# Wan-2.2 Text-to-Video A14B with LoRAs API > LoRA সমর্থন এবং ঐচ্ছিক বিপরীত প্লেব্যাক-সহ A14B text-to-video `loras`-এ তালিকাভুক্ত LoRA ওজন প্রয়োগ করে একটি টেক্সট `prompt` থেকে ভিডিও তৈরি করে। `reverse_video` ক্লিপটি উল্টোভাবে চালায়। `num_frames` 17 থেকে 161, `resolution` 480p, 580p বা 720p, এবং অ্যাসপেক্ট রেশিও 16:9, 9:16 বা 1:1। film বা rife ইন্টারপোলেশন এবং দুটি গাইডেন্স স্কেল পাওয়া যায়। - Model id: `wan/v2.2-a14b/text-to-video/lora` - Made by: Alibaba - Category: Text to Video - Output: video - Estimated price per run: from $0.507 / run (cheapest run $0.507 (507 API credits)) - Run: `POST https://api.doitong.ru/v1/run/wan/v2.2-a14b/text-to-video/lora` - Quote: `POST https://api.doitong.ru/v1/quote/wan/v2.2-a14b/text-to-video/lora` - Docs page: https://doitong.com/bn/developers/models/wan/v2.2-a14b/text-to-video/lora ## Pricing Price: **from $0.507 / run** (the lowest tier; the quote prices your exact input). Estimated from the typical cost of one run. The quote is exactly what the run charges. Price rules (the first rule that matches the input wins; a parameter you leave out counts as its default): - When `num_frames` > 81 and `resolution` = 480p: base price × 2 - When `num_frames` > 81 and `resolution` = 580p: base price × 2 - When `num_frames` > 81 and `resolution` = 720p: base price × 2 The full example input below costs $0.507 = 507 API credits (1 request × 507 API credits). Prices are the upstream price in USD, paid from the API balance in API credits (1000 API credits = 1 USD). `POST https://api.doitong.ru/v1/quote/wan/v2.2-a14b/text-to-video/lora` with the same JSON body returns the exact price for that input; the quote is exactly what a run charges. Invalid input is never charged and failed or canceled requests are refunded automatically. ## Input parameters | Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description | |---|---|---|---|---|---|---| | `prompt` | | string | yes | | | ভিডিও জেনারেশন পরিচালনার জন্য টেক্সট নির্দেশনা। | | `negative_prompt` | | string | no | `` | | ভিডিও জেনারেশনের সময় প্রয়োগ করা negative প্রম্পট। | | `num_frames` | | integer | no | `81` | 17 – 161 | জেনারেশনের ফ্রেম সংখ্যা, অন্তর্ভুক্ত পরিসর 17–161। | | `frames_per_second` | | integer \| null | no | `16` | 4 – 60 | জেনারেট করা ভিডিওর ফ্রেম হার, 4 থেকে 60 পর্যন্ত মান গ্রহণ করে; `adjust_fps_for_interpolation` false সেট করলে এই হার অপরিবর্তিত থাকে। ইন্টারপোলেশন ব্যবহৃত হলে এবং `adjust_fps_for_interpolation` true থাকলে (এটি ডিফল্ট), চূড়ান্ত FPS পেতে এই হারকে ইন্টারপোলেট করা ফ্রেম সংখ্যার সঙ্গে 1-এর যোগফল দিয়ে গুণ করুন। উদাহরণস্বরূপ, 1টি ইন্টারপোলেট করা ফ্রেমসহ 16 FPS হয়ে যায় 32 FPS। | | `seed` | | integer \| null | no | | | পুনরুৎপাদনযোগ্য জেনারেশনের জন্য সিড। এটিকে None সেট করলে এলোমেলোভাবে একটি সিড নির্বাচন করা হয়। | | `resolution` | | enum (string) | no | `720p` | `480p`, `580p`, `720p` | আউটপুট ভিডিওর রেজোলিউশন: 480p, 580p অথবা 720p। | | `aspect_ratio` | | enum (string) | no | `16:9` | `16:9`, `9:16`, `1:1` | আউটপুট ভিডিওর অ্যাসপেক্ট রেশিও, 16:9 অথবা 9:16। | | `num_inference_steps` | | integer | no | `27` | 2 – 40 | Sampling step-এর সংখ্যা; সংখ্যা বাড়ার সঙ্গে processing time বাড়ে এবং quality উন্নত হয়। | | `enable_safety_checker` | | boolean | no | `false` | | প্রসেসিংয়ের আগে ইনপুট সেফটি স্ক্রিনিং, যা কেবল অনুমোদিত অ্যাকাউন্ট বন্ধ করতে পারে। অনুমোদনহীন