Hoppa till innehåll

Wan-2.2 Speech-to-Video 14B

Integrera

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 exemplet: 0,50 $ 500 API-krediter · ≈ 53,66 ₽ dina filer mäts innan körningen Kör den på den här sidan

Hämta API-nyckel
Alibaba Läppsynkning och avatarer Läppsynkningupp till 720p #audio-to-video#talking-head

Skapar en talande video från en stillbild och en ljudfil, styrd av en textprompt

Skapat på Doitong

Offentliga verk skapade med Wan v22 Large av Doitong-communityt. Återanvänd en prompt med ett klick.

Visade offentliga verk: 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...

Skapa en begäran

Kontrollerna genereras från modellschemat. Koden och priset uppdateras när du ändrar dem.

•obligatoriskt

Textprompt som används för att generera videon.

•obligatoriskt image_url
Släpp en fil eller

URL till källbilden, där det valda bildförhållandet avgör om förbehandling behövs: en avvikelse utlöser storleksändring följt av beskärning från mitten.

•obligatoriskt audio_url
Släpp en fil eller

URL som pekar på ljudfilen.

resolution standard 480p

Videons upplösning: 480p, 580p eller 720p.

standard 80

Välj en multipel av 4 inom 40–120 för att ange hur många bildrutor som genereras.

Avancerat 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 som används vid videogenerering.

video_quality standard high

Kvalitetsinställning för utdata-videon som byter större filer mot förbättrad visuell kvalitet när värdet ökar.

video_write_mode standard balanced

Videoskrivningsläge, där balanced ger en kompromiss mellan hastighet och kvalitet. Välj small för minsta filer och långsammaste skrivning; snabbare skrivning returnerar resultat tidigare men skapar större filer.

standard 16

Den genererade videons bildfrekvens, med värden från 4 till 60. Om `adjust_fps_for_interpolation` anges som false bevaras frekvensen oförändrad. Vid interpolering och när `adjust_fps_for_interpolation` är true (standardvärdet) multipliceras frekvensen med ett plus antalet interpolerade bildrutor för att få slutlig FPS. Exempel: 16 FPS med 1 interpolerad bildruta blir 32 FPS.

standard 27

Antal samplingssteg; längre bearbetningstid ger bättre kvalitet när antalet ökar.

standard 3.5

Styrka för classifier-free guidance; möjlig kvalitetsförlust byts mot bättre överensstämmelse med prompten när skalan ökar.

standard 5

Videoförskjutningsinställning, med tillåtet intervall 1.0–10.0.

Seed som gör genereringen reproducerbar. Om det ställs in på None väljs ett seed slumpmässigt.

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"

Kör den här begäran

Din nyckel stannar i den här webbläsaren: den skickas endast till Doitong API och sparas endast i localStorage om du markerar Kom ihåg. Hämta en API-nyckel

Om Wan-2.2 Speech-to-Video 14B

Kräver en `prompt`, en källbild via `image_url` och en ljudfil via `audio_url` och producerar en video där det avbildade motivet styrs av ljudet. `num_frames` går från 40 till 120 i multiplar av 4, med 16 fps som standard. `resolution` kan vara 480p, 580p eller 720p. Samplingsteg, guidning, interpolering och en `negative_prompt` kan justeras.

Parametrar

Skicka antingen det kanoniska namnet eller det inbyggda namnet, inte båda. Kanoniska namn

NamnTyp StandardTillåtna Beskrivning
promptobligatoriskt
Typstring
Textprompt som används för att generera videon.
negative_promptvalfritt
Typstring
Standard
Negativ prompt som används vid videogenerering.
num_framesvalfritt
Typinteger
Standard80
40 – 120
Välj en multipel av 4 inom 40–120 för att ange hur många bildrutor som genereras.
frames_per_secondvalfritt
Typinteger | null
Standard16
4 – 60
Den genererade videons bildfrekvens, med värden från 4 till 60. Om `adjust_fps_for_interpolation` anges som false bevaras frekvensen oförändrad. Vid interpolering och när `adjust_fps_for_interpolation` är true (standardvärdet) multipliceras frekvensen med ett plus antalet interpolerade bildrutor för att få slutlig FPS. Exempel: 16 FPS med 1 interpolerad bildruta blir 32 FPS.
seedvalfritt
Typinteger | null
Seed som gör genereringen reproducerbar. Om det ställs in på None väljs ett seed slumpmässigt.
resolutionvalfritt
Typenum
Standard480p
480p580p720p
Videons upplösning: 480p, 580p eller 720p.
num_inference_stepsvalfritt
Typinteger
Standard27
2 – 40
Antal samplingssteg; längre bearbetningstid ger bättre kvalitet när antalet ökar.
enable_safety_checkervalfritt
Typboolean
Standardfalse
Säkerhetskontroll av indata före bearbetning, som endast auktoriserade konton får stänga av. Begäranden utan behörighet kontrolleras alltid; annars aktiverar true kontrollen.
enable_output_safety_checkervalfritt
Typboolean
Standardfalse
Styr säkerhetskontrollen av den genererade videon; true aktiverar en kontroll efter genereringen.
guidance_scalevalfritt
Typnumber
Standard3.5
1 – 10
Styrka för classifier-free guidance; möjlig kvalitetsförlust byts mot bättre överensstämmelse med prompten när skalan ökar.
shiftvalfritt
Typnumber
Standard5
1 – 10
Videoförskjutningsinställning, med tillåtet intervall 1.0–10.0.
video_qualityvalfritt
Typenum
Standardhigh
lowmediumhighmaximum
Kvalitetsinställning för utdata-videon som byter större filer mot förbättrad visuell kvalitet när värdet ökar.
video_write_modevalfritt
Typenum
Standardbalanced
fastbalancedsmall
Videoskrivningsläge, där balanced ger en kompromiss mellan hastighet och kvalitet. Välj small för minsta filer och långsammaste skrivning; snabbare skrivning returnerar resultat tidigare men skapar större filer.
image_urlobligatoriskt image
Typurl · image
URL till källbilden, där det valda bildförhållandet avgör om förbehandling behövs: en avvikelse utlöser storleksändring följt av beskärning från mitten.
audio_urlobligatoriskt audio
Typurl · audio
URL som pekar på ljudfilen.
obligatoriskt Kanoniskt namn, accepteras också

Filparametrar tar emot en offentlig https://-URL, en data:-URI på upp till 10 MB eller file_url från en uppladdning. Filer

Resultat

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"
  }
}
Dina filer, ditt valVarje outputs[].url är en kopia i vår lagring: sparad för alltid (debiteras per GB-månad) eller 7 dagar kostnadsfritt, enligt din kontoinställning eller ?storage=.
Samma struktur för varje modelltype, url, content_type, width, height och duration, för bilder, video och ljud. output är modellens eget resultatobjekt.
Resultatets fält
video
object {url, content_type, file_name, file_size}Videofil som skapats genom generering.

Fler modeller: Läppsynkning och avatarer

För AI-agenter: den här sidan som Markdown finns på https://doitong.com/sv/developers/models/wan/v2.2-14b/speech-to-video.md. Alla modeller och guider: https://doitong.com/developers/llms.txt