# Wan VACE 14B API

> مدل ویدیویی عمومی VACE 14B: انتخاب یک وظیفه (نقشهٔ عمق، ژست، این‌پینتینگ، اوت‌پینتینگ یا تغییر قاب) با ورودی‌های اختیاری متعدد

مولد و ویرایشگر چندمنظورهٔ ویدیو که از طریق `task` انتخاب می‌شود: نقشهٔ عمق، ژست، این‌پینتینگ، اوت‌پینتینگ یا تغییر قاب. ورودی‌ها شامل `video_url` منبع، ویدیوی ماسک یا تصویر ماسک، `ref_image_urls` و URLهای فریم اول و آخر هستند. `num_frames` از 17 تا 241 و `resolution` از 240p تا 720p است. نمونه‌بردارهای unipc، dpm++ و euler قابل انتخاب‌اند.

- Model id: `wan-vace-14b`
- Made by: Alibaba
- Category: Video to Video
- Output: video
- Price per second of your output video: from $0.04 / second of output video (cheapest run $0.04 (40 API credits))
- Run: `POST https://api.doitong.com/v1/run/wan-vace-14b`
- Quote: `POST https://api.doitong.com/v1/quote/wan-vace-14b`
- Docs page: https://doitong.com/fa/developers/models/wan-vace-14b

## Pricing

Price: **from $0.04 / second of output video** (the lowest tier; the quote prices your exact input). Price per second of your output video: 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.

Price by tier:

- 240p: $0.04 / second of output video
- 360p: $0.04 / second of output video
- 480p: $0.04 / second of output video
- 580p: $0.06 / second of output video
- auto: $0.08 / second of output video
- 720p: $0.08 / second of output video

The full example input below costs $0.405 = 405 API credits (5.0625 s output video × $0.08 (auto)).

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-vace-14b` 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

Send either the canonical name or the native field name (not both). Canonical names are the same across models.

