কনটেন্টে যান

LTX 2.3 Trainer (V2) - Image-to-Video

ইন্টিগ্রেট করুন

মডেল id ltx23-trainer-v2/i2v
# 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/ltx23-trainer-v2/i2v?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "training_data_url": "https://example.com/your-file.zip"
  }'

# 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"

এই অনুরোধ: ৪.৮০$ ৪,৮০০ API ক্রেডিট এই পেজে চালান

API কী পান
Lightricks প্রশিক্ষণ ১–৬০ s

একটি শুরুর ছবিকে ভিডিওতে অ্যানিমেট করার জন্য একটি LoRA প্রশিক্ষণ দেয়, ঐচ্ছিকভাবে অডিওও একসঙ্গে প্রশিক্ষণ দেওয়া যায়

Lightricks · ফাইল

আপনার প্রথম ফলাফল এখানে আসবে

নিচে একটি রিকোয়েস্ট তৈরি করে আপনার API কী দিয়ে চালান। আউটপুট আমাদের স্টোরেজে কপি করা হয়, চিরকাল বা বিনামূল্যে ৭ দিন পর্যন্ত রাখা হয়।

একটি অনুরোধ তৈরি করুন

মডেল স্কিমা থেকে কন্ট্রোল তৈরি করা হয়। এগুলো পরিবর্তন করলে কোড ও মূল্য আপডেট হয়।

resolution ডিফল্ট medium

প্রশিক্ষণ রেজোলিউশন। রেজোলিউশন বাড়ালে মেমরির প্রয়োজনীয়তা বাড়ে।

aspect_ratio ডিফল্ট 1:1

প্রশিক্ষণের অ্যাসপেক্ট রেশিও।

•আবশ্যক

প্রশিক্ষণ ডেটা ধারণকারী একটি `.zip`-এর URL, নির্বাচিত প্রশিক্ষণ মোড অনুযায়ী সাজানো। প্রতিটি মিডিয়া ফাইলের সঙ্গে একই বেস নামের একটি `.txt` ক্যাপশন থাকতে পারে।

ডিফল্ট 2000

প্রশিক্ষণ ধাপের মোট সংখ্যা।

অ্যাডভান্সড validation_negative_prompt · rank · validation_resolution · validation_aspect_ratio · trigger_phrase · learning_rate · number_of_frames · frame_rate · split_input_duration_threshold · first_frame_conditioning_p · validation_number_of_frames · validation_frame_rate · stg_scale · auto_scale_input · split_input_into_scenes · debug_dataset · with_audio · audio_normalize · audio_preserve_pitch · validation
ডিফল্ট blurry, out of focus,...

ভ্যালিডেশনের সময় প্রয়োগ করা নেতিবাচক প্রম্পট, যেখানে এক-ধাপের প্রিভিউ প্রক্রিয়া ব্যবহৃত হয়। এই প্রক্রিয়া দুই ধাপের ডিস্টিলড প্রোডাকশন ইনফারেন্সকে আনুমানিকভাবে অনুসরণ করে, তাই এর গাইডেন্স ও প্রিভিউ মান চূড়ান্ত ফলাফলের থেকে ভিন্ন।

rank ডিফল্ট 32

LoRA অ্যাডাপ্টেশনের র‍্যাঙ্ক, সেটিং বাড়লে বেশি মেমরি ব্যবহারের বিনিময়ে বেশি সক্ষমতা দেয়।

validation_resolution ডিফল্ট high

ভ্যালিডেশনের সময় ব্যবহৃত রেজোলিউশন।

validation_aspect_ratio ডিফল্ট 1:1

ভ্যালিডেশনের সময় ব্যবহৃত অ্যাসপেক্ট রেশিও।

ডিফল্ট

LoRA স্টাইল সক্রিয়করণ বাক্যাংশ, প্রশিক্ষণের সময় ক্যাপশনের শুরুতে যোগ করা হয়।

ডিফল্ট 0.0002

অপ্টিমাইজেশনের লার্নিং রেট।

ডিফল্ট 89

প্রতিটি প্রশিক্ষণ নমুনার ফ্রেম সংখ্যা। সংখ্যাটিকে 8 দিয়ে ভাগ করলে অবশিষ্ট 1 হতে হবে; উদাহরণ: 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97।

ডিফল্ট 24

প্রশিক্ষণ ভিডিওর লক্ষ্য ফ্রেম রেট, প্রতি সেকেন্ডে ফ্রেম হিসেবে। LTX-2.3-এর নেটিভ রেট 24।

ডিফল্ট 30

সেকেন্ডে প্রকাশ করা সিন-বিভাজনের ট্রিগার: কেবল সীমার চেয়ে দীর্ঘ ভিডিও বিভক্ত হয়।

