数字人视频

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。

备注

本页型号暂未上架，以模型广场为准。

本页包含两个接口：

接口	模型	调用方式
数字人视频生成	`wan2.2-s2v`	异步（创建任务 + 查询任务）
人脸检测	`wan2.2-s2v-detect`	同步（立即返回结果）

建议先调用人脸检测接口确认图片可用（check_pass: true），再提交数字人视频任务，避免因图片不合规导致任务失败。

数字人视频生成（wan2.2-s2v）

POST https://platform.shuyanai.com/ali/api/v1/services/aigc/image2video/video-synthesis

请求头

参数	类型	必填	说明
`Content-Type`	string	是	`application/json`
`Authorization`	string	是	`Bearer sk-xxx`

官方要求的 X-DashScope-Async: enable 头由平台自动补充，无需携带。

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
`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
`parameters.resolution`	string	否	480P	输出分辨率档位：`480P`、`720P`。输出与输入图片宽高比相同，总像素调整至所选档位附近（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）

视频时长

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；

需要更长的视频时，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；建议单人、正面、清晰的人物肖像（可先用人脸检测接口预检）
音频	格式 wav/mp3；小于 15 MB，时长小于 20 秒；需包含清晰的人声，建议去除环境噪音与背景音乐

请求示例

输出 720P 时将 resolution 改为 720P。

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

任务成功后，查询结果的 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），720P 单价高于 480P。

单价以模型广场为准。生成耗时通常约 5–10 分钟，建议每 15 秒左右查询一次。

人脸检测（wan2.2-s2v-detect）

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

POST https://platform.shuyanai.com/ali/api/v1/services/aigc/image2video/face-detect

本接口为同步接口，检测结果随响应返回，不产生 task_id，无需查询。

请求头

参数	类型	必填	说明
`Content-Type`	string	是	`application/json`
`Authorization`	string	是	`Bearer sk-xxx`

请求体

参数	类型	必填	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

请求示例

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
`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	请求唯一 ID

人脸检测按检测图片张数计费，请求成功即计费（无论检测是否通过）。

查询任务

数字人视频生成（wan2.2-s2v）为异步任务，创建后用 task_id 查询状态及结果：

GET https://platform.shuyanai.com/ali/api/v1/tasks/{task_id}

详见 09-查询任务。

07-数字人视频

数字人视频#

数字人视频生成（wan2.2-s2v）#

请求头#

请求体#

视频时长#

图片与音频要求#

请求示例#

响应示例#

用量与计费#

人脸检测（wan2.2-s2v-detect）#

请求头#

请求体#

请求示例#

响应示例#

响应字段#

查询任务#

数字人视频

数字人视频生成（wan2.2-s2v）

请求头

请求体

视频时长

图片与音频要求

请求示例

响应示例

用量与计费

人脸检测（wan2.2-s2v-detect）

请求头

请求体

请求示例

响应示例

响应字段

查询任务