# Wan-2.2 Text-to-Video A14B with LoRAs API

> text-to-video של A14B עם תמיכה ב-LoRA וניגון לאחור אופציונלי

יוצר וידאו מ-`prompt` טקסטואלי תוך החלת משקלי LoRA המפורטים ב-`loras`. `reverse_video` מנגן את הקטע לאחור. `num_frames` נע בין 17 ל-161, `resolution` הוא 480p, 580p או 720p, ויחס הממדים הוא 16:9, 9:16 או 1:1. זמינות אינטרפולציית film או rife ושני סולמות הנחיה.

- 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/he/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 |  |  | הוראות טקסטואליות המנחות את יצירת הווידאו. |
| `negative_prompt` |  | string | no | `` |  | הנחיה שלילית שהוחלה בעת יצירת וידאו. |
| `num_frames` |  | integer | no | `81` | 17 – 161 | מספר הפריימים ליצירה, בטווח כולל של 17–161. |
| `frames_per_second` |  | integer \| null | no | `16` | 4 – 60 | קצב הפריימים של הווידאו שנוצר, המקבל ערכים מ-4 עד 60; הגדרת `adjust_fps_for_interpolation` ל-false משמרת את הקצב ללא שינוי. כאשר נעשה שימוש באינטרפולציה ו-`adjust_fps_for_interpolation` הוא true (ברירת המחדל שלו), יש להכפיל קצב זה באחד ועוד מספר הפריימים שעברו אינטרפולציה כדי לקבל את ה-FPS הסופי. לדוגמה, 16 FPS עם פריים אחד שעבר אינטרפולציה הופך ל-32 FPS. |
| `seed` |  | integer \| null | no |  |  | Seed שהופך את היצירה לניתנת לשחזור. הגדרתו ל-None בוחרת Seed באקראי. |
| `resolution` |  | enum (string) | no | `720p` | `480p`, `580p`, `720p` | רזולוציית פלט הווידאו: 480p, 580p או 720p. |
| `aspect_ratio` |  | enum (string) | no | `16:9` | `16:9`, `9:16`, `1:1` | יחס הגובה־רוחב של וידאו הפלט, 16:9 או 9:16. |
| `num_inference_steps` |  | integer | no | `27` | 2 – 40 | מספר צעדי הדגימה, המאזן בין זמן עיבוד ארוך יותר לאיכות טובה יותר ככל שהמספר גדל. |
| `enable_safety_checker` |  | boolean | no | `false` |  | בדיקת בטיחות של הקלט לפני העיבוד, שרק חשבונות מורשים יכולים להשבית. בקשות ללא הרשאה נבדקות תמיד; אחרת, true מפעיל את הבדיקה. |
| `enable_output_safety_checker` |  | boolean | no | `false` |  | קובע את בדיקת הבטיחות של הווידאו שנוצר; הגדרת true מפעילה בדיקה לאחר היצירה. |
| `enable_prompt_expansion` |  | boolean | no | `false` |  | מאפשר למודל שפה גדול להעשיר את ההנחיה בפרטים. הפעלת ההרחבה אינה משנה את משמעות ההנחיה. |
| `acceleration` |  | enum (string) | no | `regular` | `none`, `regular` | הגדרת האצה, כאשר 'regular' היא הבחירה המומלצת. הגדלת ההאצה מפחיתה את האיכות כדי לקצר את זמן היצירה. |
| `guidance_scale` |  | number | no | `3.5` | 1 – 10 | עוצמת הנחיה ללא מסווג, המאזנת בין אובדן איכות אפשרי להתאמה קרובה יותר להנחיה ככל שהקנה מידה גדל. |
| `guidance_scale_2` |  | number | no | `4` | 1 – 10 | סולם הנחיה הקובע עד כמה המודל עוקב אחר ההנחיה בשלב השני שלו. |
| `shift` |  | number | no | `5` | 1 – 10 | הגדרת היסט וידאו, בטווח המותר 1.0–10.0. |
| `interpolator_model` |  | enum (string) | no | `film` | `none`, `film`, `rife` | הגדרת אינטרפולציית פריימים: יש לבחור None לדילוג על אינטרפולציה, או לציין את המודל שיבצע אותה. |
| `num_interpolated_frames` |  | integer | no | `1` | 0 – 4 | הוספת 0–4 פריימים שעברו אינטרפולציה לכל רווח בין שני פריימים שנוצרו. |
| `adjust_fps_for_interpolation` |  | boolean | no | `true` |  | מתג התאמת קצב פריימים: false משמר את ה-FPS שסופק, ואילו true מגדיל אותו באחד ועוד מספר הפריימים שעברו אינטרפולציה. לכן 16 FPS הופך ל-32 FPS כאשר מתבצעת אינטרפולציה של פריים אחד וההתאמה מופעלת. |
| `video_quality` |  | enum (string) | no | `high` | `low`, `medium`, `high`, `maximum` | הגדרת איכות פלט הווידאו, המחליפה קבצים גדולים יותר בשיפור חזותי ככל שהערך עולה. |
| `video_write_mode` |  | enum (string) | no | `balanced` | `fast`, `balanced`, `small` | מצב כתיבת וידאו, כאשר balanced מציע פשרה בין מהירות לאיכות. יש לבחור small לקבצים הקטנים ביותר ולכתיבה האיטית ביותר; כתיבה מהירה יותר מחזירה תוצאות מוקדם יותר אך יוצרת קבצים גדולים יותר. |
| `loras` |  | array of object {path, weight_name, scale, transformer} | no | `[]` |  | משקלי LoRA המוחלים במהלך ההסקה. |
| `loras[].path` |  | string | yes |  |  | מיקום משקלי ה־LoRA, המצוין ככתובת URL או כנתיב. |
| `loras[].weight_name` |  | string \| null | no |  |  | שם משקל LoRA, נדרש רק כאשר מאגר Hugging Face מכיל יותר מקובץ safetensors אחד. נעשה בשם זה שימוש רק כאשר `path` מזהה מאגר כזה. |
| `loras[].scale` |  | number | no | `1` | 0 – 4 | מכפיל המוחל על משקל ה־LoRA לפני מיזוגו במודל הבסיס. |
| `loras[].transformer` |  | enum (string) | no | `high` | `high`, `low`, `both` | יעד הטרנספורמר עבור משקל LoRA. יש לבחור 'high' עבור הטרנספורמר בעל הרעש הגבוה, 'low' עבור הטרנספורמר בעל הרעש הנמוך, או 'both' לטעינת המשקל בשני הטרנספורמרים. |
| `reverse_video` |  | boolean | no | `false` |  | מתג היפוך וידאו; true הופך את כיוון ההפעלה. |

## 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} | קובץ הווידאו שנוצר. |
| `prompt` | string | הנחיית טקסט ששימשה ליצירת הווידאו. |
| `seed` | integer | ערך Seed המוחל במהלך היצירה. |

## 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