Siirry sisältöön

Wan-2.2 Speech-to-Video 14B

Integroi

Mallin tunniste 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.com/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.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Esimerkin kaltaiset tiedostot: 0,50 $ 500 API-krediittiä tiedostosi mitataan ennen suorittamista Suorita tällä sivulla

Hanki API-avain
Alibaba Huulisynkronointi ja avatarit Huulisynkronointienintään 720p #audio-to-video#talking-head

Luo puhuvan videon still-kuvasta ja äänitiedostosta tekstikehotteen ohjaamana

Tehty Doitongilla

Doitong-yhteisön Wan v22 Large-mallilla tekemät julkiset työt. Käytä kehotetta uudelleen yhdellä napsautuksella.

Näytetyt julkiset työt: 5
Create a highly realistic UGC-style smartphone video inside a modern commercial airplane during a... Video

Create a highly realistic UGC-style smartphone video inside a modern commercial airplane during a daytime flight. Natural cabin lighting, subtle handheld camera movement, authentic airplane ambience, realistic passengers and natural acting. The video must feel like a real spontaneous phone...

**SORA 2 PROMPT — 20 seconds, vertical 9:16** Create a highly realistic UGC-style smartphone vide... Video

**SORA 2 PROMPT — 20 seconds, vertical 9:16** Create a highly realistic UGC-style smartphone video inside a modern commercial airplane during a daytime flight. Natural cabin lighting, subtle handheld camera movement, authentic airplane ambience, realistic passengers and natural acting. The video...

Create a realistic cinematic 20-second video, filmed like a high-budget modern commercial with na... Video

Create a realistic cinematic 20-second video, filmed like a high-budget modern commercial with natural acting, realistic lighting and believable facial expressions. All dialogue is spoken naturally in French. **SCENE 1 — EXPENSIVE RESTAURANT, EVENING — 0–5 sec** A young man in his late 20s is...

Create a realistic cinematic UGC-style commercial video, exactly 30 seconds long. The entire scen... Video

Create a realistic cinematic UGC-style commercial video, exactly 30 seconds long. The entire scene takes place inside a modern passenger airplane during a daytime flight. Natural smartphone-like cinematography, realistic airplane cabin, authentic passengers, natural lighting, realistic skin...

TITLE: Santa's Secret Christmas Selfie with Dasha 🎄 VIDEO FORMAT: 15–20 seconds, vertical 9:16, c... Video

TITLE: Santa's Secret Christmas Selfie with Dasha 🎄 VIDEO FORMAT: 15–20 seconds, vertical 9:16, cinematic Christmas short film, high-quality realistic 3D animation. REFERENCE IMAGE — DASHA_001 Use the uploaded image as the exact character reference for Dasha. Preserve her recognizable face,...

Muodosta pyyntö

Säätimet luodaan mallin skeemasta. Koodi ja hinta päivittyvät, kun muutat arvoja.

•pakollinen

Videon generointiin käytetty tekstikehote.

•pakollinen image_url
Pudota tiedosto tai

Lähdekuvan URL; valittu kuvasuhde määrittää, tarvitaanko esikäsittelyä: poikkeama käynnistää koon muuttamisen ja keskeltä rajaamisen.

•pakollinen audio_url
Pudota tiedosto tai

Äänitiedostoon osoittava URL.

resolution oletus 480p

Tulostevideon resoluutio: 480p, 580p tai 720p.

oletus 80

Valitse välillä 40–120 oleva luvun 4 monikerta määrittämään luotavien ruutujen määrä.

Lisäasetukset negative_prompt · video_quality · video_write_mode · frames_per_second · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker · enable_output_safety_checker
oletus

Videota generoitaessa käytettävä kielteinen kehote.

video_quality oletus high

Tulostevideon laatuasetus, joka kasvattaa tiedostokokoa ja parantaa visuaalista laatua asetuksen kasvaessa.

video_write_mode oletus balanced

Videon kirjoitustila, jossa balanced tarjoaa nopeuden ja laadun kompromissin. Valitse small pienimmille tiedostoille ja hitaimmalle kirjoitukselle; nopeampi kirjoitus palauttaa tulokset aiemmin mutta tuottaa suurempia tiedostoja.

oletus 16

Luodun videon kuvataajuus, arvot 4–60; `adjust_fps_for_interpolation`-asetuksen ollessa false tämä taajuus säilyy muuttumattomana. Kun interpolointi on käytössä ja `adjust_fps_for_interpolation` on true (oletus), kerro taajuus yhdellä plus interpoloitujen ruutujen määrällä saadaksesi lopullisen FPS-arvon. Esimerkiksi 16 FPS ja 1 interpoloitu ruutu tuottavat 32 FPS.

oletus 27

Näytteenottoaskelten määrä; suurempi määrä pidentää käsittelyaikaa mutta parantaa laatua.

oletus 3.5

Classifier-free-ohjauksen voimakkuus; suurempi skaala parantaa kehotteen vastaavuutta, mutta voi heikentää laatua.

oletus 5

Videon siirtoasetus, sallittu alue 1.0–10.0.

Generoinnin toistettavaksi tekevä siemen. Arvon None asettaminen valitsee siemenen satunnaisesti.