রিকোয়েস্ট সবসময় স্ক্রিন করা হয়; অন্যথায় true মান স্ক্রিনিং সক্রিয় করে। | | `enable_output_safety_checker` | | boolean | no | `false` | | জেনারেট করা ভিডিওর সেফটি স্ক্রিনিং নিয়ন্ত্রণ করে; true সেট করলে জেনারেশনের পর পরীক্ষা সক্রিয় হয়। | | `enable_prompt_expansion` | | boolean | no | `false` | | একটি large language মডেল-কে বিশদসহ প্রম্পট সমৃদ্ধ করার অনুমতি দেয়। এই সম্প্রসারণ সক্রিয় করলেও প্রম্পটের অর্থ অপরিবর্তিত থাকে। | | `acceleration` | | enum (string) | no | `regular` | `none`, `regular` | অ্যাক্সেলারেশন সেটিং, যেখানে 'regular' প্রস্তাবিত পছন্দ। অ্যাক্সেলারেশন বাড়ালে জেনারেশনের সময় কমে, তবে গুণমান কমে। | | `guidance_scale` | | number | no | `3.5` | 1 – 10 | Classifier-free guidance-এর শক্তি; scale বাড়ার সঙ্গে সম্ভাব্য quality loss-এর বিনিময়ে প্রম্পটের সঙ্গে আরও ঘনিষ্ঠ মিল পাওয়া যায়। | | `guidance_scale_2` | | number | no | `4` | 1 – 10 | মডেল তার দ্বিতীয় পর্যায়ে কতটা ঘনিষ্ঠভাবে প্রম্পট অনুসরণ করবে তা নিয়ন্ত্রণকারী গাইডেন্স স্কেল। | | `shift` | | number | no | `5` | 1 – 10 | ভিডিও শিফট সেটিং, যার অনুমোদিত পরিসর 1.0–10.0। | | `interpolator_model` | | enum (string) | no | `film` | `none`, `film`, `rife` | ফ্রেম ইন্টারপোলেশনের সেটিং: ইন্টারপোলেশন এড়াতে None বেছে নিন অথবা এটি সম্পাদন করার জন্য মডেল নির্দিষ্ট করুন। | | `num_interpolated_frames` | | integer | no | `1` | 0 – 4 | প্রতিটি দুই জেনারেট করা ফ্রেমের মধ্যবর্তী ফাঁকে 0–4টি ইন্টারপোলেট করা ফ্রেম যুক্ত করুন। | | `adjust_fps_for_interpolation` | | boolean | no | `true` | | ফ্রেম-হারের সমন্বয় টগল: false সরবরাহ করা FPS অপরিবর্তিত রাখে, আর true এটিকে ইন্টারপোলেট করা ফ্রেম সংখ্যার সঙ্গে 1-এর যোগফল দিয়ে স্কেল করে। তাই 1টি ফ্রেম ইন্টারপোলেট করা এবং সমন্বয় সক্রিয় থাকলে 16 FPS হয়ে যায় 32 FPS। | | `video_quality` | | enum (string) | no | `high` | `low`, `medium`, `high`, `maximum` | আউটপুট ভিডিওর গুণমানের সেটিং, যা বাড়ালে বড় ফাইলের বিনিময়ে দৃশ্যমানতা উন্নত হয়। | | `video_write_mode` | | enum (string) | no | `balanced` | `fast`, `balanced`, `small` | ভিডিও লেখার মোড, যেখানে balanced গতি ও গুণমানের মধ্যে সমন্বয় করে। সবচেয়ে ছোট ফাইল ও ধীরতম লেখার জন্য small বেছে নিন; দ্রুত লেখা ফলাফল আগে ফেরত দেয়, তবে বড় ফাইল তৈরি করে। | | `loras` | | array of object {path, weight_name, scale, transformer} | no | `[]` | | ইনফারেন্সের সময় প্রয়োগ করা LoRA ওজন। | | `loras[].path` | | string | yes | | | LoRA weights-এর অবস্থান, URL বা path হিসেবে নির্দিষ্ট করা হয়। | | `loras[].weight_name` | | string \| null | no | | | Hugging Face রিপোজিটরিতে 1টির বেশি safetensors ফাইল থাকলেই কেবল প্রয়োজনীয় LoRA weight নাম। `path` এমন রিপোজিটরি শনাক্ত করলেই শুধু এই নাম ব্যবহার করা হয়। | | `loras[].scale` | | number | no | `1` | 0 – 4 | বেস মডেলে মার্জ করার আগে LoRA-এর ওজনে প্রয়োগ করা গুণক। | | `loras[].transformer` | | enum (string) | no | `high` | `high`, `low`, `both` | LoRA ওজনের জন্য Transformer-এর গন্তব্য। উচ্চ-নয়েজ Transformer-এর জন্য 'high', নিম্ন-নয়েজ Transformer-এর জন্য 'low', অথবা উভয় Transformer-এ ওজন লোড করতে 'both' নির্বাচন করুন। | | `reverse_video` | | boolean | no | `false` | | ভিডিও উল্টানোর টগল; true হলে প্লেব্যাক উল্টো হয়। | ## Example input Required parameters only: ```json { "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field" } ``` A fuller example: ```json { "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field" } ``` ## Run it Set `DOITONG_API_KEY` to a key from