ডিফল্ট 0.5

প্রথম-ফ্রেম কন্ডিশনিংয়ের প্রশিক্ষণ সম্ভাবনা 0.5 নির্ধারণ করুন, যাতে text-to-video এবং image-to-video—উভয় ইনফারেন্স সমর্থনকারী বহুমুখী LoRA পাওয়া যায়।

ডিফল্ট 89

প্রতিটি ভ্যালিডেশন ভিডিওর ফ্রেম সংখ্যা।

ডিফল্ট 24

ভ্যালিডেশন ভিডিওগুলোর লক্ষ্য ফ্রেম রেট, প্রতি সেকেন্ডে ফ্রেম হিসেবে; LTX-2.3 নেটিভভাবে 24-এ চলে।

ডিফল্ট 1

Spatio-Temporal Guidance (STG) স্কেল, 1.0 প্রস্তাবিত এবং 0.0 STG বন্ধ করে।

ডিফল্ট []

প্রতিটি প্রম্পটের সঙ্গে প্রথম ফ্রেমের জন্য একটি ছবি যুক্ত করা যাচাইকরণ প্রম্পটের তালিকা।

POST /run/ltx23-trainer-v2/i2v?wait=20 মূল্য → ৪.৮০$
# 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/ltx23-trainer-v2/i2v?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "training_data_url": "https://example.com/your-file.zip"
  }'

# 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"

এই অনুরোধ চালান

আপনার key এই ব্রাউজারেই থাকে: এটি শুধু Doitong API-তে পাঠানো হয় এবং Remember টিক দিলে কেবল localStorage-এ সংরক্ষিত হয়। একটি API কী পান

LTX 2.3 Trainer (V2) - Image-to-Video সম্পর্কে

একটি LoRA প্রশিক্ষণ দেয়, যাতে একটি স্থির ছবি ও একটি প্রম্পটকে সেই ফ্রেম থেকে শুরু হওয়া ভিডিওতে অ্যানিমেট করা যায়। `first_frame_conditioning_p` (0 থেকে 1, ডিফল্ট 0.5) নির্ধারণ করে প্রথম ফ্রেমটি কত ঘন ঘন কন্ডিশন হিসেবে ব্যবহৃত হবে, ফলে LoRA-টি ছবি-থেকে-ভিডিও এবং টেক্সট-থেকে-ভিডিও—দুই কাজেই ব্যবহার করা যায়। `with_audio` অডিও প্রশিক্ষণ জোর করে চালু বা বন্ধ করতে পারে; ডিফল্টভাবে এটি স্বয়ংক্রিয়ভাবে শনাক্ত হয়। ভ্যালিডেশন নমুনাগুলোর (সর্বাধিক 2টি) প্রতিটিতে একটি প্রথম-ফ্রেমের ছবি থাকে।

