数字人wan2.2-s2v模型支持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，不限制形象画幅，支持肖像、全身或半身的人物图像。
本文档仅适用于“中国大陆（北京）”地域，需使用“中国大陆（北京）”地域的API Key。
模型概览
效果示例
输入示例 | 输出视频 |
输入音频 |
模型与价格
模型名称 | 模型简介 | 计费单价 | 限流（主账号与RAM子账号共用） | 免费额度（查看） | |
任务下发接口RPS限制 | 同时处理中任务数量 | ||||
wan2.2-s2v-detect | 检查输入图像是否满足要求（如清晰度、单人、正面）。 | 0.004元/张 | 5 | 同步接口无限制 | 200张 |
wan2.2-s2v | 根据检测通过的图片和一段音频，生成人物动态视频。 | 480P：0.5元/秒 720P：0.9元/秒 | 5 | 1 | 100秒 |
生成数字人视频的流程为：
步骤一：调用 wan2.2-s2v-detect 接口，传入图片URL，确认图片合规。
步骤二：若检测通过，调用 wan2.2-s2v 异步接口，传入图片URL和音频URL，提交视频生成任务，并轮询获取结果。
快速开始
前提条件
在调用前，您需要开通模型服务并获取API Key，再配置API Key到环境变量。
示例代码
本文的示例图片已通过图像检测，以下展示视频生成的示例代码。
HTTP 请求分两步：先创建任务，再获取结果。初学者建议使用 Postman调用API。
步骤1：创建任务获取任务ID
该请求会返回一个task_id用于查询结果。
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"
}
}'步骤2：根据任务ID查询结果
请将86ecf553-d340-4e21-xxxxxxxxx替换为真实的task_id。
curl -X GET https://dashscope.aliyuncs.com/api/v1/tasks/86ecf553-d340-4e21-xxxxxxxxx \
--header "Authorization: Bearer $DASHSCOPE_API_KEY"task_id查询有效期为24小时，过期将无法查询，接口将返回任务状态为UNKNOWN。
模型对比
模型选型建议：如需生成包含人物全身或大半身的视频，推荐使用 wan2.2-s2v 模型；若追求性价比，可选择悦动人像EMO。
功能对比 | 数字人wan2.2-s2v | 悦动人像EMO（查看） |
模型简介 | 动作幅度更大更自然，画幅支持范围广（尤其全身），支持卡通人物形象 | 更适合人物特写或肖像，对口型表情自然 |
适用画幅 | 全身、半身、肖像 | 肖像、半身（推荐） |
调用方式 | 两步调用，检测接口仅用于合规性校验，接入更简单 | 两步调用，检测接口返回的坐标是生成接口的必需入参 |
风格控制 | 场景驱动（说话, 唱歌, 表演） | 风格驱动（适中、平静、活泼） |
输出规格 | 按分辨率（480P, 720P） | 按画幅比（1:1, 3:4） |
模型调用价格 |
|
|
下一步
根据您的具体需求，查阅API文档开始您的开发工作：