Ruka hadi kwenye maudhui

Wan-2.2 Speech-to-Video 14B

Unganisha

Kitambulisho cha modeli 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"

Faili kama mfano: $ 0.50 salio za API 500 · ≈ ₽ 53.66 faili zako hupimwa kabla ya kuendesha Iendeshe kwenye ukurasa huu

Pata ufunguo wa API
Alibaba Usawazishaji wa Midomo na Avatari Usawazishaji wa midomohadi 720p #audio-to-video#talking-head

Hutengeneza video ya mtu anayezungumza kutoka kwa picha tuli na faili la sauti, kwa kuongozwa na kidokezo cha maandishi

Imetengenezwa kwenye Doitong

Kazi za umma zilizotengenezwa kwa Wan v22 Large na jumuiya ya Doitong. Tumia tena kidokezo kwa kubofya mara moja.

Kazi za umma zilizoonyeshwa: 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...

Unda ombi

Vidhibiti vinazalishwa kutoka kwenye schema ya modeli. Msimbo na bei husasishwa unapovibadilisha.

•inahitajika

Kidokezo cha maandishi kilichotumika kuzalisha video.

•inahitajika image_url
Dondosha faili, au

URL ya picha chanzo, huku uwiano wa pande uliochaguliwa ukiamua ikiwa uchakataji wa awali unahitajika: kutolingana husababisha kubadilisha ukubwa kisha kukata katikati.

•inahitajika audio_url
Dondosha faili, au

URL inayoelekeza kwenye faili ya sauti.

resolution chaguomsingi 480p

Mwonekano wa video ya tokeo: 480p, 580p au 720p.

chaguomsingi 80

Chagua kizidisho cha 4 ndani ya 40–120 ili kuweka idadi ya fremu zitakazozalishwa.

Ya kina negative_prompt · video_quality · video_write_mode · frames_per_second · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker · enable_output_safety_checker
chaguomsingi

Kidokezo hasi kinachotumika wakati wa kutengeneza video.

video_quality chaguomsingi high

Mpangilio wa ubora wa video ya tokeo unaobadilisha ukubwa wa faili kwa picha bora zaidi kadiri thamani inavyoongezeka.

video_write_mode chaguomsingi balanced

Hali ya kuandika video, ambapo balanced hutoa uwiano kati ya kasi na ubora. Chagua small kwa faili ndogo zaidi na uandishi wa polepole zaidi; uandishi wa haraka hurudisha matokeo mapema lakini huunda faili kubwa zaidi.

chaguomsingi 16

Kasi ya fremu za video iliyozalishwa, inayokubali thamani kutoka 4 hadi 60; kuweka `adjust_fps_for_interpolation` kuwa false huhifadhi kasi hii bila mabadiliko. Interpolation inapotumika na `adjust_fps_for_interpolation` ikiwa true (chaguo lake chaguomsingi), zidisha kasi hii kwa moja pamoja na idadi ya fremu zilizointerpolatiwa ili kupata FPS ya mwisho. Kwa mfano, 16 FPS yenye fremu 1 iliyointerpolatiwa huwa 32 FPS.

chaguomsingi 27

Idadi ya hatua za sampuli, ambapo muda mrefu wa uchakataji huleta ubora bora kadiri idadi inavyoongezeka.

chaguomsingi 3.5

Nguvu ya mwongozo isiyotegemea kiainishaji, ambapo ongezeko la kipimo hubadilisha uwezekano wa kupoteza ubora kwa ulinganifu wa karibu zaidi na kidokezo.

chaguomsingi 5

Mpangilio wa mgeuzo wa video, wenye masafa yanayoruhusiwa ya 1.0–10.0.

Seed inayofanya uzalishaji uweze kurudiwa. Kuiweka kuwa None huchagua seed bila mpangilio.

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

Endesha ombi hili

Key yako inabaki kwenye kivinjari hiki: inatumwa kwa Doitong API pekee na kuhifadhiwa (localStorage) tu ukiweka tiki kwenye Kumbuka. Pata ufunguo wa API

Kuhusu Wan-2.2 Speech-to-Video 14B

Inahitaji `prompt`, `image_url` ya chanzo na `audio_url`, kisha huzalisha video ya mhusika aliye kwenye picha inayoendeshwa na sauti. `num_frames` huanzia 40 hadi 120 kwa vizidishi vya 4, kwa 16 fps kwa chaguomsingi. `resolution` inaweza kuwa 480p, 580p au 720p. Hatua za usampulishaji, mwongozo, interpolation na `negative_prompt` zinaweza kurekebishwa.

