Pāriet uz saturu

Wan-2.2 Speech-to-Video 14B

Integrēt

Modeļa 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://vit.doitong.com/api/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://vit.doitong.com/api/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Faili, piemēram, paraugā: 0,50 $ 500 API kredītu jūsu faili tiek izmērīti pirms izpildes Izpildīt šajā lapā

Iegūt API atslēgu
Alibaba Lūpu sinhronizācija un avatāri Lūpu sinhronizācijalīdz 720p #audio-to-video#talking-head

Izveido runājošu video no nekustīga attēla un audio faila, izmantojot teksta uzvedni

Alibaba · Video

Šeit būs jūsu pirmais rezultāts

Izveidojiet pieprasījumu tālāk un izpildiet to ar savu API atslēgu. Izvades tiek kopētas mūsu krātuvē un glabātas mūžīgi vai 7 dienas bez maksas.

Izveidot pieprasījumu

Vadīklas tiek ģenerētas no modeļa shēmas. Kods un cena tiek atjaunināti, kad tos maināt.

•obligāts

Teksta uzvedne, kas izmantota video ģenerēšanai.

•obligāts image_url
Nometiet failu vai

Avota attēla URL; atlasītā malu attiecība nosaka, vai nepieciešama priekšapstrāde: neatbilstība aktivizē izmēra maiņu un pēc tam centrālo apgriešanu.

•obligāts audio_url
Nometiet failu vai

URL, kas norāda uz audio failu.

resolution noklusējums 480p

Izvades video izšķirtspēja: 480p, 580p vai 720p.

noklusējums 80

Izvēlieties 4 reizinājumu diapazonā 40–120, lai iestatītu ģenerējamo kadru skaitu.

Papildu negative_prompt · video_quality · video_write_mode · frames_per_second · num_inference_steps · guidance_scale · shift · seed · enable_safety_checker · enable_output_safety_checker
noklusējums

Negatīvā uzvedne, kas tiek lietota video ģenerēšanas laikā.

video_quality noklusējums high

Izvades video kvalitātes iestatījums, kas, palielinoties vērtībai, maina lielākus failus pret labāku attēlu.

video_write_mode noklusējums balanced

Video rakstīšanas režīms; balanced nodrošina kompromisu starp ātrumu un kvalitāti. Izvēlieties small mazākajiem failiem un lēnākajai rakstīšanai; ātrāka rakstīšana rezultātus atgriež ātrāk, bet izveido lielākus failus.

noklusējums 16

Ģenerētā video kadru nomaiņas ātrums, pieņemot vērtības no 4 līdz 60; iestatot `adjust_fps_for_interpolation` uz false, šis ātrums tiek saglabāts nemainīgs. Izmantojot interpolāciju un iestatot `adjust_fps_for_interpolation` uz true (noklusējums), reiziniet šo ātrumu ar viens plus interpolēto kadru skaits, lai iegūtu galīgo FPS. Piemēram, 16 FPS ar 1 interpolētu kadru kļūst par 32 FPS.

noklusējums 27

Semplešanas soļu skaits; lielāks skaits nodrošina labāku kvalitāti, bet paildzina apstrādi.

noklusējums 3.5

Klasifikatora brīvās vadības stiprums; palielinoties mērogam, iespējams kvalitātes zudums tiek mainīts pret precīzāku atbilstību uzvednei.

noklusējums 5

Video nobīdes iestatījums ar pieļaujamo diapazonu 1.0–10.0.

Sēkla, kas padara ģenerēšanu atkārtojamu. Iestatot None, sēkla tiek izvēlēta nejauši.

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

Palaist šo pieprasījumu

Jūsu atslēga paliek šajā pārlūkprogrammā: tā tiek nosūtīta tikai uz Doitong API un saglabāta (localStorage) tikai tad, ja atzīmējat Atcerēties. Iegūt API atslēgu

Par Wan-2.2 Speech-to-Video 14B

Nepieciešams `prompt`, avota `image_url` un `audio_url`; tiek izveidots video, kurā attēlotais objekts tiek vadīts ar audio. `num_frames` ir no 40 līdz 120, ar 4 reizināmiem skaitļiem, pēc noklusējuma pie 16 fps. `resolution` var būt 480p, 580p vai 720p. Var pielāgot iztveršanas soļus, vadību, interpolāciju un `negative_prompt`.

