உள்ளடக்கத்திற்குச் செல்க

Wan-2.2 Speech-to-Video 14B

ஒருங்கிணை

மாடல் 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"

எடுத்துக்காட்டு போன்ற கோப்புகள்: $0.50 500 API கிரெடிட்கள் இயக்குவதற்கு முன் உங்கள் கோப்புகள் அளவிடப்படும் இந்தப் பக்கத்தில் இயக்குங்கள்

API விசையைப் பெறுக
Alibaba உதட்டு ஒத்திசைவு & அவதார்கள் உதட்டு ஒத்திசைவு720p வரை #audio-to-video#talking-head

நிலையான படம் மற்றும் ஆடியோ கோப்பிலிருந்து, உரைப் ப்ராம்ப்டின் வழிகாட்டுதலுடன் பேசும் வீடியோவை உருவாக்குகிறது

Doitong இல் உருவாக்கப்பட்டது

Doitong சமூகத்தினரால் Wan v22 Large மூலம் உருவாக்கப்பட்ட பொதுப் படைப்புகள். ஒரே கிளிக்கில் ப்ராம்ப்ட்டை மீண்டும் பயன்படுத்தவும்.

காட்டப்படும் பொதுப் படைப்புகள்: 2
Create a realistic cinematic UGC-style commercial video, exactly 30 seconds long. The entire scen... வீடியோ

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... வீடியோ

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...

கோரிக்கையை உருவாக்கு

மாடல் ஸ்கீமாவிலிருந்து கட்டுப்பாடுகள் உருவாக்கப்படுகின்றன. அவற்றை மாற்றும்போது குறியீடும் விலையும் புதுப்பிக்கப்படும்.

•தேவை

வீடியோவை உருவாக்கப் பயன்படுத்தப்படும் உரைப் ப்ராம்ப்ட்.

•தேவை image_url
கோப்பை விடுங்கள் அல்லது

மூலப் பட URL; தேர்ந்தெடுக்கப்பட்ட aspect ratio, முன்செயலாக்கம் தேவைப்படுகிறதா என்பதைத் தீர்மானிக்கும்: பொருத்தமின்மை ஏற்பட்டால், அளவுமாற்றத்திற்குப் பிறகு மைய crop செய்யப்படும்.

•தேவை audio_url
கோப்பை விடுங்கள் அல்லது

ஆடியோ கோப்பைச் சுட்டும் URL.

resolution இயல்புநிலை 480p

வெளியீட்டு வீடியோ தெளிவுத்திறன்: 480p, 580p அல்லது 720p.

இயல்புநிலை 80

40–120 வரம்பிற்குள் 4-ன் மடங்கொன்றைத் தேர்ந்தெடுத்து உருவாக்கப்படும் ஃப்ரேம்களின் எண்ணிக்கையை அமைக்கவும்.

மேம்பட்டவை negative_prompt · video_quality · video_write_mode · frames_per_second · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker · enable_output_safety_checker
இயல்புநிலை

வீடியோ உருவாக்கும்போது பயன்படுத்தப்படும் எதிர்மறை ப்ராம்ப்ட்.

video_quality இயல்புநிலை high

வெளியீட்டு வீடியோத் தர அமைப்பு; மதிப்பு அதிகரிக்கும்போது பெரிய கோப்புகளுக்கு மாற்றாக மேம்பட்ட காட்சிகளை வழங்கும்.

video_write_mode இயல்புநிலை balanced

வீடியோ எழுதும் முறை; balanced வேகம் மற்றும் தரத்துக்கு இடையிலான சமநிலையை வழங்கும். மிகச் சிறிய கோப்புகளுக்கும் மெதுவான எழுதுதலுக்கும் small-ஐத் தேர்ந்தெடுக்கவும்; faster writing முடிவுகளை விரைவாகத் தரும், ஆனால் பெரிய கோப்புகளை உருவாக்கும்.

இயல்புநிலை 16

உருவாக்கப்பட்ட வீடியோவின் ஃப்ரேம் வீதம்; 4 முதல் 60 வரையிலான மதிப்புகளை ஏற்கும். `adjust_fps_for_interpolation` false என அமைத்தால் இந்த வீதம் மாற்றமின்றி பாதுகாக்கப்படும். interpolation பயன்படுத்தப்பட்டு `adjust_fps_for_interpolation` true ஆக இருந்தால் (அதன் இயல்புநிலை), இறுதி FPS-ஐப் பெற இந்த வீதத்தை interpolation செய்யப்பட்ட ஃப்ரேம்களின் எண்ணிக்கை ஒன்றுடன் கூட்டிய மதிப்பால் பெருக்கவும். எடுத்துக்காட்டாக, 1 interpolation செய்யப்பட்ட ஃப்ரேமுடன் 16 FPS என்பது 32 FPS ஆகும்.