https://doitong.com/developers/dashboard#keys. `?wait=20` returns the finished request in the same call when it is ready within 20 seconds; otherwise poll `GET /requests/{id}` (it also accepts `?wait=`), or pass `webhook_url`. ### curl ```bash # Run the model; wait up to 20 s for the finished result in the same call curl -X POST "https://api.doitong.ru/v1/run/wan/v2.2-a14b/text-to-video/lora?wait=20" \ -H "Authorization: Bearer $DOITONG_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field" }' # Still "queued" or "running"? Poll with the id from the response: curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \ -H "Authorization: Bearer $DOITONG_API_KEY" ``` ### JavaScript ```javascript const API = "https://api.doitong.ru/v1"; const headers = { "Authorization": "Bearer " + process.env.DOITONG_API_KEY, "Content-Type": "application/json", }; // Run the model; wait up to 20 s for the finished result in the same call let res = await fetch(API + "/run/wan/v2.2-a14b/text-to-video/lora?wait=20", { method: "POST", headers, body: JSON.stringify({ "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field" }), }); let request = await res.json(); if (!res.ok) throw new Error(request.error.code + ": " + request.error.message); // Not finished yet: long-poll until it is while (request.status === "queued" || request.status === "running") { res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers }); request = await res.json(); } if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error)); console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")"); ``` ### Python ```python import os import requests API = "https://api.doitong.ru/v1" headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]} payload = { "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field", } # Run the model; wait up to 20 s for the finished result in the same call r = requests.post(API + "/run/wan/v2.2-a14b/text-to-video/lora", params={"wait": 20}, json=payload, headers=headers) request = r.json() if not r.ok: raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"]) # Not finished yet: long-poll until it is while request["status"] in ("queued", "running"): request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json() if request["status"] != "succeeded": raise RuntimeError(request["error"]) print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"]) ``` ### MCP The MCP server at `https://api.doitong.ru/v1/mcp` exposes the tools `search_models`, `get_model`, `quote`, `run`, `get_request`, `cancel_request`, `list_requests`, `create_upload` and `get_account`. A `run` call for this model: ```json { "jsonrpc": "2.0", "id": 1, "method": "tools/call", "params": { "name": "run", "arguments": { "model_id": "wan/v2.2-a14b/text-to-video/lora", "input": { "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field" }, "wait_seconds": 20 } } } ``` ## Response Every call returns a request object. `status` is one of `queued`, `running`, `succeeded`, `failed`, `canceled`. `outputs` lists the generated files with URLs on our storage (kept forever, or 7 days with `?storage=temporary`; `storage` says which); `output` is the model's own result object with the same URLs. ```json { "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t", "object": "request", "model": "wan/v2.2-a14b/text-to-video/lora", "status": "succeeded", "created_at": "2026-10-20T12:00:00Z", "started_at": "2026-10-20T12:00:02Z", "completed_at": "2026-10-20T12:00:09Z", "queue_position": null, "cost": { "credits": 507, "usd": "0.507", "charged": 507, "refunded": 0 }, "input": { "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field" }, "output": { "video": { "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4", "content_type": "video/mp4", "file_name": "0-output.mp4", "file_size": 1843200 }, "prompt": "A close-up of a young woman smiling gently in the rain, raindrops glistening on her face and eyelashes. The video captures the delicate details of her expression and the water droplets, with soft light reflecting off her skin in the rainy atmosphere.", "seed": 42 }, "outputs": [ { "type": "video", "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4", "content_type": "video/mp4", "file_size": 1843200, "width": 1280, "height": 720, "duration": 5, "stored": true } ], "error": null, "metrics": { "inference_seconds": 6.8 }, "urls": { "self": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t", "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel" } } ``` ### Output fields (`output`) | Field | Type | Description | |---|---|---| | `video` | object {url, content_type, file_name, file_size} | জেনারেশনের মাধ্যমে তৈরি ভিডিও ফাইল। | | `prompt` | string | ভিডিও জেনারেট করতে ব্যবহৃত টেক্সট প্রম্পট। | | `seed` | integer | জেনারেশনের সময় প্রয়োগ করা সিডের মান। | ## Related models - [Wan v2.2 A14B Text-to-Image A14B with LoRAs](https://doitong.com/developers/models/wan/v2.2-a14b/text-to-image/lora.md) (`wan/v2.2-a14b/text-to-image/lora`): $0.05 / image - [Wan v2.2 A14B Image-to-Video A14B with LoRAs](https://doitong.com/developers/models/wan/v2.2-a14b/image-to-video/lora.md) (`wan/v2.2-a14b/image-to-video/lora`): from $1.006 / run - [Wan 3.0 Text to Video](https://doitong.com/developers/models/alibaba/wan-3.0/text-to-video.md) (`alibaba/wan-3.0/text-to-video`): from $0.05 / second - [FLUX 3 Max Text to Video](https://doitong.com/developers/models/blackforestlabs/flux-3-max/text-to-video.md) (`blackforestlabs/flux-3-max/text-to-video`): from $0.0425 / second of output video - [Grok Imagine Video 1.5 Text to Video](https://doitong.com/developers/models/xai/grok-imagine-video/v1.5/text-to-video.md) (`xai/grok-imagine-video/v1.5/text-to-video`): from $0.08 / second - [Kling 3.0 Pro Text to Video](https://doitong.com/developers/models/kling-video/v3/pro/text-to-video.md) (`kling-video/v3/pro/text-to-video`): from $0.112 / second - [LTX 2.5 Pro Text to Video](https://doitong.com/developers/models/lightricks/ltx-2.5/text-to-video/pro.md) (`lightricks/ltx-2.5/text-to-video/pro`): from $0.12 / second - [MiniMax H3 Text to Video](https://doitong.com/developers/models/minimax/h3/text-to-video.md) (`minimax/h3/text-to-video`): from $0.05 / second ## Links - HTML page: https://doitong.com/developers/models/wan/v2.2-a14b/text-to-video/lora - All models and guides for AI agents: https://doitong.com/developers/llms.txt - OpenAPI 3.1 with this model's typed request body: https://doitong.com/developers/openapi.json?model=wan/v2.2-a14b/text-to-video/lora - Errors: https://doitong.com/developers/docs/errors - Model details as JSON: https://api.doitong.ru/v1/models/wan/v2.2-a14b/text-to-video/lora