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `prompt` |  | string | yes |  |  | دستورهای متنی برای هدایت تولید ویدیو. |
| `negative_prompt` |  | string | no | `letterboxing, borders, black bars, bright colors, overexposed, static, blurred details, subtitles, style, artwork, painting, picture, still, overall gray, worst quality, low quality, JPEG compression residue, ugly, incomplete, extra fingers, poorly drawn hands, poorly drawn faces, deformed, disfigured, malformed limbs, fused fingers, still picture, cluttered background, three legs, many people in the background, walking backwards` |  | پرامپت منفی اعمال‌شده هنگام تولید ویدیو. |
| `match_input_num_frames` |  | boolean | no | `false` |  | منبع تعداد فریم ویدیوی تولیدشده: false از `num_frames` استفاده می‌کند و true تعداد فریم ویدیوی ورودی را کپی می‌کند. |
| `num_frames` |  | integer | no | `81` | 17 – 241 | تعداد فریم خروجی، با بازه فراگیر 81–241. |
| `match_input_frames_per_second` |  | boolean | no | `false` |  | منبع نرخ فریم ویدیوی تولیدشده: false از `frames_per_second` استفاده می‌کند و true نرخ فریم ویدیوی ورودی را کپی می‌کند. |
| `frames_per_second` |  | integer \| null | no | `16` | 5 – 30 | نرخ فریم ویدیوی تولیدشده؛ فقط وقتی اعمال می‌شود که `match_input_frames_per_second` برابر true نباشد؛ مقادیر پذیرفته‌شده 5–30 فریم بر ثانیه هستند. |
| `task` |  | enum (string) | no | `depth` | `depth`, `pose`, `inpainting`, `outpainting`, `reframe` | نوع وظیفه‌ای که مدل انجام می‌دهد. |
| `seed` |  | integer \| null | no |  |  | Seed برای تکرارپذیر کردن تولید. تنظیم آن روی None، Seed را به‌صورت تصادفی انتخاب می‌کند. |
| `resolution` |  | enum (string) | no | `auto` | `auto`, `240p`, `360p`, `480p`, `580p`, `720p` | وضوح ویدیوی خروجی. |
| `aspect_ratio` |  | enum (string) | no | `auto` | `auto`, `16:9`, `1:1`, `9:16` | نسبت تصویر ویدیوی نهایی. |
| `num_inference_steps` |  | integer | no | `30` | 2 – 50 | تعداد گام‌های نمونه‌برداری؛ با افزایش تعداد، زمان پردازش بیشتر و کیفیت بهتر می‌شود. |
| `guidance_scale` |  | number | no | `5` | 1 – 10 | قدرت هم‌ترازی پرامپت که از طریق راهنمایی بدون طبقه‌بند کنترل می‌شود؛ افزایش مقیاس باعث می‌شود تصاویر تولیدشده بیشتر از متن پیروی کنند. |
| `sampler` |  | enum (string) | no | `unipc` | `unipc`, `dpm++`, `euler` | نمونه‌بردار استفاده‌شده هنگام تولید ویدیو. |
| `shift` |  | number | no | `5` | 1 – 15 | تنظیم جابه‌جایی اعمال‌شده هنگام تولید ویدیو. |
| `video_url` | `video` | string (video URL) \| null | no |  |  | مرجع ویدیو برای مدل، که در صورت ارائه به‌صورت URL فایل منبع ارسال می‌شود. |
| `mask_video_url` |  | string (video URL) \| null | no |  |  | مرجع ماسک برای مدل، که در صورت ارائه به‌صورت URL فایل منبع ارسال می‌شود. |
| `mask_image_url` |  | string (image URL) \| null | no |  |  | ماسک راهنما از طریق URL فایل؛ در صورت وجود، بر URL ویدیوی ماسک اولویت دارد. مدل از این ماسک برای هدایت ایجاد ویدیوی ماسک‌گذاری‌شده استفاده می‌کند. |
| `ref_image_urls` |  | array of image URL | no |  |  | URLهای اختیاری تصاویر منبع که تصاویر مرجع مورد استفادهٔ مدل را فراهم می‌کنند. |
| `first_frame_url` | `image` | string \| null | no |  |  | مرجع اختیاری فریم اول که از طریق URL برای استفادهٔ مدل هنگام پردازش ویدیو ارائه می‌شود. |
| `last_frame_url` | `end_image` | string \| null | no |  |  | مرجع اختیاری فریم آخر که از طریق URL برای استفادهٔ مدل هنگام پردازش ویدیو ارائه می‌شود. |
| `enable_safety_checker` |  | boolean | no | `false` |  | کلید بررسی ایمنی که حالت خاموش آن به مجوز حساب نیاز دارد. بدون این مجوز، هر درخواست صرف‌نظر از تنظیم بررسی می‌شود؛ true بررسی‌کننده را فعال می‌کند. |
| `enable_prompt_expansion` |  | boolean | no | `false` |  | مشخص می‌کند گسترش پرامپت فعال باشد یا نه. |
| `preprocess` |  | boolean | no | `false` |  | پیش‌پردازش ویدیوی ورودی را کنترل می‌کند. |
| `acceleration` |  | enum (string) \| null | no | `regular` | `none`, `low`, `regular` | تنظیم شتاب‌دهی استنتاج، با انتخاب 'none' یا 'regular'؛ پردازش شتاب‌یافته سرعت را به‌طور چشمگیری افزایش می‌دهد و تغییر بسیار کوچکی در خروجی ایجاد می‌کند. |
| `video_quality` |  | enum (string) | no | `high` | `low`, `medium`, `high`, `maximum` | سطح کیفیت ویدیوی حاصل. |
| `video_write_mode` |  | enum (string) | no | `balanced` | `fast`, `balanced`, `small` | حالت نوشتن ویدیوی حاصل. |
| `num_interpolated_frames` |  | integer | no | `0` | 0 – 5 | تعداد درون‌یابی: مقدار 0 فریم‌های اصلی را بدون درون‌یابی باقی می‌گذارد؛ مقادیر دیگر تعداد فریم‌های میانی تولیدشده بین آن‌ها را مشخص می‌کنند. |
| `temporal_downsample_factor` |  | integer | no | `0` | 0 – 5 | ضریب حذف فریم ویدیو، به‌صورت عدد صحیح؛ برای هر ضریب کاهش نمونه‌برداری، یک‌بار افزایش نمونه‌برداری خودکار انجام می‌شود. برای غیرفعال‌کردن کاهش نمونه‌برداری زمانی، از 0 استفاده کنید. |
| `enable_auto_downsample` |  | boolean | no | `false` |  | تطبیق خودکار تعداد فریم: فعال‌کردن آن به مدل اجازه می‌دهد ویدیویی با کاهش نمونه‌برداری زمانی و طول مناسب را پردازش کند و سپس با درون‌یابی تعداد فریم اصلی را بازیابی کند. |
| `auto_downsample_min_fps` |  | number | no | `15` | 1 – 60 | حداقل نرخ فریم، برحسب فریم در ثانیه، که پس از کاهش نمونه‌برداری مجاز است. برای ویدیوهای کم‌تحرک، کاهش این مقدار امکان کاهش نمونه‌برداری بیشتر و دنباله‌های طولانی‌تر را فراهم می‌کند؛ حرکت بسیار سریع ممکن است به مقدار بالاتری نیاز داشته باشد، هرچند مقدار پیش‌فرض برای بیشتر ویدیوها مناسب است. کاهش نمونه‌برداری خودکار از این آستانه برای یافتن کمترین ضریب حفظ‌کنندهٔ جزئیات استفاده می‌کند. |
| `interpolator_model` |  | enum (string) | no | `film` | `rife`, `film` | انتخاب مدل درون‌یابی فریم: یا 'rife' یا 'film'. |
| `transparency_mode` |  | enum (string) | no | `content_aware` | `content_aware`, `white`, `black` | پردازش شفافیت برای فریم‌های آغازین و پایانی که تعیین می‌کند نواحی شفاف آن‌ها چگونه پر شوند. |
| `return_frames_zip` |  | boolean | no | `false` |  | برگشت آرشیو ZIP شامل همه فریم‌های تولیدشده را نیز کنترل می‌کند؛ در صورت true فعال است. |