இயல்புநிலை 27

Sampling படிநிலைகளின் எண்ணிக்கை; எண்ணிக்கை அதிகரிக்கும்போது நீண்ட செயலாக்க நேரத்திற்கு ஈடாகச் சிறந்த தரத்தை வழங்கும்.

இயல்புநிலை 3.5

Classifier-free guidance வலிமை; scale அதிகரிக்கும்போது சாத்தியமான தர இழப்பிற்கு ஈடாக ப்ராம்ப்ட்டுடன் நெருக்கமான பொருத்தத்தை வழங்கும்.

இயல்புநிலை 5

வீடியோ shift அமைப்பு; அனுமதிக்கப்பட்ட வரம்பு 1.0–10.0.

உருவாக்கத்தை மீண்டும் உருவாக்கக்கூடியதாக மாற்றும் விதை. None என அமைத்தால் விதை சீரற்றதாகத் தேர்ந்தெடுக்கப்படும்.

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

இந்தக் கோரிக்கையை இயக்கு

உங்கள் key இந்த உலாவியில் மட்டுமே இருக்கும்: அது Doitong API-க்கு மட்டும் அனுப்பப்படும்; Remember-ஐத் தேர்ந்தெடுத்தால் மட்டுமே (localStorage)-ல் சேமிக்கப்படும். API விசையைப் பெறுங்கள்

Wan-2.2 Speech-to-Video 14B பற்றி

`prompt`, மூல `image_url` மற்றும் `audio_url` தேவை; ஒலியால் இயக்கப்படும் படத்தில் உள்ள பொருளின் வீடியோவை உருவாக்குகிறது. `num_frames` 40 முதல் 120 வரை, 4-ன் மடங்குகளில், இயல்புநிலையாக 16 fps-இல் இருக்கும். `resolution` 480p, 580p அல்லது 720p ஆக இருக்கலாம். மாதிரியாக்கப் படிகள், வழிகாட்டல், இடைச்செருகல் மற்றும் `negative_prompt` ஆகியவற்றைச் சரிசெய்யலாம்.

அளவுருக்கள்

நியமப் பெயர் அல்லது நேட்டிவ் பெயர் இரண்டில் ஒன்றை மட்டும் அனுப்பவும். நியமப் பெயர்கள்

