数字人视频
开发中
POST
/api/v1/services/aigc/image2video/video-synthesis
07-数字人视频
POST https://gw.hbapis.com/ali/api/v1/services/aigc/image2video/video-synthesis| 接口 | 模型 | 调用方式 |
|---|---|---|
| 数字人视频生成 | wan2.2-s2v | 异步（创建任务 + 轮询查询） |
| 人脸检测 | wan2.2-s2v-detect | 同步（立即返回结果） |
一、数字人视频生成（wan2.2-s2v）
鉴权方式
Authorization，其值为在 Bearer 之后拼接 TokenAuthorization: Bearer ********************请求参数
请求头
| 参数 | 类型 | 必填 | 默认值 | 说明 |
|---|---|---|---|---|
Content-Type | string | 是 | application/json | 数据交换格式 |
Authorization | string | 是 | 鉴权信息，Bearer {API_KEY} |
官方要求的 X-DashScope-Async: enable头由平台自动补充，调用时无需携带；携带亦兼容。
请求体
| 参数 | 类型 | 必填 | 默认值 | 说明 |
|---|---|---|---|---|
model | string | 是 | 固定为 wan2.2-s2v | |
input.image_url | string | 是 | 人物图片 URL，需公网可访问的 HTTP/HTTPS 链接。要求见下方「图片与音频要求」 | |
input.audio_url | string | 是 | 人声音频 URL，需公网可访问的 HTTP/HTTPS 链接。要求见下方「图片与音频要求」 | |
parameters.resolution | string | 否 | 480P | 输出分辨率档位 ，可选 480P、720P。输出保持与输入图片相同宽高比，总像素调整至所选档位附近（480P 约 31 万像素，720P 约 92 万像素；例如 4:5 的输入图选 480P 可能输出 480×600） |
parameters.style | string | 否 | 对口型场景，如 speech（说话）。官方描述支持说话、唱歌、表演三种场景，唱歌/表演的枚举值官方未公开，建议以实测为准 |
视频时长规则
图片与音频要求
| 输入 | 要求 |
|---|---|
| 图片 | 格式 jpg/jpeg/png/bmp/webp；宽、高均 在 [400, 7000] 像素范围内；建议单人、正面、清晰的人物肖像图（可先用人脸检测接口预检） |
| 音频 | 格式 wav/mp3；文件小于 15MB，时长小于 20 秒；需包含清晰响亮的人声，建议去除环境噪音与背景音乐 |
请求头
| 参数 | 类型 | 必填 | 默认值 | 说明 |
|---|---|---|---|---|
Content-Type | string | 是 | application/json | 数据交换格式 |
Authorization | string | 是 | 鉴权信息，Bearer {API_KEY} |
请求体
| 参数 | 类型 | 必填 | 默认值 | 说明 |
|---|---|---|---|---|
model | string | 是 | 固定为 wan2.2-s2v-detect | |
input.image_url | string | 是 | 待检测图片 URL，需公网可访问的 HTTP/HTTPS 链接。格式 jpg/jpeg/png/bmp/webp；宽、高均在 [400, 7000] 像素范围内 |
请求示例
返回响应 (200 成功)
{
"output": {
"task_status": "PENDING",
"task_id": "0385dc79-5ff8-4d82-bcb6-xxxxxx"
},
"request_id": "4909100c-7b5a-9f92-bfe5-xxxxxx"
}请求参数
请求示例代码
返回响应
修改于 2026-08-14 06:42:55