem de origem; a proporção selecionada determina se é necessário pré-processamento: uma incompatibilidade desencadeia redimensionamento seguido de recorte centrado.
audio_urlobrigatório audio
Tipourl · audio
URL que aponta para o ficheiro de áudio.
obrigatório Nome canónico, também aceite

Os parâmetros de ficheiro aceitam um URL https:// público, um URI data: até 10 MB ou o file_url de um carregamento. Ficheiros

Resultado

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"
  }
}
Os seus ficheiros, a sua escolhaCada outputs[].url é uma cópia no nosso armazenamento: guardada para sempre (paga por GB-mês) ou durante 7 dias gratuitamente, conforme a definição da sua conta ou ?storage=.
A mesma estrutura em todos os modelostype, url, content_type, width, height e duration, tanto para imagens como para vídeo e áudio. output é o próprio objeto de resultado do modelo.
Campos do resultado
video
object {url, content_type, file_name, file_size}Ficheiro de vídeo produzido pela geração.

Mais modelos: Lipsync e avatares

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