பெயர்வகை இயல்புநிலைஅனுமதிக்கப்பட்டது விளக்கம்
promptதேவை
வகைstring
வீடியோவை உருவாக்கப் பயன்படுத்தப்படும் உரைப் ப்ராம்ப்ட்.
negative_promptவிருப்பத்தேர்வு
வகைstring
இயல்புநிலை
வீடியோ உருவாக்கும்போது பயன்படுத்தப்படும் எதிர்மறை ப்ராம்ப்ட்.
num_framesவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை80
40 – 120
40–120 வரம்பிற்குள் 4-ன் மடங்கொன்றைத் தேர்ந்தெடுத்து உருவாக்கப்படும் ஃப்ரேம்களின் எண்ணிக்கையை அமைக்கவும்.
frames_per_secondவிருப்பத்தேர்வு
வகைinteger | null
இயல்புநிலை16
4 – 60
உருவாக்கப்பட்ட வீடியோவின் ஃப்ரேம் வீதம்; 4 முதல் 60 வரையிலான மதிப்புகளை ஏற்கும். `adjust_fps_for_interpolation` false என அமைத்தால் இந்த வீதம் மாற்றமின்றி பாதுகாக்கப்படும். interpolation பயன்படுத்தப்பட்டு `adjust_fps_for_interpolation` true ஆக இருந்தால் (அதன் இயல்புநிலை), இறுதி FPS-ஐப் பெற இந்த வீதத்தை interpolation செய்யப்பட்ட ஃப்ரேம்களின் எண்ணிக்கை ஒன்றுடன் கூட்டிய மதிப்பால் பெருக்கவும். எடுத்துக்காட்டாக, 1 interpolation செய்யப்பட்ட ஃப்ரேமுடன் 16 FPS என்பது 32 FPS ஆகும்.
seedவிருப்பத்தேர்வு
வகைinteger | null
உருவாக்கத்தை மீண்டும் உருவாக்கக்கூடியதாக மாற்றும் விதை. None என அமைத்தால் விதை சீரற்றதாகத் தேர்ந்தெடுக்கப்படும்.
resolutionவிருப்பத்தேர்வு
வகைenum
இயல்புநிலை480p
480p580p720p
வெளியீட்டு வீடியோ தெளிவுத்திறன்: 480p, 580p அல்லது 720p.
num_inference_stepsவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை27
2 – 40
Sampling படிநிலைகளின் எண்ணிக்கை; எண்ணிக்கை அதிகரிக்கும்போது நீண்ட செயலாக்க நேரத்திற்கு ஈடாகச் சிறந்த தரத்தை வழங்கும்.
enable_safety_checkerவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைfalse
செயலாக்கத்திற்கு முன் உள்ளீட்டுப் பாதுகாப்புத் திரையிடல்; அங்கீகரிக்கப்பட்ட கணக்குகள் மட்டுமே இதை முடக்கலாம். அங்கீகாரம் இல்லாத கோரிக்கைகள் எப்போதும் திரையிடப்படும்; இல்லையெனில் true திரையிடலை இயக்கும்.
enable_output_safety_checkerவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைfalse
உருவாக்கப்பட்ட வீடியோவின் பாதுகாப்புத் திரையிடலைக் கட்டுப்படுத்தும்; true அமைப்பு உருவாக்கத்திற்குப் பிந்தைய சரிபார்ப்பை இயக்கும்.
guidance_scaleவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை3.5
1 – 10
Classifier-free guidance வலிமை; scale அதிகரிக்கும்போது சாத்தியமான தர இழப்பிற்கு ஈடாக ப்ராம்ப்ட்டுடன் நெருக்கமான பொருத்தத்தை வழங்கும்.
shiftவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை5
1 – 10
வீடியோ shift அமைப்பு; அனுமதிக்கப்பட்ட வரம்பு 1.0–10.0.
video_qualityவிருப்பத்தேர்வு
வகைenum
இயல்புநிலைhigh
lowmediumhighmaximum
வெளியீட்டு வீடியோத் தர அமைப்பு; மதிப்பு அதிகரிக்கும்போது பெரிய கோப்புகளுக்கு மாற்றாக மேம்பட்ட காட்சிகளை வழங்கும்.
video_write_modeவிருப்பத்தேர்வு
வகைenum
இயல்புநிலைbalanced
fastbalancedsmall
வீடியோ எழுதும் முறை; balanced வேகம் மற்றும் தரத்துக்கு இடையிலான சமநிலையை வழங்கும். மிகச் சிறிய கோப்புகளுக்கும் மெதுவான எழுதுதலுக்கும் small-ஐத் தேர்ந்தெடுக்கவும்; faster writing முடிவுகளை விரைவாகத் தரும், ஆனால் பெரிய கோப்புகளை உருவாக்கும்.
image_urlதேவை image
வகைurl · image
மூலப் பட URL; தேர்ந்தெடுக்கப்பட்ட aspect ratio, முன்செயலாக்கம் தேவைப்படுகிறதா என்பதைத் தீர்மானிக்கும்: பொருத்தமின்மை ஏற்பட்டால், அளவுமாற்றத்திற்குப் பிறகு மைய crop செய்யப்படும்.
audio_urlதேவை audio
வகைurl · audio
ஆடியோ கோப்பைச் சுட்டும் URL.
தேவை நியமப் பெயர், இதுவும் ஏற்கப்படும்

கோப்பு அளவுருக்கள் பொதுவான https:// URL, 10 MB வரையிலான data: URI அல்லது பதிவேற்றத்தின் file_url-ஐ ஏற்கும். கோப்புகள்

வெளியீடு

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"
  }
}
உங்கள் கோப்புகள், உங்கள் தேர்வுஒவ்வொரு outputs[].url-ம் எங்கள் சேமிப்பகத்தில் உள்ள ஒரு நகல்: நிரந்தரமாக (GB-மாதத்திற்கு கட்டணம்) அல்லது உங்கள் கணக்கு அமைப்பு அல்லது ?storage= மூலம் இலவசமாக 7 நாட்கள் வைக்கப்படும்.
ஒவ்வொரு மாடலிலும் ஒரே வடிவம்படங்கள், வீடியோ மற்றும் ஆடியோ ஆகிய அனைத்திற்குமான type, url, content_type, width, height மற்றும் duration. output என்பது மாதிரியின் சொந்த முடிவு பொருளாகும்.
வெளியீட்டின் புலங்கள்
video
object {url, content_type, file_name, file_size}உருவாக்கத்தால் தயாரிக்கப்படும் வீடியோ கோப்பு.

மேலும் மாதிரிகள்: உதட்டு ஒத்திசைவு & அவதார்கள்

AI ஏஜெண்டுகளுக்கு: இந்தப் பக்கம் Markdown வடிவில் இங்கே உள்ளது https://doitong.com/ta/developers/models/wan/v2.2-14b/speech-to-video.md. அனைத்து மாடல்களும் வழிகாட்டிகளும்: https://doitong.com/developers/llms.txt