跳至內容

Wan-2.2 Speech-to-Video 14B

整合

模型 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"

像範例一樣的檔案: $0.50 500 API 點數 · ≈ ₽53.66 您的檔案會在執行前計量 在此頁面執行

取得 API 金鑰

在 Doitong 上製作

Doitong 社群使用 Wan v22 Large 製作的公開作品。一鍵重複使用提示詞。

顯示的公開作品:3
Создай 30-секундный обучающий музыкальный ролик для детей 3–5 лет. Тема: транспорт. Яркая 2D-аним... 影片

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... 影片

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... 影片

# 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...

建立請求

控制項是根據模型結構描述生成的。變更設定時,程式碼和價格會同步更新。

•必填

用於生成影片的文字提示詞。

•必填 image_url
拖放檔案,或

來源圖像 URL;選取的長寬比會決定是否需要預處理:不一致時會先調整大小,再進行中心裁切。

•必填 audio_url
拖放檔案,或

指向音訊檔案的 URL。

resolution 預設 480p

輸出影片解析度:480p、580p 或 720p。

預設 80

選擇 40–120 之間的 4 的倍數,以設定生成的影格數量。

進階 negative_prompt · video_quality · video_write_mode · frames_per_second · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker · enable_output_safety_checker
預設

生成影片時套用的負面提示詞。

video_quality 預設 high

輸出影片品質設定;設定值越高,會以較大的檔案換取更佳的視覺效果。

video_write_mode 預設 balanced

影片寫入模式,balanced 在速度與品質之間取得平衡。選擇 small 可產生最小檔案並以最慢速度寫入;較快的寫入會更早回傳結果,但會建立較大的檔案。

預設 16

生成影片的影格速率,接受 4 到 60 的值;將 `adjust_fps_for_interpolation` 設為 false 可原樣保留此速率。使用插值且 `adjust_fps_for_interpolation` 為 true(其預設值)時,將此速率乘以插值影格數加一,即可取得最終 FPS。例如,16 FPS 搭配 1 個插值影格會變成 32 FPS。

預設 27

取樣步數;步數越多,處理時間越長但品質越好。

預設 3.5

無分類器引導強度;比例越高,越貼近提示詞,但可能造成品質損失。

預設 5

影片位移設定,允許範圍為 1.0–10.0。

使生成結果可重現的種子。設為 None 會隨機選擇種子。

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

執行此請求

您的金鑰會保留在此瀏覽器中:只會傳送至 Doitong API,且只有在勾選「記住」時才會儲存至 localStorage。 取得 API 金鑰

關於 Wan-2.2 Speech-to-Video 14B

需要 `prompt`、來源 `image_url` 與 `audio_url`,根據音訊驅動圖片中的主體產生影片。`num_frames` 範圍為 40 到 120,且為 4 的倍數,預設為 16 fps。`resolution` 可設為 480p、580p 或 720p。可調整採樣步數、引導、插值與 `negative_prompt`。

參數

請傳送標準名稱或原生名稱其中之一,不要同時傳送兩者。 標準名稱

名稱類型 預設值允許值 說明
prompt必填
類型string
用於生成影片的文字提示詞。
negative_prompt選填
類型string
預設值
生成影片時套用的負面提示詞。
num_frames選填
類型integer
預設值80
40 – 120
選擇 40–120 之間的 4 的倍數,以設定生成的影格數量。
frames_per_second選填
類型integer | null
預設值16
4 – 60
生成影片的影格速率,接受 4 到 60 的值;將 `adjust_fps_for_interpolation` 設為 false 可原樣保留此速率。使用插值且 `adjust_fps_for_interpolation` 為 true(其預設值)時,將此速率乘以插值影格數加一,即可取得最終 FPS。例如,16 FPS 搭配 1 個插值影格會變成 32 FPS。
seed選填
類型integer | null
使生成結果可重現的種子。設為 None 會隨機選擇種子。
resolution選填
類型enum
預設值480p
480p580p720p
輸出影片解析度:480p、580p 或 720p。
num_inference_steps選填
類型integer
預設值27
2 – 40
取樣步數;步數越多,處理時間越長但品質越好。
enable_safety_checker選填
類型boolean
預設值false
處理前的輸入安全篩選,只有獲授權的帳戶可以關閉。未獲授權的請求一律會篩選;其他情況下,true 會啟用篩選。
enable_output_safety_checker選填
類型boolean
預設值false
控制生成影片的安全篩選;設為 true 會在生成後執行檢查。
guidance_scale選填
類型number
預設值3.5
1 – 10
無分類器引導強度;比例越高,越貼近提示詞,但可能造成品質損失。
shift選填
類型number
預設值5
1 – 10
影片位移設定,允許範圍為 1.0–10.0。
video_quality選填
類型enum
預設值high
lowmediumhighmaximum
輸出影片品質設定;設定值越高,會以較大的檔案換取更佳的視覺效果。
video_write_mode選填
類型enum
預設值balanced
fastbalancedsmall
影片寫入模式,balanced 在速度與品質之間取得平衡。選擇 small 可產生最小檔案並以最慢速度寫入;較快的寫入會更早回傳結果,但會建立較大的檔案。
image_url必填 image
類型url · image
來源圖像 URL;選取的長寬比會決定是否需要預處理:不一致時會先調整大小,再進行中心裁切。
audio_url必填 audio
類型url · audio
指向音訊檔案的 URL。
必填 標準名稱,也可使用

檔案參數接受公開的 https:// URL、最大 10 MB 的 data: URI,或上傳檔案的 file_url。 檔案

輸出

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"
  }
}
您的檔案,由您選擇每個 outputs[].url 都是儲存空間中的副本:可永久保留(按 GB-月計費),或免費保留 7 天;可透過帳戶設定或 ?storage= 設定。
所有模型使用相同結構圖片、影片和音訊皆包含 type、url、content_type、width、height 和 duration。output 是模型自己的結果物件。
輸出欄位
video
object {url, content_type, file_name, file_size}生成產生的影片檔案。

更多模型:唇形同步與虛擬角色

給 AI 代理程式:此頁面的 Markdown 位於 https://doitong.com/zh-TW/developers/models/wan/v2.2-14b/speech-to-video.md. 所有模型與指南: https://doitong.com/developers/llms.txt