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

> สร้างวิดีโอจากข้อความด้วย A14B รองรับ LoRA และการเล่นย้อนกลับแบบเลือกได้

สร้างวิดีโอจากข้อความใน `prompt` พร้อมใช้น้ำหนัก LoRA ที่ระบุใน `loras` `reverse_video` จะเล่นคลิปย้อนกลับ `num_frames` อยู่ในช่วง 17 ถึง 161, `resolution` คือ 480p, 580p หรือ 720p และอัตราส่วนภาพคือ 16:9, 9:16 หรือ 1:1 รองรับการแทรกเฟรมแบบ film หรือ rife และสเกลการนำทางสองค่า

- 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/th/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 |  |  | คำสั่งข้อความที่ใช้ควบคุมการสร้างวิดีโอ |
| `negative_prompt` |  | string | no | `` |  | พรอมต์เชิงลบที่ใช้เมื่อสร้างวิดีโอ |
| `num_frames` |  | integer | no | `81` | 17 – 161 | จำนวนเฟรมสำหรับการสร้าง โดยอยู่ในช่วง 17–161 และรวมค่าขอบเขต |
| `frames_per_second` |  | integer \| null | no | `16` | 4 – 60 | อัตราเฟรมวิดีโอที่สร้าง รองรับค่าตั้งแต่ 4 ถึง 60 การตั้งค่า `adjust_fps_for_interpolation` เป็น false จะคงอัตรานี้ไว้โดยไม่เปลี่ยนแปลง เมื่อใช้การอินเทอร์โพเลชันและตั้งค่า `adjust_fps_for_interpolation` เป็น true (ค่าเริ่มต้น) ให้คูณอัตรานี้ด้วยหนึ่งบวกจำนวนเฟรมที่อินเทอร์โพเลตเพื่อคำนวณ FPS สุดท้าย เช่น 16 FPS ที่มีเฟรมอินเทอร์โพเลต 1 เฟรมจะกลายเป็น 32 FPS |
| `seed` |  | integer \| null | no |  |  | Seed ที่ทำให้การสร้างได้ผลลัพธ์ซ้ำเดิม การตั้งค่าเป็น None จะสุ่มเลือก seed |
| `resolution` |  | enum (string) | no | `720p` | `480p`, `580p`, `720p` | ความละเอียดวิดีโอเอาต์พุต: 480p, 580p หรือ 720p |
| `aspect_ratio` |  | enum (string) | no | `16:9` | `16:9`, `9:16`, `1:1` | อัตราส่วนภาพของวิดีโอเอาต์พุต ซึ่งเป็น 16:9 หรือ 9:16 |
| `num_inference_steps` |  | integer | no | `27` | 2 – 40 | จำนวนขั้นตอนการสุ่มตัวอย่าง ซึ่งแลกเวลาในการประมวลผลที่นานขึ้นกับคุณภาพที่ดีขึ้นเมื่อเพิ่มจำนวน |
| `enable_safety_checker` |  | boolean | no | `false` |  | การตรวจสอบความปลอดภัยของอินพุตก่อนประมวลผล ซึ่งมีเพียงบัญชีที่ได้รับอนุญาตเท่านั้นที่ปิดใช้ได้ คำขอที่ไม่มีสิทธิ์จะถูกตรวจสอบเสมอ มิฉะนั้นค่า true จะเปิดใช้การตรวจสอบ |
| `enable_output_safety_checker` |  | boolean | no | `false` |  | ควบคุมการตรวจสอบความปลอดภัยของวิดีโอที่สร้าง โดยตั้งค่า true เพื่อเปิดใช้การตรวจสอบหลังการสร้าง |
| `enable_prompt_expansion` |  | boolean | no | `false` |  | อนุญาตให้โมเดลภาษาขนาดใหญ่เพิ่มรายละเอียดให้พรอมต์ การเปิดใช้ส่วนขยายนี้จะไม่เปลี่ยนความหมายของพรอมต์ |
| `acceleration` |  | enum (string) | no | `regular` | `none`, `regular` | การตั้งค่าการเร่งความเร็ว โดยแนะนำให้เลือก 'regular' การเพิ่มการเร่งความเร็วจะลดคุณภาพเพื่อย่นเวลาในการสร้าง |