Vigezo

Tuma jina rasmi au jina asilia, si yote mawili. Majina rasmi

JinaAina ChaguomsingiInaruhusiwa Maelezo
promptinahitajika
Ainastring
Kidokezo cha maandishi kilichotumika kuzalisha video.
negative_promptsi lazima
Ainastring
Chaguomsingi
Kidokezo hasi kinachotumika wakati wa kutengeneza video.
num_framessi lazima
Ainainteger
Chaguomsingi80
40 – 120
Chagua kizidisho cha 4 ndani ya 40–120 ili kuweka idadi ya fremu zitakazozalishwa.
frames_per_secondsi lazima
Ainainteger | null
Chaguomsingi16
4 – 60
Kasi ya fremu za video iliyozalishwa, inayokubali thamani kutoka 4 hadi 60; kuweka `adjust_fps_for_interpolation` kuwa false huhifadhi kasi hii bila mabadiliko. Interpolation inapotumika na `adjust_fps_for_interpolation` ikiwa true (chaguo lake chaguomsingi), zidisha kasi hii kwa moja pamoja na idadi ya fremu zilizointerpolatiwa ili kupata FPS ya mwisho. Kwa mfano, 16 FPS yenye fremu 1 iliyointerpolatiwa huwa 32 FPS.
seedsi lazima
Ainainteger | null
Seed inayofanya uzalishaji uweze kurudiwa. Kuiweka kuwa None huchagua seed bila mpangilio.
resolutionsi lazima
Ainaenum
Chaguomsingi480p
480p580p720p
Mwonekano wa video ya tokeo: 480p, 580p au 720p.
num_inference_stepssi lazima
Ainainteger
Chaguomsingi27
2 – 40
Idadi ya hatua za sampuli, ambapo muda mrefu wa uchakataji huleta ubora bora kadiri idadi inavyoongezeka.
enable_safety_checkersi lazima
Ainaboolean
Chaguomsingifalse
Ukaguzi wa usalama wa ingizo kabla ya uchakataji, ambao ni akaunti zilizoidhinishwa pekee zinazoweza kuuzima. Maombi yasiyo na idhini hukaguliwa kila mara; vinginevyo, true huwezesha ukaguzi.
enable_output_safety_checkersi lazima
Ainaboolean
Chaguomsingifalse
Hudhibiti ukaguzi wa usalama wa video iliyozalishwa; kuweka true huwezesha ukaguzi baada ya uzalishaji.
guidance_scalesi lazima
Ainanumber
Chaguomsingi3.5
1 – 10
Nguvu ya mwongozo isiyotegemea kiainishaji, ambapo ongezeko la kipimo hubadilisha uwezekano wa kupoteza ubora kwa ulinganifu wa karibu zaidi na kidokezo.
shiftsi lazima
Ainanumber
Chaguomsingi5
1 – 10
Mpangilio wa mgeuzo wa video, wenye masafa yanayoruhusiwa ya 1.0–10.0.
video_qualitysi lazima
Ainaenum
Chaguomsingihigh
lowmediumhighmaximum
Mpangilio wa ubora wa video ya tokeo unaobadilisha ukubwa wa faili kwa picha bora zaidi kadiri thamani inavyoongezeka.
video_write_modesi lazima
Ainaenum
Chaguomsingibalanced
fastbalancedsmall
Hali ya kuandika video, ambapo balanced hutoa uwiano kati ya kasi na ubora. Chagua small kwa faili ndogo zaidi na uandishi wa polepole zaidi; uandishi wa haraka hurudisha matokeo mapema lakini huunda faili kubwa zaidi.
image_urlinahitajika image
Ainaurl · image
URL ya picha chanzo, huku uwiano wa pande uliochaguliwa ukiamua ikiwa uchakataji wa awali unahitajika: kutolingana husababisha kubadilisha ukubwa kisha kukata katikati.
audio_urlinahitajika audio
Ainaurl · audio
URL inayoelekeza kwenye faili ya sauti.
inahitajika Jina rasmi, pia linakubalika

Vigezo vya faili vinakubali URL ya umma ya https://, data: URI ya hadi 10 MB, au file_url ya upakiaji. Faili

Tokeo

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"
  }
}
Faili zako, chaguo lakoKila outputs[].url ni nakala kwenye hifadhi yetu: huhifadhiwa milele (hutozwa kwa GB kwa mwezi) au 7 siku bila malipo, kulingana na mpangilio wa akaunti yako au ?storage=.
Muundo uleule kwenye kila modelitype, url, content_type, width, height na duration, kwa picha, video na sauti. output ni kitu cha matokeo cha modeli yenyewe.
Sehemu za tokeo
video
object {url, content_type, file_name, file_size}Faili ya video iliyozalishwa.

Miundo zaidi: Usawazishaji wa Midomo na Avatari

Kwa mawakala wa AI: ukurasa huu katika Markdown unapatikana kwenye https://doitong.com/sw/developers/models/wan/v2.2-14b/speech-to-video.md. Modeli na miongozo yote: https://doitong.com/developers/llms.txt