S2V / Animate 的百炼 API 调用路径

S2V 两步走

S2V（对口型）在百炼上分成两步：

第一步：人脸图像检测（wan2.2-s2v-detect）

上传人像图，检测出可用于 S2V 的人脸区域，返回裁剪后的图和检测结果。

这一步的目的是确保输入图适合做对口型（人脸清晰、角度合适、光照良好），如果检测失败说明图片需要换。

第二步：对口型视频生成（wan2.2-s2v）

拿到检测结果后，用裁剪后的人像图 + 音频生成对口型视频。

两个接口都是异步任务模式——提交 → 拿 task_id → 轮询 → 下载结果。和 T2V/I2V 的异步流程完全一致。

为什么要检测步骤

S2V 对输入人像的质量有硬性要求：人脸占画面比例合适、没有极端角度、光照均匀。如果直接上传一张多人合影或侧脸图，生成质量会很差甚至失败。检测步骤相当于预筛，提前发现不合适的输入。

Animate 在百炼上

截至 2026 年 10 月，Wan-Animate 在百炼上的支持情况需要以控制台为准——因为 Animate 是后来加入的模型，云端部署可能滞后于开源版本。如果控制台模型广场里找不到，说明还没上云，这时只能走本地部署或等更新。

文件存储注意

百炼 API 要求图片和音频通过 URL 输入，不接受直接传二进制。你需要把文件上传到阿里云 OSS 或其他可公开访问的存储，拿到 URL 后再调 API。

常见做法：

1. 把素材上传到阿里云 OSS（和百炼同地域）
2. 设置临时公开访问 URL 或生成签名 URL
3. 把 URL 作为 API 的输入参数

这比本地调 generate.py 多了一步素材上传，但对自动化流水线来说是标准做法。