Skip to main content

Wan - デジタルヒューマン

wan2.2-s2v モデルは、 1 枚の画像と 1 つのオーディオクリップ を使用して、自然な動きで話したり、歌ったり、パフォーマンスしたりする人物の動画を生成します。このモデルは、 ポートレート、全身、または半身 の画像をサポートし、画像の構図に制限はありません。

このドキュメントは、中国 (北京) リージョンにのみ適用されます。モデルを使用するには、中国 (北京) リージョンの API キーが必要です。

モデルの概要

サンプル結果
サンプル入力出力動画
input_image
入力オーディオ
デジタルヒューマン動画を生成するプロセスは次のとおりです。
  • ステップ 1: wan2.2-s2v-detect API を呼び出します。画像 URL を渡して、画像が準拠しているかどうかを確認します。
  • ステップ 2: 画像が準拠している場合は、非同期の wan2.2-s2v API を呼び出します。画像 URL とオーディオ URL を渡して、動画生成タスクを送信します。API をポーリングして結果を取得します。

開始

前提条件

API を呼び出す前に、Model Studio を有効化して API キーを取得します。次に、API キーを環境変数として設定します。

サンプルコード

このトピックのサンプル画像は検出に合格しています。次のサンプルコードは、動画を生成する方法を示しています。
HTTP リクエストには、タスクの作成と結果の取得の 2 つのステップが含まれます。
ステップ 1: タスクを作成してタスク ID を取得する
このリクエストは、結果のクエリに使用できる task_id を返します。 
curl 'https://dashscope.aliyuncs.com/api/v1/services/aigc/image2video/video-synthesis/' \
 --header 'X-DashScope-Async: enable' \
 --header "Authorization: Bearer $DASHSCOPE_API_KEY" \
 --header 'Content-Type: application/json' \
 --data '{
     "model": "wan2.2-s2v",
     "input": {
            "image_url": "https://img.alicdn.com/imgextra/i3/O1CN011FObkp1T7Ttowoq4F_!!6000000002335-0-tps-1440-1797.jpg",
            "audio_url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20250825/iaqpio/input_audio.MP3"
        },
        "parameters": {
            "style": "speech"
        }
    }'
ステップ 2: タスク ID で結果をクエリする
実際のタスク ID で 86ecf553-d340-4e21-xxxxxxxxx を置き換えます。
シンガポールリージョンと北京リージョンの API キーは異なります。API キーを取得します。
次のコードは、シンガポールリージョンの base_url を提供します。北京リージョンのモデルを使用する場合は、base_url を https://dashscope.aliyuncs.com/api/v1/tasks/{task_id} に置き換えてください 
curl -X GET https://dashscope-intl.aliyuncs.com/api/v1/tasks/86ecf553-d340-4e21-xxxxxxxxx \
--header "Authorization: Bearer $DASHSCOPE_API_KEY"
task_id は 24 時間有効です。タスク ID の有効期限が切れた後にタスクをクエリしようとすると、API は UNKNOWN のタスクステータスを返します。

次のステップ

開発を開始するには、次の API ドキュメントをご参照ください。 画像検出 API 動画生成 API