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://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"

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

Alibaba · வீடியோ

உங்கள் முதல் முடிவு இங்கே வரும்

கீழே ஒரு கோரிக்கையை உருவாக்கி, உங்கள் API விசையுடன் இயக்குங்கள். வெளியீடுகள் எங்கள் சேமிப்பகத்தில் நகலெடுக்கப்பட்டு, நிரந்தரமாக அல்லது இலவசமாக 7 நாட்கள் வைக்கப்படும்.

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://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"

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://vit.doitong.com/api/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://vit.doitong.com/api/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