数字人视频

PinduCloud 提供本页所列接口。请求使用 PinduCloud API Key；模型开通情况以当前账号的可用模型为准，参数按本页对应型号的协议组织。

基于单张人物图片 + 一段人声音频，生成口型、表情、动作与音频同步的说话、唱歌、表演视频。支持真人（肖像/半身/全身）及卡通人物形象。

本文档包含两个接口：

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）

推荐流程：先调用人脸检测接口确认图片合规（check_pass: true），再提交数字人视频生成任务，可避免因图片不合规导致任务失败。

---

一、数字人视频生成（wan2.2-s2v）

创建任务

POST https://video.pinducloud.com.cn/ali/api/v1/services/aigc/image2video/video-synthesis

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 sk-your-pinducloud-token

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

生成视频时长 = 输入音频时长，不通过参数指定：

• 音频时长须 小于 20 秒，超过将导致任务报错；
• 如需更长的视频，请将音频按每段小于 20 秒切分，分别生成后再拼接。

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

请求示例（480P）

curl --request POST \
  --url 'https://video.pinducloud.com.cn/ali/api/v1/services/aigc/image2video/video-synthesis' \
  --header 'Authorization: Bearer sk-your-pinducloud-token' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "wan2.2-s2v",
    "input": {
      "image_url": "https://example.com/portrait.jpg",
      "audio_url": "https://example.com/speech.mp3"
    },
    "parameters": {
      "resolution": "480P",
      "style": "speech"
    }
  }'

请求示例（720P）

curl --request POST \
  --url 'https://video.pinducloud.com.cn/ali/api/v1/services/aigc/image2video/video-synthesis' \
  --header 'Authorization: Bearer sk-your-pinducloud-token' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "wan2.2-s2v",
    "input": {
      "image_url": "https://example.com/portrait.jpg",
      "audio_url": "https://example.com/sing.wav"
    },
    "parameters": {
      "resolution": "720P",
      "style": "speech"
    }
  }'

创建响应示例

{
  "output": {
    "task_status": "PENDING",
    "task_id": "0385dc79-5ff8-4d82-bcb6-xxxxxx"
  },
  "request_id": "4909100c-7b5a-9f92-bfe5-xxxxxx"
}

用量与计费说明

任务成功后，查询接口返回的 usage 中：

• usage.duration：生成视频时长（秒），与输入音频时长一致，为计费依据；
• usage.SR：输出分辨率档位（480 或 720）；是否按不同价格计费，以本站该型号的定价为准。

数字人视频提交时预扣额度，完成后按本站模型价格及可用用量信息结算；视频任务失败后退还预扣额度。生成耗时通常约 5–10 分钟，建议以 15 秒左右间隔轮询查询接口。

---

二、人脸检测（wan2.2-s2v-detect）

预检输入图片是否满足数字人视频生成的人物肖像规范（如清晰度、单人、正面），返回是否通过及是否检测到人像。

POST https://video.pinducloud.com.cn/ali/api/v1/services/aigc/image2video/face-detect

本接口为同步接口，检测结果随响应立即返回，不产生 task_id，无需轮询查询。

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 sk-your-pinducloud-token

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

curl --request POST \
  --url 'https://video.pinducloud.com.cn/ali/api/v1/services/aigc/image2video/face-detect' \
  --header 'Authorization: Bearer sk-your-pinducloud-token' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "wan2.2-s2v-detect",
    "input": {
      "image_url": "https://example.com/portrait.jpg"
    }
  }'

响应示例

检测通过：

{
  "output": {
    "check_pass": true,
    "humanoid": true
  },
  "usage": {
    "image_count": 1
  },
  "request_id": "c56f62df-xxxx-xxxx-xxxx-xxxxxx"
}

检测不通过：

{
  "output": {
    "check_pass": false,
    "humanoid": false,
    "code": "xxx",
    "message": "xxx"
  },
  "usage": {
    "image_count": 1
  },
  "request_id": "c56f62df-xxxx-xxxx-xxxx-xxxxxx"
}

响应字段

字段	类型	说明
output.check_pass	boolean	检测结果：true 通过，可用于数字人视频生成；false 不通过
output.humanoid	boolean	是否检测到人像
output.code / output.message	string	仅检测不通过时返回原因；通过时无此字段
usage.image_count	integer	本次检测的图片数量，固定为 1，为计费依据
request_id	string	本次请求唯一 ID

人脸检测为同步接口，响应中的 usage.image_count 表示检测图片数量；check_pass=false 表示检测未通过，不等同于请求失败。是否收费及实际金额以本站该型号的价格和使用日志为准。

---

查询任务

数字人视频生成（wan2.2-s2v）为异步任务，创建后通过 task_id 轮询状态及结果（人脸检测为同步接口，无需查询）：

GET https://video.pinducloud.com.cn/ali/api/v1/tasks/{task_id}

详见 09-查询任务。