wan2.2-s2v-detect

wan2.2-s2v-detect 是阿里云通义万相团队推出的一款专用图像检测模型，其核心功能是‌对输入的静态图片进行合规性检查‌，判断该图片是否符合 wan2.2-s2v 模型生成数字人视频的输入要求。 该模型本身不生成视频，而是作为 wan2.2-s2v 视频生成流程中的‌前置必要步骤‌，确保后续生成的质量和稳定性。 

核心功能与作用 ‌

输入规范检测‌：wan2.2-s2v-detect 会分析上传的图片，检查其是否满足以下关键条件：  ‌

人物清晰度‌：图片是否足够清晰，人物面部细节是否可辨。 

‌人物数量‌：图片中是否仅包含‌单人‌肖像。 ‌

人物姿态‌：人物是否为‌正面或接近正面‌的视角，确保面部特征完整。 ‌图像质量‌：图片是否存在严重模糊、遮挡或低分辨率等问题。 

‌流程控制‌：只有当 wan2.2-s2v-detect 检测结果为 check_pass: true 时，用户才能成功调用 wan2.2-s2v 模型来生成视频。如果检测不通过，API 会返回 check_pass: false，此时无法进行视频生成，但此次检测请求仍会计费。 

 技术细节与使用方式 ‌API 接口‌：该模型通过阿里云的 API 服务提供，调用地址为 POST https://dashscope.aliyuncs.com/api/v1/services/aigc/image2video/face-detect。 ‌输入要求‌：需要提供一张图片的 URL（支持 JPG、JPEG、PNG、BMP、WebP 格式）。 ‌

输出结果‌： check_pass: 布尔值，true 表示图片合规，false 表示不合规。 humanoid: 布尔值，表示图片中是否检测到人像。 usage.image_count: 本次请求检测的图片数量，固定为 1。 ‌

计费‌：无论检测是否通过，只要 API 调用成功，就会计费。当前计费单价为 ‌0.004元/张‌。‌ ‌

地域限制‌：该 API 仅适用于‌中国内地（北京）‌ 地域，必须使用该地域的 API Key。‌ 

与 wan2.2-s2v 的关系 wan2.2-s2v-detect 是 wan2.2-s2v 模型生态的重要组成部分。wan2.2-s2v 是一个强大的音频驱动数字人视频生成模型，能根据一张图片和一段音频生成口型、表情、动作高度同步的电影级视频。‌ 

为了确保 wan2.2-s2v 能稳定、高质量地工作，wan2.2-s2v-detect 作为“守门人”，在视频生成前对输入素材进行严格把关，从而简化了集成流程并提升了最终输出的可靠性。‌