POST /run/wan/v2.2-14b/speech-to-video?wait=20 hinta → 0,50 $
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/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.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Suorita tämä pyyntö

Avaimesi säilyy tässä selaimessa: se lähetetään vain Doitong APIlle ja tallennetaan localStorageen vain, jos valitset Muista. Hanki API-avain

Tietoja: Wan-2.2 Speech-to-Video 14B

Tarvitsee `prompt`-kehotteen, lähteen `image_url`-kuvan ja `audio_url`-äänitiedoston sekä tuottaa videon, jossa kuvassa oleva kohde liikkuu äänen ohjaamana. `num_frames` on 40–120 neljän kerrannaisina, oletuksena 16 fps. `resolution` voi olla 480p, 580p tai 720p. Näytteistysaskeleet, ohjaus, interpolointi ja `negative_prompt` ovat säädettävissä.

Parametrit

Lähetä joko kanoninen nimi tai natiivi nimi, älä molempia. Kanoniset nimet

NimiTyyppi OletusSallitut Kuvaus
promptpakollinen
Tyyppistring
Videon generointiin käytetty tekstikehote.
negative_promptvalinnainen
Tyyppistring
Oletus
Videota generoitaessa käytettävä kielteinen kehote.
num_framesvalinnainen
Tyyppiinteger
Oletus80
40 – 120
Valitse välillä 40–120 oleva luvun 4 monikerta määrittämään luotavien ruutujen määrä.
frames_per_secondvalinnainen
Tyyppiinteger | null
Oletus16
4 – 60
Luodun videon kuvataajuus, arvot 4–60; `adjust_fps_for_interpolation`-asetuksen ollessa false tämä taajuus säilyy muuttumattomana. Kun interpolointi on käytössä ja `adjust_fps_for_interpolation` on true (oletus), kerro taajuus yhdellä plus interpoloitujen ruutujen määrällä saadaksesi lopullisen FPS-arvon. Esimerkiksi 16 FPS ja 1 interpoloitu ruutu tuottavat 32 FPS.
seedvalinnainen
Tyyppiinteger | null
Generoinnin toistettavaksi tekevä siemen. Arvon None asettaminen valitsee siemenen satunnaisesti.
resolutionvalinnainen
Tyyppienum
Oletus480p
480p580p720p
Tulostevideon resoluutio: 480p, 580p tai 720p.
num_inference_stepsvalinnainen
Tyyppiinteger
Oletus27
2 – 40
Näytteenottoaskelten määrä; suurempi määrä pidentää käsittelyaikaa mutta parantaa laatua.
enable_safety_checkervalinnainen
Tyyppiboolean
Oletusfalse
Syötteen turvallisuustarkistus ennen käsittelyä. Vain valtuutetut tilit voivat poistaa sen käytöstä. Ilman valtuutusta tehdyt pyynnöt tarkistetaan aina; muuten true ottaa tarkistuksen käyttöön.
enable_output_safety_checkervalinnainen
Tyyppiboolean
Oletusfalse
Määrittää luodun videon turvallisuustarkistuksen; true tekee tarkistuksen generoinnin jälkeen.
guidance_scalevalinnainen
Tyyppinumber
Oletus3.5
1 – 10
Classifier-free-ohjauksen voimakkuus; suurempi skaala parantaa kehotteen vastaavuutta, mutta voi heikentää laatua.
shiftvalinnainen
Tyyppinumber
Oletus5
1 – 10
Videon siirtoasetus, sallittu alue 1.0–10.0.
video_qualityvalinnainen
Tyyppienum
Oletushigh
lowmediumhighmaximum
Tulostevideon laatuasetus, joka kasvattaa tiedostokokoa ja parantaa visuaalista laatua asetuksen kasvaessa.
video_write_modevalinnainen
Tyyppienum
Oletusbalanced
fastbalancedsmall
Videon kirjoitustila, jossa balanced tarjoaa nopeuden ja laadun kompromissin. Valitse small pienimmille tiedostoille ja hitaimmalle kirjoitukselle; nopeampi kirjoitus palauttaa tulokset aiemmin mutta tuottaa suurempia tiedostoja.
image_urlpakollinen image
Tyyppiurl · image
Lähdekuvan URL; valittu kuvasuhde määrittää, tarvitaanko esikäsittelyä: poikkeama käynnistää koon muuttamisen ja keskeltä rajaamisen.
audio_urlpakollinen audio
Tyyppiurl · audio
Äänitiedostoon osoittava URL.
pakollinen Kanoninen nimi, myös hyväksytty

Tiedostoparametrit hyväksyvät julkisen https://-URL:n, enintään 10 MB:n data:-URI:n tai lähetyksen file_url-arvon. Tiedostot

Tulos

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.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Tiedostosi, valintasiJokainen outputs[].url on kopio tallennustilassamme: säilytetään ikuisesti (maksetaan gigatavu-kuukauden mukaan) tai 7 päivää ilmaiseksi tiliasetuksesi tai ?storage= perusteella.
Sama rakenne kaikissa malleissatype, url, content_type, width, height ja duration kuville, videolle ja äänelle. output on mallin oma tulosobjekti.
Tuloksen kentät
video
object {url, content_type, file_name, file_size}Generoinnissa tuotettu videotiedosto.

Lisää malleja: Huulisynkronointi ja avatarit

Tekoälyagenteille: tämän sivun Markdown-muoto on osoitteessa https://doitong.com/fi/developers/models/wan/v2.2-14b/speech-to-video.md. Kaikki mallit ja oppaat: https://doitong.com/developers/llms.txt