Parametri

Nosūti vai nu kanonisko nosaukumu, vai vietējo nosaukumu, bet ne abus. Kan啤niskie nosaukumi

NosaukumsTips NoklusējumsAtļauts Apraksts
promptobligāts
Tipsstring
Teksta uzvedne, kas izmantota video ģenerēšanai.
negative_promptneobligāts
Tipsstring
Noklusējums
Negatīvā uzvedne, kas tiek lietota video ģenerēšanas laikā.
num_framesneobligāts
Tipsinteger
Noklusējums80
40 – 120
Izvēlieties 4 reizinājumu diapazonā 40–120, lai iestatītu ģenerējamo kadru skaitu.
frames_per_secondneobligāts
Tipsinteger | null
Noklusējums16
4 – 60
Ģenerētā video kadru nomaiņas ātrums, pieņemot vērtības no 4 līdz 60; iestatot `adjust_fps_for_interpolation` uz false, šis ātrums tiek saglabāts nemainīgs. Izmantojot interpolāciju un iestatot `adjust_fps_for_interpolation` uz true (noklusējums), reiziniet šo ātrumu ar viens plus interpolēto kadru skaits, lai iegūtu galīgo FPS. Piemēram, 16 FPS ar 1 interpolētu kadru kļūst par 32 FPS.
seedneobligāts
Tipsinteger | null
Sēkla, kas padara ģenerēšanu atkārtojamu. Iestatot None, sēkla tiek izvēlēta nejauši.
resolutionneobligāts
Tipsenum
Noklusējums480p
480p580p720p
Izvades video izšķirtspēja: 480p, 580p vai 720p.
num_inference_stepsneobligāts
Tipsinteger
Noklusējums27
2 – 40
Semplešanas soļu skaits; lielāks skaits nodrošina labāku kvalitāti, bet paildzina apstrādi.
enable_safety_checkerneobligāts
Tipsboolean
Noklusējumsfalse
Ievades drošības pārbaude pirms apstrādes, ko drīkst atspējot tikai autorizēti konti. Pieprasījumi bez autorizācijas vienmēr tiek pārbaudīti; pretējā gadījumā true iespējo pārbaudi.
enable_output_safety_checkerneobligāts
Tipsboolean
Noklusējumsfalse
Nosaka ģenerētā video drošības pārbaudi; true iespējo pārbaudi pēc ģenerēšanas.
guidance_scaleneobligāts
Tipsnumber
Noklusējums3.5
1 – 10
Klasifikatora brīvās vadības stiprums; palielinoties mērogam, iespējams kvalitātes zudums tiek mainīts pret precīzāku atbilstību uzvednei.
shiftneobligāts
Tipsnumber
Noklusējums5
1 – 10
Video nobīdes iestatījums ar pieļaujamo diapazonu 1.0–10.0.
video_qualityneobligāts
Tipsenum
Noklusējumshigh
lowmediumhighmaximum
Izvades video kvalitātes iestatījums, kas, palielinoties vērtībai, maina lielākus failus pret labāku attēlu.
video_write_modeneobligāts
Tipsenum
Noklusējumsbalanced
fastbalancedsmall
Video rakstīšanas režīms; balanced nodrošina kompromisu starp ātrumu un kvalitāti. Izvēlieties small mazākajiem failiem un lēnākajai rakstīšanai; ātrāka rakstīšana rezultātus atgriež ātrāk, bet izveido lielākus failus.
image_urlobligāts image
Tipsurl · image
Avota attēla URL; atlasītā malu attiecība nosaka, vai nepieciešama priekšapstrāde: neatbilstība aktivizē izmēra maiņu un pēc tam centrālo apgriešanu.
audio_urlobligāts audio
Tipsurl · audio
URL, kas norāda uz audio failu.
obligāts Kan啤niskais nosaukums, arī pieņemts

Failu parametriem nepieciešams publisks https:// URL, data: URI līdz 10 MB vai augšupielādes file_url. Faili

Izvade

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://vit.doitong.com/api/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://vit.doitong.com/api/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Jūsu faili, jūsu izvēleKatrs outputs[].url ir kopija mūsu krātuvē: tiek glabāta mūžīgi (maksa par GB mēnesī) vai 7 dienas bez maksas — atbilstoši konta iestatījumam vai ?storage=.
Vienāda struktūra katram modelimtype, url, content_type, width, height un duration gan attēliem, gan video un audio. output ir paša modeļa rezultāta objekts.
Izvades lauki
video
object {url, content_type, file_name, file_size}Ģenerēšanas rezultātā iegūtais video fails.

Vairāk modeļu: Lūpu sinhronizācija un avatāri

AI aģentiem: šī lapa Markdown formātā ir pieejama https://doitong.com/lv/developers/models/wan/v2.2-14b/speech-to-video.md. Visi modeļi un ceļveži: https://doitong.com/developers/llms.txt