万相数字人 — 创建任务

基于单张图片和音频，异步生成数字人视频

POST

/services/aigc/image2video/video-synthesis

cURL

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": {
            "resolution": "480P"
        }
    }'

{
  "output": {
    "task_id": "a8532587-fa8c-4ef8-82be-xxxxxx",
    "task_status": "PENDING"
  },
  "request_id": "7574ee8f-38a3-4b1e-9280-xxxxxx"
}

请先获取 API Key 并配置为环境变量。

wan2.2-s2v 模型能基于单张图片和音频，生成动作自然的说话、唱歌或表演视频。 计费说明：按生成视频的时长计费，480P 为 0.5 元/秒，720P 为 0.9 元/秒。新用户享有 100 秒免费额度。限制：每个账号 QPS 上限为 5，单次任务音频时长上限为 20 秒。

鉴权

string

header

必填

千问云 API Key。详见获取 API Key。

Header 参数

enum<string>

必填

固定值为 enable，表示使用异步调用方式。

可选值：enable

请求体

application/json

enum<string>

必填

指明需要调用的模型。

可选值：wan2.2-s2v

示例:wan2.2-s2v

object

必填

显示子属性

string

必填

上传的图片 URL。

图像格式：支持 jpg、jpeg、png、bmp、webp。
图像分辨率：图像的宽度和高度范围为 [400, 7000] 像素。
仅支持公网可访问的 HTTP/HTTPS 链接。本地文件可通过上传文件获取临时URL。

示例:http://aaa/bbb.jpg

string

必填

上传的音频文件 URL。

音频格式：支持 wav、mp3。
音频限制：文件 < 15M，时长 < 20s。
音频内容：需包含清晰、响亮的人声语音，并去除环境噪音、背景音乐等干扰。
仅支持公网可访问的 HTTP/HTTPS 链接。本地文件可通过上传文件获取临时URL。

示例:http://aaa/bbb.mp3

object

显示子属性

enum<string>

默认值"480P"

视频分辨率档位。可选值为 480P、720P，默认值为 480P。

模型会尽量保持输出视频与输入图像的宽高比一致，在宽高比不变的基础上，将视频总像素调整到所选档位附近。

480P：视频分辨率通常指 640×480（约 31 万像素），视频宽高比为 4:3。
720P：视频分辨率通常指 1280×720（约 92 万像素），视频宽高比为 16:9。

可选值：480P,720P

示例:480P

响应

200-application/json

object

显示子属性

string

异步任务的唯一ID。

示例:a8532587-fa8c-4ef8-82be-0c46b17950d1

string

提交异步任务后的作业状态。

示例:PENDING

string

本次请求的唯一ID。

示例:7574ee8f-38a3-4b1e-9280-11c33ab46e51