File parameters (`video`, `mask_video_url`, `mask_image_url`, `ref_image_urls`) take a public `https://` URL, a `data:` URI up to 10 MB, or the `file_url` of an upload from `POST /files`.

## 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.com/v1/run/wan-vace-14b?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.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-vace-14b?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.com/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-vace-14b", 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-vace-14b",
      "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-vace-14b",
  "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": 405,
    "usd": "0.405",
    "charged": 405,
    "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,
      "width": 1024,
      "height": 768,
      "fps": 1.0,
      "duration": 5,
      "num_frames": 1
    },
    "prompt": "string",
    "seed": 42,
    "frames_zip": {
      "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
    }
  },
  "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.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `video` | object {url, content_type, file_name, file_size, width, height, fps, duration, num_frames} | فایل ویدیویی تولیدشده. |
| `prompt` | string | پرامپتی که برای تولید خروجی استفاده شده است. |
| `seed` | integer | مقدار Seed اعمال‌شده هنگام تولید. |
| `frames_zip` | object {url, content_type, file_name, file_size} \| null | آرشیو ZIP شامل همه فریم‌های ویدیو، در صورت درخواست برگردانده می‌شود. |

## Related models

- [Wan VACE 14B · Depth](https://doitong.com/developers/models/wan-vace-14b/depth.md) (`wan-vace-14b/depth`): from $0.04 / second of output video
- [Wan VACE 14B · Inpainting](https://doitong.com/developers/models/wan-vace-14b/inpainting.md) (`wan-vace-14b/inpainting`): from $0.04 / second of output video
- [Wan VACE 14B · Outpainting](https://doitong.com/developers/models/wan-vace-14b/outpainting.md) (`wan-vace-14b/outpainting`): from $0.04 / second of output video
- [Wan VACE 14B · Pose](https://doitong.com/developers/models/wan-vace-14b/pose.md) (`wan-vace-14b/pose`): from $0.04 / second of output video
- [Wan VACE 14B · Reframe](https://doitong.com/developers/models/wan-vace-14b/reframe.md) (`wan-vace-14b/reframe`): from $0.04 / second of output video
- [Happy Horse Video Edit](https://doitong.com/developers/models/alibaba/happy-horse/video-edit.md) (`alibaba/happy-horse/video-edit`): from $0.28 / second of input video
- [Wan 2.1 VACE Long Reframe](https://doitong.com/developers/models/wan-vace-apps/long-reframe.md) (`wan-vace-apps/long-reframe`): from $0.04 / 2 seconds of input video
- [Wan 2.2 VACE Fun A14B · Depth](https://doitong.com/developers/models/wan-22-vace-fun-a14b/depth.md) (`wan-22-vace-fun-a14b/depth`): from $0.05 / second of output video

## Links

- HTML page: https://doitong.com/developers/models/wan-vace-14b
- 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-vace-14b
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/wan-vace-14b