প্যারামিটার

নামধরন ডিফল্টঅনুমোদিত বিবরণ
training_data_urlআবশ্যক
ধরনstring
প্রশিক্ষণ ডেটা ধারণকারী একটি `.zip`-এর URL, নির্বাচিত প্রশিক্ষণ মোড অনুযায়ী সাজানো। প্রতিটি মিডিয়া ফাইলের সঙ্গে একই বেস নামের একটি `.txt` ক্যাপশন থাকতে পারে।
rankঐচ্ছিক
ধরনenum
ডিফল্ট32
8163264128
LoRA অ্যাডাপ্টেশনের র‍্যাঙ্ক, সেটিং বাড়লে বেশি মেমরি ব্যবহারের বিনিময়ে বেশি সক্ষমতা দেয়।
number_of_stepsঐচ্ছিক
ধরনinteger
ডিফল্ট2000
১০০ – ১০,০০০
প্রশিক্ষণ ধাপের মোট সংখ্যা।
learning_rateঐচ্ছিক
ধরনnumber
ডিফল্ট0.0002
০.০০০০০১ – ১
অপ্টিমাইজেশনের লার্নিং রেট।
number_of_framesঐচ্ছিক
ধরনinteger
ডিফল্ট89
৯ – ১২১
প্রতিটি প্রশিক্ষণ নমুনার ফ্রেম সংখ্যা। সংখ্যাটিকে 8 দিয়ে ভাগ করলে অবশিষ্ট 1 হতে হবে; উদাহরণ: 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97।
frame_rateঐচ্ছিক
ধরনinteger
ডিফল্ট24
৮ – ৬০
প্রশিক্ষণ ভিডিওর লক্ষ্য ফ্রেম রেট, প্রতি সেকেন্ডে ফ্রেম হিসেবে। LTX-2.3-এর নেটিভ রেট 24।
resolutionঐচ্ছিক
ধরনenum
ডিফল্টmedium
lowmediumhigh
প্রশিক্ষণ রেজোলিউশন। রেজোলিউশন বাড়ালে মেমরির প্রয়োজনীয়তা বাড়ে।
aspect_ratioঐচ্ছিক
ধরনenum
ডিফল্ট1:1
16:91:19:16
প্রশিক্ষণের অ্যাসপেক্ট রেশিও।
trigger_phraseঐচ্ছিক
ধরনstring
ডিফল্ট
LoRA স্টাইল সক্রিয়করণ বাক্যাংশ, প্রশিক্ষণের সময় ক্যাপশনের শুরুতে যোগ করা হয়।
auto_scale_inputঐচ্ছিক
ধরনboolean
ডিফল্টfalse
সক্রিয় থাকলে অনুরোধ করা FPS ও ফ্রেম সংখ্যার সঙ্গে মিলিয়ে ভিডিওর স্বয়ংক্রিয় সমন্বয়; ছবি ডেটাসেট অপরিবর্তিত থাকে।
split_input_into_scenesঐচ্ছিক
ধরনboolean
ডিফল্টtrue
নির্দিষ্ট সময়সীমা অতিক্রম করা ভিডিওগুলোর জন্য দৃশ্য বিভাজন; true হলে সক্রিয়।
split_input_duration_thresholdঐচ্ছিক
ধরনnumber
ডিফল্ট30
১ – ৬০
সেকেন্ডে প্রকাশ করা সিন-বিভাজনের ট্রিগার: কেবল সীমার চেয়ে দীর্ঘ ভিডিও বিভক্ত হয়।
debug_datasetঐচ্ছিক
ধরনboolean
ডিফল্টfalse
সম্পূর্ণ প্রশিক্ষণ চালানোর আগে ভিডিও, ছবি ও ক্যাপশন পরীক্ষা করার প্রিপ্রসেসিং পরিদর্শন মোড। সক্রিয় করলে ট্রেইনার প্রক্রিয়াকৃত প্রশিক্ষণ ডেটাসেট একটি ডাউনলোডযোগ্য আর্কাইভে ফেরত দেয়, যাতে ম্যানুয়ালি পর্যালোচনা করা যায়।
with_audioঐচ্ছিক
ধরনboolean | null
যৌথ অডিও-ভিডিও প্রশিক্ষণে অডিওর অংশগ্রহণ: True অডিও প্রশিক্ষণ বাধ্যতামূলক করে এবং False তা নিষ্ক্রিয় করে। None, ডিফল্ট মান, ইনপুট ভিডিওগুলোতে অডিও আছে কি না তার ভিত্তিতে স্বয়ংক্রিয়ভাবে নির্বাচন করে।
audio_normalizeঐচ্ছিক
ধরনboolean
ডিফল্টtrue
ডেটাসেটজুড়ে সামঞ্জস্যপূর্ণ স্তর বজায় রাখার জন্য অডিও পিক নর্মালাইজেশন।
audio_preserve_pitchঐচ্ছিক
ধরনboolean
ডিফল্টtrue
ভিডিওর দৈর্ঘ্যের সঙ্গে অডিও মিলিয়ে নেওয়ার সময় অডিও ট্রিম বা প্যাড করার বদলে পিচ সংরক্ষণ।
first_frame_conditioning_pঐচ্ছিক
ধরনnumber
ডিফল্ট0.5
০ – ১
প্রথম-ফ্রেম কন্ডিশনিংয়ের প্রশিক্ষণ সম্ভাবনা 0.5 নির্ধারণ করুন, যাতে text-to-video এবং image-to-video—উভয় ইনফারেন্স সমর্থনকারী বহুমুখী LoRA পাওয়া যায়।
validationঐচ্ছিক
ধরনobject[]
ডিফল্ট[]
≤ ২টি আইটেম
প্রতিটি প্রম্পটের সঙ্গে প্রথম ফ্রেমের জন্য একটি ছবি যুক্ত করা যাচাইকরণ প্রম্পটের তালিকা।
validation[].promptআবশ্যক
ধরনstring
ভ্যালিডেশনের সময় ব্যবহৃত প্রম্পট।
validation[].image_urlআবশ্যক
ধরনurl · image
≥ 1 characters
image-to-video যাচাইকরণের সময় প্রাথমিক ফ্রেম সরবরাহকারী ছবি।
validation_negative_promptঐচ্ছিক
ধরনstring
ডিফল্টblurry, out of focus, overexposed, underexposed, low contrast, washed out colors, excessive noise, grainy texture, poor lighting, flickering, motion blur, distorted proportions, unnatural skin tones, deformed facial features, asymmetrical face, missing facial features, extra limbs, disfigured hands, wrong hand count, artifacts around text, inconsistent perspective, camera shake, incorrect depth of field, background too sharp, background clutter, distracting reflections, harsh shadows, inconsistent lighting direction, color banding, cartoonish rendering, 3D CGI look, unrealistic materials, uncanny valley effect, incorrect ethnicity, wrong gender, exaggerated expressions, wrong gaze direction, mismatched lip sync, silent or muted audio, distorted voice, robotic voice, echo, background noise, off-sync audio, incorrect dialogue, added dialogue, repetitive speech, jittery movement, awkward pauses, incorrect timing, unnatural transitions, inconsistent framing, tilted camera, flat lighting, inconsistent tone, cinematic oversaturation, stylized filters, or AI artifacts.
ভ্যালিডেশনের সময় প্রয়োগ করা নেতিবাচক প্রম্পট, যেখানে এক-ধাপের প্রিভিউ প্রক্রিয়া ব্যবহৃত হয়। এই প্রক্রিয়া দুই ধাপের ডিস্টিলড প্রোডাকশন ইনফারেন্সকে আনুমানিকভাবে অনুসরণ করে, তাই এর গাইডেন্স ও প্রিভিউ মান চূড়ান্ত ফলাফলের থেকে ভিন্ন।
validation_number_of_framesঐচ্ছিক
ধরনinteger
ডিফল্ট89
৯ – ১২১
প্রতিটি ভ্যালিডেশন ভিডিওর ফ্রেম সংখ্যা।
validation_frame_rateঐচ্ছিক
ধরনinteger
ডিফল্ট24
৮ – ৬০
ভ্যালিডেশন ভিডিওগুলোর লক্ষ্য ফ্রেম রেট, প্রতি সেকেন্ডে ফ্রেম হিসেবে; LTX-2.3 নেটিভভাবে 24-এ চলে।
validation_resolutionঐচ্ছিক
ধরনenum
ডিফল্টhigh
lowmediumhigh
ভ্যালিডেশনের সময় ব্যবহৃত রেজোলিউশন।
validation_aspect_ratioঐচ্ছিক
ধরনenum
ডিফল্ট1:1
16:91:19:16
ভ্যালিডেশনের সময় ব্যবহৃত অ্যাসপেক্ট রেশিও।
stg_scaleঐচ্ছিক
ধরনnumber
ডিফল্ট1
০ – ৩
Spatio-Temporal Guidance (STG) স্কেল, 1.0 প্রস্তাবিত এবং 0.0 STG বন্ধ করে।
আবশ্যক

