Gå til innhold

Wan-2.2 Speech-to-Video 14B

Integrer

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"

Filer som eksempelet: 0,50 $ 500 API-kreditter filene dine måles før kjøring Kjør den på denne siden

Hent API-nøkkel
Alibaba Leppe­synkronisering og avatarer Leppe­synkroniseringopptil 720p #audio-to-video#talking-head

Lager en snakkende video fra et stillbilde og en lydfil, veiledet av en tekstbasert prompt

Laget på Doitong

Offentlige verk laget med Wan v22 Large av Doitong-fellesskapet. Gjenbruk en prompt med ett klikk.

Offentlige verk vist: 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,...

Bygg en forespørsel

Kontrollene genereres fra modellskjemaet. Koden og prisen oppdateres når du endrer dem.

•obligatorisk

Tekstprompt brukt til å generere videoen.

•obligatorisk image_url
Slipp en fil, eller

URL til kildebildet, der det valgte sideforholdet avgjør om forhåndsbehandling er nødvendig: et avvik utløser skalering etterfulgt av beskjæring fra midten.

•obligatorisk audio_url
Slipp en fil, eller

URL til lydfilen.

resolution standard 480p

Oppløsning for utdata-video: 480p, 580p eller 720p.

standard 80

Velg et multiplum av 4 innenfor 40–120 for å angi hvor mange bilder som genereres.

Avansert 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

Negativ prompt brukt ved generering av en video.

video_quality standard high

Kvalitetsinnstilling for utdata-videoen som bytter større filer mot bedre visuelle resultater når verdien økes.

video_write_mode standard balanced

Modus for videoskriving, der balanced gir et kompromiss mellom hastighet og kvalitet. Velg small for de minste filene og tregeste skriving; raskere skriving returnerer resultater tidligere, men oppretter større filer.

standard 16

Bildefrekvens for generert video, med verdier fra 4 til 60; setting `adjust_fps_for_interpolation` til false bevarer frekvensen uendret. Ved bruk av interpolering og `adjust_fps_for_interpolation` satt til true (standardverdien) multipliseres frekvensen med én pluss antallet interpolerte bilder for å beregne endelig FPS. Eksempel: 16 FPS med 1 interpolert bilde blir 32 FPS.

standard 27

Antall samplingsteg; lengre behandlingstid byttes mot bedre kvalitet når antallet økes.

standard 3.5

Styrke for classifier-free guidance; mulig kvalitetstap byttes mot tettere samsvar med prompten når skalaen økes.

standard 5

Videoforskyvningsinnstilling, med tillatt område på 1.0–10.0.

Seed som gjør genereringen reproduserbar. Hvis den settes til None, velges en seed tilfeldig.

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

Kjør denne forespørselen

Nøkkelen din blir i denne nettleseren: Den sendes bare til Doitong API og lagres bare i localStorage hvis du krysser av for Husk. Hent en API-nøkkel

Om Wan-2.2 Speech-to-Video 14B

Krever en `prompt`, en kilde-`image_url` og en `audio_url`, og produserer en video av motivet i bildet styrt av lyden. `num_frames` går fra 40 til 120 i multipler av 4, med 16 fps som standard. `resolution` kan være 480p, 580p eller 720p. Samplingstrinn, veiledning, interpolering og en `negative_prompt` kan justeres.

Parametere

Send enten det kanoniske navnet eller det opprinnelige navnet, ikke begge. Kanoniske navn

NavnType StandardTillatt Beskrivelse
promptobligatorisk
Typestring
Tekstprompt brukt til å generere videoen.
negative_promptvalgfritt
Typestring
Standard
Negativ prompt brukt ved generering av en video.
num_framesvalgfritt
Typeinteger
Standard80
40 – 120
Velg et multiplum av 4 innenfor 40–120 for å angi hvor mange bilder som genereres.
frames_per_secondvalgfritt
Typeinteger | null
Standard16
4 – 60
Bildefrekvens for generert video, med verdier fra 4 til 60; setting `adjust_fps_for_interpolation` til false bevarer frekvensen uendret. Ved bruk av interpolering og `adjust_fps_for_interpolation` satt til true (standardverdien) multipliseres frekvensen med én pluss antallet interpolerte bilder for å beregne endelig FPS. Eksempel: 16 FPS med 1 interpolert bilde blir 32 FPS.
seedvalgfritt
Typeinteger | null
Seed som gjør genereringen reproduserbar. Hvis den settes til None, velges en seed tilfeldig.
resolutionvalgfritt
Typeenum
Standard480p
480p580p720p
Oppløsning for utdata-video: 480p, 580p eller 720p.
num_inference_stepsvalgfritt
Typeinteger
Standard27
2 – 40
Antall samplingsteg; lengre behandlingstid byttes mot bedre kvalitet når antallet økes.
enable_safety_checkervalgfritt
Typeboolean
Standardfalse
Sikkerhetskontroll av inndata før behandling, som bare autoriserte kontoer kan deaktivere. Forespørsler uten autorisasjon kontrolleres alltid; ellers aktiverer true kontrollen.
enable_output_safety_checkervalgfritt
Typeboolean
Standardfalse
Styrer sikkerhetskontroll av den genererte videoen; true utfører en kontroll etter generering.
guidance_scalevalgfritt
Typenumber
Standard3.5
1 – 10
Styrke for classifier-free guidance; mulig kvalitetstap byttes mot tettere samsvar med prompten når skalaen økes.
shiftvalgfritt
Typenumber
Standard5
1 – 10
Videoforskyvningsinnstilling, med tillatt område på 1.0–10.0.
video_qualityvalgfritt
Typeenum
Standardhigh
lowmediumhighmaximum
Kvalitetsinnstilling for utdata-videoen som bytter større filer mot bedre visuelle resultater når verdien økes.
video_write_modevalgfritt
Typeenum
Standardbalanced
fastbalancedsmall
Modus for videoskriving, der balanced gir et kompromiss mellom hastighet og kvalitet. Velg small for de minste filene og tregeste skriving; raskere skriving returnerer resultater tidligere, men oppretter større filer.
image_urlobligatorisk image
Typeurl · image
URL til kildebildet, der det valgte sideforholdet avgjør om forhåndsbehandling er nødvendig: et avvik utløser skalering etterfulgt av beskjæring fra midten.
audio_urlobligatorisk audio
Typeurl · audio
URL til lydfilen.
obligatorisk Kanonisk navn, også godkjent

Filparametere tar imot en offentlig https:// URL, en data: URI på opptil 10 MB eller file_url fra en opplasting. Filer

Utdata

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"
  }
}
Filene dine, ditt valgHver outputs[].url er en kopi på lagringen vår: lagret for alltid (betalt per GB-måned) eller 7 dager gratis, styrt av kontoinnstillingen din eller ?storage=.
Samme struktur for hver modelltype, url, content_type, width, height og duration, for bilder, video og lyd. output er modellens eget resultatobjekt.
Utdatafelt
video
object {url, content_type, file_name, file_size}Videofil produsert av genereringen.

Flere modeller: Leppe­synkronisering og avatarer

For AI-agenter: Denne siden som Markdown finnes på https://doitong.com/no/developers/models/wan/v2.2-14b/speech-to-video.md. Alle modeller og veiledninger: https://doitong.com/developers/llms.txt