مواد پر جائیں

Wan-2.2 Speech-to-Video 14B

انٹیگریٹ کریں

ماڈل 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"

مثال جیسی فائلیں: ⁨$0.50⁩ 500 API کریڈٹس · ≈ ⁨₽53.79⁩ آپ کی فائلیں رن سے پہلے ناپی جاتی ہیں اس صفحے پر چلائیں

API کلید حاصل کریں
Alibaba لِپ سنک اور اوتار لِپ سنک720p تک #audio-to-video#talking-head

ساکن تصویر اور آڈیو فائل سے، ٹیکسٹ پرامپٹ کی رہنمائی میں، گفتگو کرتی ویڈیو بناتا ہے

Doitong پر بنایا گیا

Doitong کمیونٹی کے Wan v22 Large سے بنائے گئے عوامی کام۔ ایک کلک میں پرامپٹ دوبارہ استعمال کریں۔

دکھائے گئے عوامی کام: 3
Создай 30-секундный обучающий музыкальный ролик для детей 3–5 лет. Тема: транспорт. Яркая 2D-аним... ویڈیو

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... ویڈیو

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... ویڈیو

# 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...

درخواست بنائیں

کنٹرولز ماڈل اسکیما سے تیار ہوتے ہیں۔ آپ کے بدلنے کے ساتھ کوڈ اور قیمت اپ ڈیٹ ہوتے ہیں۔

•لازمی

ویڈیو کی تخلیق کے لیے استعمال ہونے والا متنی پرامپٹ۔

•لازمی image_url
فائل ڈراپ کریں، یا

ماخذ تصویر کا URL؛ منتخب aspect ratio یہ طے کرتا ہے کہ preprocessing درکار ہے یا نہیں: عدم مطابقت سے resizing کے بعد center crop ہوتا ہے۔

•لازمی audio_url
فائل ڈراپ کریں، یا

آڈیو فائل کی طرف اشارہ کرنے والا URL۔

resolution ڈیفالٹ 480p

آؤٹ پٹ ویڈیو ریزولوشن: 480p، 580p، یا 720p۔

ڈیفالٹ 80

40–120 کے درمیان 4 کے کسی multiple کا انتخاب کر کے تخلیق ہونے والے فریموں کی تعداد مقرر کریں۔

ایڈوانسڈ negative_prompt · video_quality · video_write_mode · frames_per_second · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker · enable_output_safety_checker
ڈیفالٹ

ویڈیو تخلیق کرتے وقت لاگو ہونے والا منفی پرامپٹ۔

video_quality ڈیفالٹ high

آؤٹ پٹ ویڈیو کے معیار کی ترتیب؛ قدر بڑھنے پر بڑی فائلوں کے بدلے بہتر بصری نتائج ملتے ہیں۔

video_write_mode ڈیفالٹ balanced

ویڈیو writing موڈ؛ balanced رفتار اور معیار کے درمیان سمجھوتا پیش کرتا ہے۔ سب سے چھوٹی فائلوں اور سست ترین writing کے لیے small منتخب کریں؛ faster writing نتائج جلد لوٹاتا ہے مگر بڑی فائلیں بناتا ہے۔

ڈیفالٹ 16

تخلیق کردہ ویڈیو کا فریم ریٹ، 4 سے 60 تک قدریں قبول کرتا ہے؛ `adjust_fps_for_interpolation` کو false کرنے سے یہ ریٹ تبدیل نہیں ہوتا۔ interpolation کے استعمال اور `adjust_fps_for_interpolation` کے true ہونے پر (یہ اس کا ڈیفالٹ ہے)، حتمی FPS حاصل کرنے کے لیے اس ریٹ کو interpolated فریموں کی تعداد جمع 1 سے ضرب دیں۔ مثال کے طور پر، 1 interpolated فریم کے ساتھ 16 FPS، 32 FPS بن جاتا ہے۔

ڈیفالٹ 27

sampling steps کی تعداد، جس میں تعداد بڑھنے کے ساتھ زیادہ پروسیسنگ وقت کے بدلے بہتر معیار ملتا ہے۔

ڈیفالٹ 3.5

Classifier-free guidance کی طاقت، اسکیل بڑھنے کے ساتھ ممکنہ معیار کے نقصان کے بدلے پرامپٹ سے زیادہ قریب مطابقت فراہم کرتی ہے۔

ڈیفالٹ 5

ویڈیو shift کی ترتیب، جس کی مجاز حد 1.0–10.0 ہے۔

تخلیق کو قابلِ تکرار بنانے والا سیڈ۔ اسے None پر سیٹ کرنے سے سیڈ تصادفی طور پر منتخب ہوتا ہے۔

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

یہ درخواست چلائیں

آپ کی key اسی براؤزر میں رہتی ہے: یہ صرف Doitong API کو بھیجی جاتی ہے اور صرف اس صورت میں localStorage میں محفوظ ہوتی ہے جب آپ Remember منتخب کریں۔ API کلید حاصل کریں

Wan-2.2 Speech-to-Video 14B کے بارے میں

`prompt`، ماخذ `image_url` اور `audio_url` درکار ہیں، اور آڈیو سے چلنے والے تصویر کے موضوع کی ویڈیو بناتا ہے۔ `num_frames` 40 سے 120 تک، 4 کے مضارب میں، ڈیفالٹ 16 fps پر ہے۔ `resolution` 480p، 580p یا 720p ہو سکتی ہے۔ سیمپلنگ مراحل، رہنمائی، انٹرپولیشن اور `negative_prompt` قابلِ ترتیب ہیں۔