আউটপুট

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ltx23-trainer-v2/i2v",
  "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": 4800,
    "usd": "4.80",
    "charged": 4800,
    "refunded": 0
  },
  "input": {
    "training_data_url": "https://example.com/your-file.zip"
  },
  "output": {
    "video": {
      "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
    },
    "audio": {
      "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
    },
    "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
    },
    "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
    },
    "debug_dataset": {
      "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"
  }
}
আপনার ফাইল, আপনার পছন্দপ্রতিটি outputs[].url আমাদের স্টোরেজে একটি কপি: চিরকাল রাখা হয় (প্রতি GB-মাস অনুযায়ী অর্থপ্রদত্ত) অথবা অ্যাকাউন্ট সেটিংস বা ?storage= অনুযায়ী বিনামূল্যে ৭ দিন পর্যন্ত।
প্রতিটি মডেলে একই গঠনছবি, ভিডিও এবং অডিও—সব ক্ষেত্রেই type, url, content_type, width, height এবং duration। output হলো মডেলের নিজস্ব ফলাফল অবজেক্ট।
আউটপুটের ফিল্ড
video
object {url, content_type, file_name, file_size} | nullভ্যালিডেশন থেকে সম্মিলিত ভিডিও প্রিভিউ, ভিডিও তৈরি করা এন্ডপয়েন্টগুলোর জন্য উপলভ্য থাকলে।
audio
object {url, content_type, file_name, file_size} | nullভ্যালিডেশন থেকে সম্মিলিত অডিও, এই অডিও-শুধু রুটগুলোর জন্য উপলভ্য থাকলে প্রিভিউ হিসেবে দেওয়া হয়: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a, এবং /v2a।
lora_file
object {url, content_type, file_name, file_size}.safetensors ফরম্যাটে প্রশিক্ষিত LoRA ওজনের URL।
config_file
object {url, content_type, file_name, file_size}ইনফারেন্স এন্ডপয়েন্ট সেটআপের কনফিগারেশন।
debug_dataset
object {url, content_type, file_name, file_size} | null`debug_dataset` সক্রিয় থাকলে উপলভ্য ডিবাগ আউটপুট: ডাউনলোডযোগ্য একটি আর্কাইভ, যাতে প্রিপ্রসেসিংয়ের পরের প্রশিক্ষণ ডেটা থাকে।

আরও মডেল: প্রশিক্ষণ

AI এজেন্টদের জন্য: এই পৃষ্ঠাটি Markdown হিসেবে এখানে আছে https://doitong.com/bn/developers/models/ltx23-trainer-v2/i2v.md. সব মডেল ও গাইড: https://doitong.com/developers/llms.txt