# Wan 2.2 14B Image Trainer API

> Εκπαιδεύει LoRA του Wan 2.2 14B στις εικόνες σας για θέμα ή στυλ και επιστρέφει αρχεία LoRA χαμηλού και υψηλού θορύβου

Βελτιστοποιεί ένα LoRA για Wan 2.2 text-to-image από σύνολο δεδομένων στο `training_data_url`, με απαιτούμενη φράση ενεργοποίησης `trigger_phrase`. Το `steps` κυμαίνεται από 10 έως 6000 και το `learning_rate` από 1e-6 έως 0.1. Η ανίχνευση προσώπου, η περικοπή προσώπου και οι μάσκες μπορούν να ενεργοποιούνται ή να απενεργοποιούνται, ενώ το `is_style` απενεργοποιεί τις επιλογές που αφορούν το πρόσωπο. Οι έξοδοι περιλαμβάνουν αρχείο ρυθμίσεων και ξεχωριστά αρχεία LoRA χαμηλού και υψηλού θορύβου.

- Model id: `wan-22-image-trainer`
- Made by: Alibaba
- Category: Training
- Output: file
- Price per run: from $0.45 / run (cheapest run $0.45 (450 API credits))
- Run: `POST https://api.doitong.com/v1/run/wan-22-image-trainer`
- Quote: `POST https://api.doitong.com/v1/quote/wan-22-image-trainer`
- Docs page: https://doitong.com/el/developers/models/wan-22-image-trainer

## Pricing

Price: **from $0.45 / run** (the lowest tier; the quote prices your exact input). Price per run: the input files are measured before the run (length, resolution, frame rate). The quote measures the same files and is exactly what the run charges.

The full example input below costs $4.50 = 4500 API credits (1 run × $4.50).

Prices are the upstream price in USD, paid from the API balance in API credits (1000 API credits = 1 USD). `POST https://api.doitong.com/v1/quote/wan-22-image-trainer` 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 |
|---|---|---|---|---|---|---|
| `training_data_url` |  | string | yes |  |  | Τοποθεσία δεδομένων εκπαίδευσης ως URL. |
| `trigger_phrase` |  | string | yes |  |  | Φράση που χρησιμοποιείται για την ενεργοποίηση του μοντέλου. |
| `include_synthetic_captions` |  | boolean | no | `false` |  | Ελέγχει τη συμπερίληψη συνθετικών λεζαντών. |
| `use_face_detection` |  | boolean | no | `true` |  | Εναλλαγή αλλαγής μεγέθους με επίκεντρο το πρόσωπο για εικόνες εκπαίδευσης: η ενεργοποίηση της ανίχνευσης προσώπου κάνει το κέντρο του ανιχνευμένου προσώπου κέντρο της εικόνας κατά την αλλαγή μεγέθους. |
| `use_face_cropping` |  | boolean | no | `false` |  | Εναλλαγή περικοπής προσώπου για εικόνες εκπαίδευσης, που προσθέτει περικοπή γύρω από το πρόσωπο πριν από το βήμα αλλαγής μεγέθους όταν είναι ενεργή. |
| `use_masks` |  | boolean | no | `true` |  | Ελέγχει τη χρήση μάσκας για τα δεδομένα εκπαίδευσης. |
| `steps` |  | integer | no | `1000` | 10 – 6,000 | Συνολικό πλήθος βημάτων εκπαίδευσης. |
| `learning_rate` |  | number | no | `0.0007` | 0.000001 – 0.1 | Ρυθμός μάθησης κατά την εκπαίδευση. |
| `is_style` |  | boolean | no | `false` |  | Χαρακτηρισμός δεδομένων στυλ για εκπαίδευση· η ρύθμιση σε true απενεργοποιεί χαρακτηριστικά ειδικά για πρόσωπα, συμπεριλαμβανομένης της κάλυψης και της ανίχνευσης προσώπου. |

## Example input

Required parameters only:

```json
{
  "training_data_url": "https://example.com/your-file.zip",
  "trigger_phrase": "example"
}
```

A fuller example:

```json
{
  "training_data_url": "https://example.com/your-file.zip",
  "trigger_phrase": "example"
}
```

## 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.com/v1/run/wan-22-image-trainer?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "training_data_url": "https://example.com/your-file.zip",
    "trigger_phrase": "example"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"
```

### JavaScript

```javascript
const API = "https://api.doitong.com/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-22-image-trainer?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "training_data_url": "https://example.com/your-file.zip",
    "trigger_phrase": "example"
  }),
});
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.com/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "training_data_url": "https://example.com/your-file.zip",
    "trigger_phrase": "example",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/wan-22-image-trainer", 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.com/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-22-image-trainer",
      "input": {
        "training_data_url": "https://example.com/your-file.zip",
        "trigger_phrase": "example"
      },
      "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-22-image-trainer",
  "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": 4500,
    "usd": "4.50",
    "charged": 4500,
    "refunded": 0
  },
  "input": {
    "training_data_url": "https://example.com/your-file.zip",
    "trigger_phrase": "example"
  },
  "output": {
    "diffusers_lora_file": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    },
    "high_noise_lora": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    },
    "config_file": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "file",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_size": 1843200,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `diffusers_lora_file` | object {url, content_type, file_name, file_size} | Αρχείο LoRA για χαμηλό θόρυβο. |
| `high_noise_lora` | object {url, content_type, file_name, file_size} | Αρχείο LoRA για υψηλό θόρυβο. |
| `config_file` | object {url, content_type, file_name, file_size} | Αρχείο διαμόρφωσης που υποστηρίζει τελικά σημεία συμπερασματολογίας μετά την εκπαίδευση. |

## Related models

- [Qwen Image 2512 Trainer](https://doitong.com/developers/models/qwen-image-2512-trainer.md) (`qwen-image-2512-trainer`): from $0.75 / run
- [Qwen Image Edit 2509 Trainer](https://doitong.com/developers/models/qwen-image-edit-2509-trainer.md) (`qwen-image-edit-2509-trainer`): from $0.40 / run
- [Wan-2.1 LoRA Trainer · I2V 720p](https://doitong.com/developers/models/wan-trainer/i2v-720p.md) (`wan-trainer/i2v-720p`): $0.005 / step
- [Wan-2.1 LoRA Trainer · T2V](https://doitong.com/developers/models/wan-trainer/t2v.md) (`wan-trainer/t2v`): $0.005 / step
- [Wan-2.1 LoRA Trainer · T2V 14b](https://doitong.com/developers/models/wan-trainer/t2v-14b.md) (`wan-trainer/t2v-14b`): $0.005 / step
- [Wan-2.2 LoRA Trainer · I2V A14b](https://doitong.com/developers/models/wan-22-trainer/i2v-a14b.md) (`wan-22-trainer/i2v-a14b`): $0.005 / step
- [Wan-2.2 LoRA Trainer · T2V A14b](https://doitong.com/developers/models/wan-22-trainer/t2v-a14b.md) (`wan-22-trainer/t2v-a14b`): $0.004 / step
- [Z Image Trainer](https://doitong.com/developers/models/z-image-trainer.md) (`z-image-trainer`): $0.00226 / step

## Links

- HTML page: https://doitong.com/developers/models/wan-22-image-trainer
- 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-22-image-trainer
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/wan-22-image-trainer