# Wan v2.2 5B · Text to Video API

> 5B ماڈل کے ساتھ text-to-video: 580p یا 720p، 16:9، 9:16 یا 1:1، اختیاری فریم انٹرپولیشن

متن کے `prompt` سے ویڈیو کلپ بناتا ہے۔ لمبائی `num_frames` (17 سے 161) اور `frames_per_second` (4 سے 60) سے مقرر ہوتی ہے، `resolution` 580p یا 720p اور نسبتِ ابعاد 16:9، 9:16 یا 1:1 کے ساتھ۔ film یا rife فریم انٹرپولیشن فعال کی جا سکتی ہے، اور آؤٹ پٹ معیار و فائل لکھنے کا موڈ قابلِ ترتیب ہیں۔ یہ standard-guidance ویرینٹ ہے، جس میں زیادہ سے زیادہ 50 اِنفرنس مراحل ہیں۔

- 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/ur/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 |  |  | ویڈیو تخلیق کی رہنمائی کرنے والی متنی ہدایات۔ |
| `negative_prompt` |  | string | no | `` |  | ویڈیو تخلیق کرتے وقت لاگو ہونے والا منفی پرامپٹ۔ |
| `num_frames` |  | integer | no | `81` | 17 – 161 | تخلیق کے لیے فریموں کی تعداد، 17–161 کی inclusive range کے ساتھ۔ |
| `frames_per_second` |  | integer \| null | no | `24` | 4 – 60 | تخلیق کردہ ویڈیو کا فریم ریٹ، 4 سے 60 تک قدریں قبول کرتا ہے؛ `adjust_fps_for_interpolation` کو false کرنے سے یہ ریٹ تبدیل نہیں ہوتا۔ interpolation کے استعمال اور `adjust_fps_for_interpolation` کے true ہونے پر (یہ اس کا ڈیفالٹ ہے)، حتمی FPS حاصل کرنے کے لیے اس ریٹ کو interpolated فریموں کی تعداد جمع 1 سے ضرب دیں۔ مثال کے طور پر، 1 interpolated فریم کے ساتھ 16 FPS، 32 FPS بن جاتا ہے۔ |
| `seed` |  | integer \| null | no |  |  | تخلیق کو قابلِ تکرار بنانے والا سیڈ۔ اسے None پر سیٹ کرنے سے سیڈ تصادفی طور پر منتخب ہوتا ہے۔ |
| `resolution` |  | enum (string) | no | `720p` | `580p`, `720p` | آؤٹ پٹ ویڈیو ریزولوشن، 580p یا 720p۔ |
| `aspect_ratio` |  | enum (string) | no | `16:9` | `16:9`, `9:16`, `1:1` | آؤٹ پٹ ویڈیو کا aspect ratio، 16:9 یا 9:16۔ |
| `num_inference_steps` |  | integer | no | `40` | 2 – 50 | sampling steps کی تعداد، جس میں تعداد بڑھنے کے ساتھ زیادہ پروسیسنگ وقت کے بدلے بہتر معیار ملتا ہے۔ |
| `enable_safety_checker` |  | boolean | no | `false` |  | پراسیسنگ سے پہلے ان پٹ کی حفاظتی جانچ، جسے صرف مجاز اکاؤنٹس بند کر سکتے ہیں۔ اجازت کے بغیر درخواستوں کی ہمیشہ جانچ ہوتی ہے؛ بصورت دیگر true جانچ فعال کرتا ہے۔ |
| `enable_output_safety_checker` |  | boolean | no | `false` |  | تخلیق کردہ ویڈیو کی حفاظتی جانچ متعین کرتا ہے؛ true رکھنے سے تخلیق کے بعد جانچ فعال ہوتی ہے۔ |
| `enable_prompt_expansion` |  | boolean | no | `false` |  | بڑے ماڈل کو تفصیلات کے ساتھ پرامپٹ بہتر بنانے کی اجازت دیں۔ یہ توسیع فعال کرنے سے پرامپٹ کا مفہوم تبدیل نہیں ہوتا۔ |
| `guidance_scale` |  | number | no | `3.5` | 1 – 10 | Classifier-free guidance کی طاقت، اسکیل بڑھنے کے ساتھ ممکنہ معیار کے نقصان کے بدلے پرامپٹ سے زیادہ قریب مطابقت فراہم کرتی ہے۔ |
| `shift` |  | number | no | `5` | 1 – 10 | ویڈیو shift کی ترتیب، جس کی مجاز حد 1.0–10.0 ہے۔ |
| `interpolator_model` |  | enum (string) | no | `film` | `none`, `film`, `rife` | فریم interpolation کی ترتیب: interpolation چھوڑنے کے لیے None، یا اسے انجام دینے والا ماڈل متعین کریں۔ |
| `num_interpolated_frames` |  | integer | no | `0` | 0 – 4 | ہر دو تخلیق کردہ فریموں کے درمیان gap میں 0–4 interpolated فریم داخل کریں۔ |
| `adjust_fps_for_interpolation` |  | boolean | no | `true` |  | Frame-rate adjustment کا toggle: false فراہم کردہ FPS برقرار رکھتا ہے، جبکہ true اسے interpolated فریموں کی تعداد جمع 1 سے scale کرتا ہے۔ یوں 1 فریم interpolate ہونے اور adjustment فعال ہونے پر 16 FPS، 32 FPS بن جاتا ہے۔ |
| `video_quality` |  | enum (string) | no | `high` | `low`, `medium`, `high`, `maximum` | آؤٹ پٹ ویڈیو کے معیار کی ترتیب؛ قدر بڑھنے پر بڑی فائلوں کے بدلے بہتر بصری نتائج ملتے ہیں۔ |
| `video_write_mode` |  | enum (string) | no | `balanced` | `fast`, `balanced`, `small` | ویڈیو writing موڈ؛ balanced رفتار اور معیار کے درمیان سمجھوتا پیش کرتا ہے۔ سب سے چھوٹی فائلوں اور سست ترین writing کے لیے small منتخب کریں؛ faster writing نتائج جلد لوٹاتا ہے مگر بڑی فائلیں بناتا ہے۔ |

## 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} | تخلیق سے تیار کردہ ویڈیو فائل۔ |
| `prompt` | string | ویڈیو کی تخلیق کے لیے استعمال ہونے والا متنی پرامپٹ۔ |
| `seed` | integer | تخلیق کے دوران لاگو ہونے والی سیڈ قدر۔ |

## 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