# Wan v2.2 5B · Text to Video API

> 5B मॉडल वाला टेक्स्ट-टू-वीडियो: 580p या 720p, 16:9, 9:16 या 1:1 और वैकल्पिक फ़्रेम इंटरपोलेशन

टेक्स्ट `prompt` से वीडियो क्लिप बनाता है। लंबाई `num_frames` (17 से 161) और `frames_per_second` (4 से 60) से सेट होती है, जबकि `resolution` 580p या 720p और आस्पेक्ट रेशियो 16:9, 9:16 या 1:1 होते हैं। film या rife के साथ फ़्रेम इंटरपोलेशन सक्षम किया जा सकता है और आउटपुट गुणवत्ता तथा फ़ाइल लेखन मोड समायोजित किए जा सकते हैं। यह अधिकतम 50 इन्फ़रेंस चरणों वाला मानक-गाइडेंस संस्करण है।

- Model id: `wan/v2.2-5b/text-to-video`
- Made by: Alibaba
- Category: Text to Video
- Output: video
- Price: $0.15 / video (cheapest run $0.15 (150 API credits))
- Run: `POST https://api.doitong.ru/v1/run/wan/v2.2-5b/text-to-video`
- Quote: `POST https://api.doitong.ru/v1/quote/wan/v2.2-5b/text-to-video`
- Docs page: https://doitong.com/hi/developers/models/wan/v2.2-5b/text-to-video

## Pricing

Price: **$0.15 / video**. Billed once per generated video.

The full example input below costs $0.15 = 150 API credits (1 video × 150 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/v2.2-5b/text-to-video` 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 |  |  | वीडियो निर्माण का मार्गदर्शन करने वाले टेक्स्ट निर्देश। |
| `negative_prompt` |  | string | no | `` |  | वीडियो बनाते समय लागू किया गया नकारात्मक प्रॉम्प्ट। |
| `num_frames` |  | integer | no | `81` | 17 – 161 | निर्माण के लिए फ़्रेम की संख्या, 17–161 की समावेशी सीमा के साथ। |
| `frames_per_second` |  | integer \| null | no | `24` | 4 – 60 | निर्मित वीडियो फ़्रेम दर, 4 से 60 तक के मान स्वीकार करती है; `adjust_fps_for_interpolation` को false पर सेट करने से यह दर अपरिवर्तित रहती है। इंटरपोलेशन के साथ `adjust_fps_for_interpolation` true होने पर (यह इसका डिफ़ॉल्ट है), अंतिम FPS प्राप्त करने के लिए इस दर को इंटरपोलेट किए गए फ़्रेम की संख्या plus one से गुणा करें। उदाहरण के लिए, 1 इंटरपोलेट किए गए फ़्रेम के साथ 16 FPS, 32 FPS हो जाता है। |
| `seed` |  | integer \| null | no |  |  | निर्माण को पुनरुत्पाद्य बनाने वाली सीड। इसे None पर सेट करने से सीड यादृच्छिक रूप से चुनी जाती है। |
| `resolution` |  | enum (string) | no | `720p` | `580p`, `720p` | आउटपुट वीडियो रिज़ॉल्यूशन, 580p या 720p। |
| `aspect_ratio` |  | enum (string) | no | `16:9` | `16:9`, `9:16`, `1:1` | आउटपुट वीडियो का आस्पेक्ट रेशियो, 16:9 या 9:16। |
| `num_inference_steps` |  | integer | no | `40` | 2 – 50 | sampling step count, जिसमें count बढ़ने पर अधिक processing time के बदले बेहतर गुणवत्ता मिलती है। |
| `enable_safety_checker` |  | boolean | no | `false` |  | प्रोसेसिंग से पहले इनपुट सुरक्षा जाँच, जिसे केवल अधिकृत खाते बंद कर सकते हैं। प्राधिकरण रहित अनुरोध हमेशा जाँचे जाते हैं; अन्यथा true जाँच सक्षम करता है। |
| `enable_output_safety_checker` |  | boolean | no | `false` |  | निर्मित वीडियो की सुरक्षा जाँच नियंत्रित करता है; true सेट करने पर निर्माण के बाद जाँच सक्षम होती है। |
| `enable_prompt_expansion` |  | boolean | no | `false` |  | बड़े भाषा मॉडल को विवरणों के साथ प्रॉम्प्ट समृद्ध करने दें। इस विस्तार को सक्षम करने पर प्रॉम्प्ट का अर्थ अपरिवर्तित रहता है। |
| `guidance_scale` |  | number | no | `3.5` | 1 – 10 | Classifier-free guidance की शक्ति, जिसमें scale बढ़ने पर संभावित गुणवत्ता ह्रास के बदले प्रॉम्प्ट से अधिक निकटता से मिलान होता है। |
| `shift` |  | number | no | `5` | 1 – 10 | वीडियो शिफ्ट सेटिंग, जिसकी अनुमत सीमा 1.0–10.0 है। |
| `interpolator_model` |  | enum (string) | no | `film` | `none`, `film`, `rife` | फ़्रेम इंटरपोलेशन सेटिंग: इंटरपोलेशन छोड़ने के लिए None चुनें या इसे करने वाला मॉडल निर्दिष्ट करें। |
| `num_interpolated_frames` |  | integer | no | `0` | 0 – 4 | प्रत्येक दो निर्मित फ़्रेमों के बीच के अंतराल में 0–4 इंटरपोलेट किए गए फ़्रेम डालें। |
| `adjust_fps_for_interpolation` |  | boolean | no | `true` |  | फ़्रेम-दर समायोजन टॉगल: false दिए गए FPS को बनाए रखता है, जबकि true इसे इंटरपोलेट किए गए फ़्रेम की संख्या plus one से स्केल करता है। इसलिए, 1 फ़्रेम इंटरपोलेट होने और समायोजन सक्षम होने पर 16 FPS, 32 FPS हो जाता है। |
| `video_quality` |  | enum (string) | no | `high` | `low`, `medium`, `high`, `maximum` | आउटपुट वीडियो गुणवत्ता सेटिंग, जिसे बढ़ाने पर बेहतर दृश्य के बदले फ़ाइलें बड़ी होती हैं। |
| `video_write_mode` |  | enum (string) | no | `balanced` | `fast`, `balanced`, `small` | वीडियो लेखन मोड, जिसमें balanced गति और गुणवत्ता के बीच संतुलन देता है। सबसे छोटी फ़ाइलों और सबसे धीमे लेखन के लिए small चुनें; तेज़ लेखन परिणाम जल्दी लौटाता है, लेकिन बड़ी फ़ाइलें बनाता है। |

