Hoppa till innehåll

Wan-2.2 Speech-to-Video 14B

Integrera

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 exemplet: 0,50 $ 500 API-krediter dina filer mäts innan körningen Kör den på den här sidan

Hämta API-nyckel
Alibaba Läppsynkning och avatarer Läppsynkningupp till 720p #audio-to-video#talking-head

Skapar en talande video från en stillbild och en ljudfil, styrd av en textprompt

Skapat på Doitong

Offentliga verk skapade med Wan v22 Large av Doitong-communityt. Återanvänd en prompt med ett klick.

Visade offentliga verk: 2
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...

Реалистичная бытовая сцена в советской одесской квартире зимним вечером. Женщина находится на кух... Video

Реалистичная бытовая сцена в советской одесской квартире зимним вечером. Женщина находится на кухне, мужчина — в комнате и прихожей. Атмосфера обычной советской семьи перед приходом гостей. Голоса: все персонажи говорят по-русски с естественным, выразительным одесским говором. Характерная...

Skapa en begäran

Kontrollerna genereras från modellschemat. Koden och priset uppdateras när du ändrar dem.

•obligatoriskt

Textprompt som används för att generera videon.

•obligatoriskt image_url
Släpp en fil eller

URL till källbilden, där det valda bildförhållandet avgör om förbehandling behövs: en avvikelse utlöser storleksändring följt av beskärning från mitten.

•obligatoriskt audio_url
Släpp en fil eller

URL som pekar på ljudfilen.

resolution standard 480p

Videons upplösning: 480p, 580p eller 720p.

standard 80

Välj en multipel av 4 inom 40–120 för att ange hur många bildrutor som genereras.

Avancerat 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 som används vid videogenerering.

video_quality standard high

Kvalitetsinställning för utdata-videon som byter större filer mot förbättrad visuell kvalitet när värdet ökar.

video_write_mode standard balanced

Videoskrivningsläge, där balanced ger en kompromiss mellan hastighet och kvalitet. Välj small för minsta filer och långsammaste skrivning; snabbare skrivning returnerar resultat tidigare men skapar större filer.

standard 16

Den genererade videons bildfrekvens, med värden från 4 till 60. Om `adjust_fps_for_interpolation` anges som false bevaras frekvensen oförändrad. Vid interpolering och när `adjust_fps_for_interpolation` är true (standardvärdet) multipliceras frekvensen med ett plus antalet interpolerade bildrutor för att få slutlig FPS. Exempel: 16 FPS med 1 interpolerad bildruta blir 32 FPS.

standard 27

Antal samplingssteg; längre bearbetningstid ger bättre kvalitet när antalet ökar.

standard 3.5

Styrka för classifier-free guidance; möjlig kvalitetsförlust byts mot bättre överensstämmelse med prompten när skalan ökar.

standard 5

Videoförskjutningsinställning, med tillåtet intervall 1.0–10.0.

Seed som gör genereringen reproducerbar. Om det ställs in på None väljs ett seed slumpmässigt.

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"

Kör den här begäran

Din nyckel stannar i den här webbläsaren: den skickas endast till Doitong API och sparas endast i localStorage om du markerar Kom ihåg. Hämta en API-nyckel

Om Wan-2.2 Speech-to-Video 14B

Kräver en `prompt`, en källbild via `image_url` och en ljudfil via `audio_url` och producerar en video där det avbildade motivet styrs av ljudet. `num_frames` går från 40 till 120 i multiplar av 4, med 16 fps som standard. `resolution` kan vara 480p, 580p eller 720p. Samplingsteg, guidning, interpolering och en `negative_prompt` kan justeras.

Parametrar

Skicka antingen det kanoniska namnet eller det inbyggda namnet, inte båda. Kanoniska namn

NamnTyp StandardTillåtna Beskrivning
promptobligatoriskt
Typstring
Textprompt som används för att generera videon.
negative_promptvalfritt
Typstring
Standard
Negativ prompt som används vid videogenerering.
num_framesvalfritt
Typinteger
Standard80
40 – 120
Välj en multipel av 4 inom 40–120 för att ange hur många bildrutor som genereras.
frames_per_secondvalfritt
Typinteger | null
Standard16
4 – 60
Den genererade videons bildfrekvens, med värden från 4 till 60. Om `adjust_fps_for_interpolation` anges som false bevaras frekvensen oförändrad. Vid interpolering och när `adjust_fps_for_interpolation` är true (standardvärdet) multipliceras frekvensen med ett plus antalet interpolerade bildrutor för att få slutlig FPS. Exempel: 16 FPS med 1 interpolerad bildruta blir 32 FPS.
seedvalfritt
Typinteger | null
Seed som gör genereringen reproducerbar. Om det ställs in på None väljs ett seed slumpmässigt.
resolutionvalfritt
Typenum
Standard480p
480p580p720p
Videons upplösning: 480p, 580p eller 720p.
num_inference_stepsvalfritt
Typinteger
Standard27
2 – 40
Antal samplingssteg; längre bearbetningstid ger bättre kvalitet när antalet ökar.
enable_safety_checkervalfritt
Typboolean
Standardfalse
Säkerhetskontroll av indata före bearbetning, som endast auktoriserade konton får stänga av. Begäranden utan behörighet kontrolleras alltid; annars aktiverar true kontrollen.
enable_output_safety_checkervalfritt
Typboolean
Standardfalse
Styr säkerhetskontrollen av den genererade videon; true aktiverar en kontroll efter genereringen.
guidance_scalevalfritt
Typnumber
Standard3.5
1 – 10
Styrka för classifier-free guidance; möjlig kvalitetsförlust byts mot bättre överensstämmelse med prompten när skalan ökar.
shiftvalfritt
Typnumber
Standard5
1 – 10
Videoförskjutningsinställning, med tillåtet intervall 1.0–10.0.
video_qualityvalfritt
Typenum
Standardhigh
lowmediumhighmaximum
Kvalitetsinställning för utdata-videon som byter större filer mot förbättrad visuell kvalitet när värdet ökar.
video_write_modevalfritt
Typenum
Standardbalanced
fastbalancedsmall
Videoskrivningsläge, där balanced ger en kompromiss mellan hastighet och kvalitet. Välj small för minsta filer och långsammaste skrivning; snabbare skrivning returnerar resultat tidigare men skapar större filer.
image_urlobligatoriskt image
Typurl · image
URL till källbilden, där det valda bildförhållandet avgör om förbehandling behövs: en avvikelse utlöser storleksändring följt av beskärning från mitten.
audio_urlobligatoriskt audio
Typurl · audio
URL som pekar på ljudfilen.
obligatoriskt Kanoniskt namn, accepteras också

Filparametrar tar emot en offentlig https://-URL, en data:-URI på upp till 10 MB eller file_url från en uppladdning. Filer

Resultat

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"
  }
}
Dina filer, ditt valVarje outputs[].url är en kopia i vår lagring: sparad för alltid (debiteras per GB-månad) eller 7 dagar kostnadsfritt, enligt din kontoinställning eller ?storage=.
Samma struktur för varje modelltype, url, content_type, width, height och duration, för bilder, video och ljud. output är modellens eget resultatobjekt.
Resultatets fält
video
object {url, content_type, file_name, file_size}Videofil som skapats genom generering.

Fler modeller: Läppsynkning och avatarer

För AI-agenter: den här sidan som Markdown finns på https://doitong.com/sv/developers/models/wan/v2.2-14b/speech-to-video.md. Alla modeller och guider: https://doitong.com/developers/llms.txt