Op den Inhalt sprangen

Wan-2.2 Speech-to-Video 14B

Integréieren

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.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"

Dateie wéi am Beispill: 0,50 $ 500 API-Kreditter Är Dateie gi virun der Ausféierung gemooss Op dëser Säit ausféieren

API-Schlëssel kréien
Alibaba Lipsync & Avataren Lipsyncbis zu 720p #audio-to-video#talking-head

Erstellt aus engem Stëllbild an enger Audiodatei, geleet vun engem Textprompt, e Video mat schwätzender Persoun

Op Doitong erstallt

Ëffentlech Wierker, déi d'Doitong-Communautéit mat Wan v22 Large erstallt huet. Benotz e Prompt mat engem Klick nach eng Kéier.

Ëffentlech Wierker ugewisen: 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,...

Eng Ufro erstellen

D'Kontrolle ginn aus dem Modellschema generéiert. De Code an de Präis aktualiséiere sech, wann s du se ännerst.

•obligatoresch

Textprompt, dee benotzt gouf, fir de Video ze generéieren.

•obligatoresch image_url
Fichier erofzéien, oder

URL vum Quellbild; dat gewielte Bildformat bestëmmt, ob Virveraarbechtung néideg ass: Bei enger Ofwäichung gëtt d'Bild skaléiert an duerno zentral gecropt.

•obligatoresch audio_url
Fichier erofzéien, oder

URL op d'Audio-Datei.

resolution Standard 480p

Opléisung vum Output-Video: 480p, 580p oder 720p.

Standard 80

Wielt e Multiple vu 4 tëscht 40–120, fir d'Zuel vun de generéierte Frames festzeleeën.

Erweidert 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

Negative Prompt bei der Generatioun vun engem Video.

video_quality Standard high

Qualitéitsastellung vum Output-Video, déi mat steigender Astellung méi grouss Dateien géint besser Visualiséierung tauscht.

video_write_mode Standard balanced

Video-Schreifmodus, bei deem balanced e Kompromëss tëscht Geschwindegkeet a Qualitéit bitt. Wielt small fir déi klengst Dateien an déi luesst Schreifgeschwindegkeet; méi séiert Schreiwe liwwert Resultater éischter, erstellt awer méi grouss Dateien.

Standard 16

Frame-Rate vum generéierte Video, mat Wäerter vun 4 bis 60; d'Astellung `adjust_fps_for_interpolation` op false behält dëse Rate onverännert. Bei Interpolatioun an `adjust_fps_for_interpolation` op true (Standard) multiplizéiert een dëse Rate mat 1 plus der Zuel vun interpoléierte Frames, fir den definitiven FPS ze kréien. Beispill: 16 FPS mat 1 interpoléierte Frame ginn 32 FPS.

Standard 27

Unzuel vun de Sampling-Schrëtt; méi Schrëtt bedeite méi laang Veraarbechtung, awer besser Qualitéit.

Standard 3.5

Classifier-free Guidance-Stäerkt; mat steigender Skala gëtt méigleche Qualitéitsverloscht géint eng méi genee Prompt-Entspriechung ofgewiicht.

Standard 5

Video-Shift-Astellung mat engem erlaabte Beräich vun 1.0–10.0.

Seed, deen d'Generatioun reproduzéierbar mécht. Wann et op None gesat gëtt, gëtt e Seed zoufälleg gewielt.

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

Dës Ufro ausféieren

Äre Schlëssel bleift an dësem Browser: e gëtt nëmmen un d'Doitong API geschéckt an nëmme gespäichert (localStorage), wann s du „Erënneren“ aktivéiers. En API-Schlëssel kréien

Iwwer Wan-2.2 Speech-to-Video 14B

Brauch e `prompt`, e Quell-`image_url` an en `audio_url` a produzéiert e Video vum gezeigte Motiv, dee vun der Audio geleet gëtt. `num_frames` geet vu 40 bis 120 a Multiple vu 4, bei 16 fps par défaut. `resolution` kann 480p, 580p oder 720p sinn. Sampling-Schrëtt, Guidance, Interpolatioun an e `negative_prompt` si verstellbar.