## 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/v2.2-5b/text-to-video?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/v2.2-5b/text-to-video?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/v2.2-5b/text-to-video", 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/v2.2-5b/text-to-video",
      "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/v2.2-5b/text-to-video",
  "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": 150,
    "usd": "0.15",
    "charged": 150,
    "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 medium shot establishes a modern, minimalist office setting: clean lines, muted grey walls, and polished wood surfaces. The focus shifts to a close-up on a woman in sharp, navy blue business attire. Her crisp white blouse contrasts with the deep blue of her tailored suit jacket. The subtle texture of the fabric is visible—a fine weave with a slight sheen. Her expression is serious, yet engaging, as she speaks to someone unseen just beyond the frame. Close-up on her eyes, showing the intensity of her gaze and the fine lines around them that hint at experience and focus. Her lips are slightly parted, as if mid-sentence. The light catches the subtle highlights in her auburn hair, meticulously styled. Note the slight catch of light on the silver band of her watch. High resolution 4k",
    "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} | निर्माण से तैयार की गई वीडियो फ़ाइल। |
| `prompt` | string | वीडियो बनाने के लिए उपयोग किया गया टेक्स्ट प्रॉम्प्ट। |
| `seed` | integer | निर्माण के दौरान लागू किया गया सीड मान। |

## Related models

- [Wan · v2.2 5b · Text to Image](https://doitong.com/developers/models/wan/v2.2-5b/text-to-image.md) (`wan/v2.2-5b/text-to-image`): $0.016 / image
- [Wan · v2.2 5b · Text to Video · Distill](https://doitong.com/developers/models/wan/v2.2-5b/text-to-video/distill.md) (`wan/v2.2-5b/text-to-video/distill`): $0.08 / video
- [Wan v2.2 5B · Image to Video](https://doitong.com/developers/models/wan/v2.2-5b/image-to-video.md) (`wan/v2.2-5b/image-to-video`): $0.15 / video
- [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

## Links

- HTML page: https://doitong.com/developers/models/wan/v2.2-5b/text-to-video
- 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/v2.2-5b/text-to-video
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.ru/v1/models/wan/v2.2-5b/text-to-video