| `guidance_scale` |  | number | no | `3.5` | 1 – 10 | ความแรงของการกำกับแบบ Classifier-free ซึ่งแลกความเป็นไปได้ที่จะสูญเสียคุณภาพกับการจับคู่พรอมต์ที่ใกล้เคียงขึ้นเมื่อเพิ่มสเกล |
| `guidance_scale_2` |  | number | no | `4` | 1 – 10 | สเกลการกำกับที่ควบคุมว่าโมเดลจะทำตามพรอมต์ในระยะที่สองได้ใกล้เคียงเพียงใด |
| `shift` |  | number | no | `5` | 1 – 10 | การตั้งค่าการเลื่อนวิดีโอ โดยค่าที่อนุญาตอยู่ในช่วง 1.0–10.0 |
| `interpolator_model` |  | enum (string) | no | `film` | `none`, `film`, `rife` | การตั้งค่าการอินเทอร์โพเลตเฟรม: เลือก None เพื่อข้ามการอินเทอร์โพเลชัน หรือระบุโมเดลที่จะดำเนินการ |
| `num_interpolated_frames` |  | integer | no | `1` | 0 – 4 | แทรกเฟรมที่อินเทอร์โพเลต 0–4 เฟรมลงในทุกช่องว่างระหว่างเฟรมที่สร้างสองเฟรม |
| `adjust_fps_for_interpolation` |  | boolean | no | `true` |  | ตัวเลือกปรับอัตราเฟรม: false จะคง FPS ที่ระบุไว้ ส่วน true จะคูณด้วยหนึ่งบวกจำนวนเฟรมที่อินเทอร์โพเลต ดังนั้น 16 FPS จะกลายเป็น 32 FPS เมื่ออินเทอร์โพเลต 1 เฟรมและเปิดใช้การปรับ |
| `video_quality` |  | enum (string) | no | `high` | `low`, `medium`, `high`, `maximum` | การตั้งค่าคุณภาพวิดีโอเอาต์พุต ซึ่งจะใช้พื้นที่ไฟล์มากขึ้นเพื่อปรับปรุงภาพเมื่อเพิ่มค่า |
| `video_write_mode` |  | enum (string) | no | `balanced` | `fast`, `balanced`, `small` | โหมดการเขียนวิดีโอ โดย balanced เป็นการประนีประนอมระหว่างความเร็วและคุณภาพ เลือก small เพื่อให้ได้ไฟล์เล็กที่สุดและเขียนช้าที่สุด การเขียนที่เร็วขึ้นจะส่งคืนผลลัพธ์เร็วกว่าแต่สร้างไฟล์ขนาดใหญ่กว่า |
| `loras` |  | array of object {path, weight_name, scale, transformer} | no | `[]` |  | น้ำหนัก LoRA ที่ใช้ระหว่างการอนุมาน |
| `loras[].path` |  | string | yes |  |  | ตำแหน่งของน้ำหนัก LoRA ระบุเป็น URL หรือพาธ |
| `loras[].weight_name` |  | string \| null | no |  |  | ชื่อค่าน้ำหนัก LoRA ซึ่งจำเป็นเฉพาะเมื่อที่เก็บ Hugging Face มีไฟล์ safetensors มากกว่า 1 ไฟล์ ชื่อนี้จะใช้เฉพาะเมื่อ `path` ระบุที่เก็บดังกล่าว |
| `loras[].scale` |  | number | no | `1` | 0 – 4 | ตัวคูณที่ใช้กับน้ำหนัก LoRA ก่อนผสานเข้ากับโมเดลพื้นฐาน |
| `loras[].transformer` |  | enum (string) | no | `high` | `high`, `low`, `both` | ปลายทางของ Transformer สำหรับน้ำหนัก LoRA เลือก 'high' สำหรับ Transformer ที่มีสัญญาณรบกวนสูง, 'low' สำหรับ Transformer ที่มีสัญญาณรบกวนต่ำ หรือ 'both' เพื่อโหลดน้ำหนักไปยัง Transformer ทั้งสองตัว |
| `reverse_video` |  | boolean | no | `false` |  | ตัวเลือกย้อนกลับวิดีโอ โดยค่า true จะย้อนการเล่น |

## 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} | ไฟล์วิดีโอที่สร้างขึ้น |
| `prompt` | string | พรอมต์ข้อความที่ใช้สร้างวิดีโอ |
| `seed` | integer | ค่า Seed ที่ใช้ระหว่างการสร้าง |

## 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