پیرامیٹرز

معیاری نام یا مقامی نام میں سے صرف ایک بھیجیں، دونوں نہیں۔ معیاری نام

نامقسم ڈیفالٹمجاز تفصیل
promptلازمی
قسمstring
ویڈیو کی تخلیق کے لیے استعمال ہونے والا متنی پرامپٹ۔
negative_promptاختیاری
قسمstring
ڈیفالٹ
ویڈیو تخلیق کرتے وقت لاگو ہونے والا منفی پرامپٹ۔
num_framesاختیاری
قسمinteger
ڈیفالٹ80
40 – 120
40–120 کے درمیان 4 کے کسی multiple کا انتخاب کر کے تخلیق ہونے والے فریموں کی تعداد مقرر کریں۔
frames_per_secondاختیاری
قسمinteger | null
ڈیفالٹ16
4 – 60
تخلیق کردہ ویڈیو کا فریم ریٹ، 4 سے 60 تک قدریں قبول کرتا ہے؛ `adjust_fps_for_interpolation` کو false کرنے سے یہ ریٹ تبدیل نہیں ہوتا۔ interpolation کے استعمال اور `adjust_fps_for_interpolation` کے true ہونے پر (یہ اس کا ڈیفالٹ ہے)، حتمی FPS حاصل کرنے کے لیے اس ریٹ کو interpolated فریموں کی تعداد جمع 1 سے ضرب دیں۔ مثال کے طور پر، 1 interpolated فریم کے ساتھ 16 FPS، 32 FPS بن جاتا ہے۔
seedاختیاری
قسمinteger | null
تخلیق کو قابلِ تکرار بنانے والا سیڈ۔ اسے None پر سیٹ کرنے سے سیڈ تصادفی طور پر منتخب ہوتا ہے۔
resolutionاختیاری
قسمenum
ڈیفالٹ480p
480p580p720p
آؤٹ پٹ ویڈیو ریزولوشن: 480p، 580p، یا 720p۔
num_inference_stepsاختیاری
قسمinteger
ڈیفالٹ27
2 – 40
sampling steps کی تعداد، جس میں تعداد بڑھنے کے ساتھ زیادہ پروسیسنگ وقت کے بدلے بہتر معیار ملتا ہے۔
enable_safety_checkerاختیاری
قسمboolean
ڈیفالٹfalse
پراسیسنگ سے پہلے ان پٹ کی حفاظتی جانچ، جسے صرف مجاز اکاؤنٹس بند کر سکتے ہیں۔ اجازت کے بغیر درخواستوں کی ہمیشہ جانچ ہوتی ہے؛ بصورت دیگر true جانچ فعال کرتا ہے۔
enable_output_safety_checkerاختیاری
قسمboolean
ڈیفالٹfalse
تخلیق کردہ ویڈیو کی حفاظتی جانچ متعین کرتا ہے؛ true رکھنے سے تخلیق کے بعد جانچ فعال ہوتی ہے۔
guidance_scaleاختیاری
قسمnumber
ڈیفالٹ3.5
1 – 10
Classifier-free guidance کی طاقت، اسکیل بڑھنے کے ساتھ ممکنہ معیار کے نقصان کے بدلے پرامپٹ سے زیادہ قریب مطابقت فراہم کرتی ہے۔
shiftاختیاری
قسمnumber
ڈیفالٹ5
1 – 10
ویڈیو shift کی ترتیب، جس کی مجاز حد 1.0–10.0 ہے۔
video_qualityاختیاری
قسمenum
ڈیفالٹhigh
lowmediumhighmaximum
آؤٹ پٹ ویڈیو کے معیار کی ترتیب؛ قدر بڑھنے پر بڑی فائلوں کے بدلے بہتر بصری نتائج ملتے ہیں۔
video_write_modeاختیاری
قسمenum
ڈیفالٹbalanced
fastbalancedsmall
ویڈیو writing موڈ؛ balanced رفتار اور معیار کے درمیان سمجھوتا پیش کرتا ہے۔ سب سے چھوٹی فائلوں اور سست ترین writing کے لیے small منتخب کریں؛ faster writing نتائج جلد لوٹاتا ہے مگر بڑی فائلیں بناتا ہے۔
image_urlلازمی image
قسمurl · image
ماخذ تصویر کا URL؛ منتخب aspect ratio یہ طے کرتا ہے کہ preprocessing درکار ہے یا نہیں: عدم مطابقت سے resizing کے بعد center crop ہوتا ہے۔
audio_urlلازمی audio
قسمurl · audio
آڈیو فائل کی طرف اشارہ کرنے والا URL۔
لازمی معیاری نام، یہ بھی قبول ہے

فائل پیرامیٹرز عوامی https:// URL، 10 MB تک کی data: URI، یا اپ لوڈ کے file_url کو قبول کرتے ہیں۔ فائلیں

آؤٹ پٹ

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"
  }
}
آپ کی فائلیں، آپ کا انتخابہر outputs[].url ہمارے اسٹوریج میں ایک کاپی ہے: ہمیشہ کے لیے محفوظ (فی GB-ماہ ادائیگی) یا مفت میں 7 دن تک، آپ کی اکاؤنٹ سیٹنگ یا ?storage= کے مطابق۔
ہر ماڈل میں ایک جیسی ساختtype، url، content_type، width، height اور duration، تصاویر، ویڈیو اور آڈیو سب کے لیے یکساں۔ output ماڈل کا اپنا نتیجہ آبجیکٹ ہے۔
آؤٹ پٹ کے فیلڈز
video
object {url, content_type, file_name, file_size}تخلیق سے تیار کردہ ویڈیو فائل۔

مزید ماڈلز: لِپ سنک اور اوتار

AI ایجنٹس کے لیے: یہ صفحہ Markdown میں یہاں موجود ہے https://doitong.com/ur/developers/models/wan/v2.2-14b/speech-to-video.md. تمام ماڈلز اور گائیڈز: https://doitong.com/developers/llms.txt