Parameteren

Schéck entweder den kanoneschen Numm oder den natierlechen Numm, net béid. Kanonesch Nimm

NummTyp StandardErlaabt Beschreiwung
promptobligatoresch
Typstring
Textprompt, dee benotzt gouf, fir de Video ze generéieren.
negative_promptoptional
Typstring
Standard
Negative Prompt bei der Generatioun vun engem Video.
num_framesoptional
Typinteger
Standard80
40 – 120
Wielt e Multiple vu 4 tëscht 40–120, fir d'Zuel vun de generéierte Frames festzeleeën.
frames_per_secondoptional
Typinteger | null
Standard16
4 – 60
Frame-Rate vum generéierte Video, mat Wäerter vun 4 bis 60; d'Astellung `adjust_fps_for_interpolation` op false behält dëse Rate onverännert. Bei Interpolatioun an `adjust_fps_for_interpolation` op true (Standard) multiplizéiert een dëse Rate mat 1 plus der Zuel vun interpoléierte Frames, fir den definitiven FPS ze kréien. Beispill: 16 FPS mat 1 interpoléierte Frame ginn 32 FPS.
seedoptional
Typinteger | null
Seed, deen d'Generatioun reproduzéierbar mécht. Wann et op None gesat gëtt, gëtt e Seed zoufälleg gewielt.
resolutionoptional
Typenum
Standard480p
480p580p720p
Opléisung vum Output-Video: 480p, 580p oder 720p.
num_inference_stepsoptional
Typinteger
Standard27
2 – 40
Unzuel vun de Sampling-Schrëtt; méi Schrëtt bedeite méi laang Veraarbechtung, awer besser Qualitéit.
enable_safety_checkeroptional
Typboolean
Standardfalse
Input-Sécherheetskontroll virun der Veraarbechtung, déi nëmmen autoriséiert Konten ausschalte kënnen. Ufroen ouni Autorisatioun ginn ëmmer kontrolléiert; soss aktivéiert true d'Kontroll.
enable_output_safety_checkeroptional
Typboolean
Standardfalse
Steiert d'Sécherheetskontroll vum generéierte Video; true aktivéiert eng Kontroll no der Generatioun.
guidance_scaleoptional
Typnumber
Standard3.5
1 – 10
Classifier-free Guidance-Stäerkt; mat steigender Skala gëtt méigleche Qualitéitsverloscht géint eng méi genee Prompt-Entspriechung ofgewiicht.
shiftoptional
Typnumber
Standard5
1 – 10
Video-Shift-Astellung mat engem erlaabte Beräich vun 1.0–10.0.
video_qualityoptional
Typenum
Standardhigh
lowmediumhighmaximum
Qualitéitsastellung vum Output-Video, déi mat steigender Astellung méi grouss Dateien géint besser Visualiséierung tauscht.
video_write_modeoptional
Typenum
Standardbalanced
fastbalancedsmall
Video-Schreifmodus, bei deem balanced e Kompromëss tëscht Geschwindegkeet a Qualitéit bitt. Wielt small fir déi klengst Dateien an déi luesst Schreifgeschwindegkeet; méi séiert Schreiwe liwwert Resultater éischter, erstellt awer méi grouss Dateien.
image_urlobligatoresch image
Typurl · image
URL vum Quellbild; dat gewielte Bildformat bestëmmt, ob Virveraarbechtung néideg ass: Bei enger Ofwäichung gëtt d'Bild skaléiert an duerno zentral gecropt.
audio_urlobligatoresch audio
Typurl · audio
URL op d'Audio-Datei.
obligatoresch Kanoneschen Numm, och akzeptéiert

Fichierparameter akzeptéieren eng ëffentlech https:// URL, eng data: URI bis zu 10 MB oder de file_url vun engem Upload. Fichieren

Output

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"
  }
}
Är Fichieren, Är WielAll outputs[].url ass eng Kopie an eiser Späicherung: fir ëmmer gespäichert (bezuelbar pro GB-Mount) oder 7 Deeg gratis, jee no Ärer Kontastellung oder ?storage=.
D'selwecht Struktur bei all Modelltype, url, content_type, width, height an duration, fir Biller, Video an Audio gläichermoossen. output ass dem Modell säin eegent Resultatobjet.
Output-Felder
video
object {url, content_type, file_name, file_size}Video-Datei, déi duerch d'Generatioun erstallt gouf.

Méi Modeller: Lipsync & Avataren

Fir AI-Agenten: dës Säit als Markdown ass ënner https://doitong.com/lb/developers/models/wan/v2.2-14b/speech-to-video.md. All Modeller a Guiden: https://doitong.com/developers/llms.txt