# LTX-2.3 22B Video to Video Trainer API

> রেফারেন্স ভিডিও থেকে ভিডিও রূপান্তর বা ভিডিও-কন্ডিশন্ড জেনারেশনের জন্য একটি LTX-2.3 22B LoRA প্রশিক্ষণ দেয়

ভিডিও রূপান্তরের জন্য LTX-2.3 22B মডেলের ওপর একটি LoRA প্রশিক্ষণ দেয়, যেখানে ভিডিও বা ছবির (mp4, mov, avi, mkv, png, jpg, jpeg) একটি zip ব্যবহার করা হয় এবং অন্তত প্রায় 10টি ফাইল দেওয়ার পরামর্শ রয়েছে। `number_of_steps` 1 থেকে 20000 পর্যন্ত (ডিফল্ট 2000), এবং `frame_rate`-এর ডিফল্ট 25। `first_frame_conditioning_p`-এর ডিফল্ট 0.1। ভ্যালিডেশনে রেফারেন্স ভিডিওসহ সর্বাধিক 2টি প্রম্পট নেওয়া হয়।

- Model id: `ltx23-v2v-trainer`
- Made by: Lightricks
- Category: Training
- Output: file
- Price: $0.0135 / step (cheapest run $27.00 (27000 API credits))
- Run: `POST https://api.doitong.com/v1/run/ltx23-v2v-trainer`
- Quote: `POST https://api.doitong.com/v1/quote/ltx23-v2v-trainer`
- Docs page: https://doitong.com/bn/developers/models/ltx23-v2v-trainer

## Pricing

Price: **$0.0135 / step**. Billed per training step (`number_of_steps`).

The full example input below costs $27.00 = 27000 API credits (2000 steps × 13.5 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.com/v1/quote/ltx23-v2v-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 |  |  | শুধু ছবি অথবা শুধু ভিডিও-সমৃদ্ধ dataset-এর ZIP archive URL; mixed media dataset সমর্থিত নয়। 10টি বা তার বেশি ফাইল, সম্ভব হলে আরও বড় collection ব্যবহার করুন। ছবির জন্য গ্রহণযোগ্য extension হলো .png, .jpg, .jpeg এবং ভিডিওর জন্য .mp4, .mov, .avi, .mkv। ঐচ্ছিক caption text ফাইল media-র সঙ্গে থাকতে পারে, যেখানে প্রতিটি caption ফাইল-এর নাম সংশ্লিষ্ট media ফাইল-এর সঙ্গে মিলতে হবে। |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | LoRA অ্যাডাপ্টেশনের র‍্যাঙ্ক, সেটিং বাড়লে বেশি মেমরি ব্যবহারের বিনিময়ে বেশি সক্ষমতা দেয়। |
| `number_of_steps` |  | integer | no | `2000` | 1 – 20,000 | প্রশিক্ষণ ধাপের মোট সংখ্যা। |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | Optimization learning rate, যা বাড়ালে training দ্রুত হওয়ার সম্ভাবনা এবং overfitting-এর ঝুঁকির মধ্যে ভারসাম্য বজায় রাখে। |
| `number_of_frames` |  | integer | no | `89` | 9 – 121 | 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_rate` |  | integer | no | `25` | 8 – 60 | লক্ষ্য ভিডিও ফ্রেম রেট, প্রতি সেকেন্ডে ফ্রেম সংখ্যায় পরিমাপ করা হয়। |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | প্রশিক্ষণ রেজোলিউশন। রেজোলিউশন বাড়ালে মেমরির প্রয়োজনীয়তা বাড়ে। |
| `aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | প্রশিক্ষণের অ্যাসপেক্ট রেশিও। |
| `trigger_phrase` |  | string | no | `` |  | LoRA স্টাইল সক্রিয়করণ বাক্যাংশ, প্রশিক্ষণের সময় ক্যাপশনের শুরুতে যোগ করা হয়। |
| `auto_scale_input` |  | boolean | no | `false` |  | সক্রিয় থাকলে অনুরোধ করা FPS ও ফ্রেম সংখ্যার সঙ্গে মিলিয়ে ভিডিওর স্বয়ংক্রিয় সমন্বয়; ছবি ডেটাসেট অপরিবর্তিত থাকে। |
| `split_input_into_scenes` |  | boolean | no | `true` |  | নির্দিষ্ট সময়সীমা অতিক্রম করা ভিডিওগুলোর জন্য দৃশ্য বিভাজন; true হলে সক্রিয়। |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | সেকেন্ডে প্রকাশ করা সিন-বিভাজনের ট্রিগার: কেবল সীমার চেয়ে দীর্ঘ ভিডিও বিভক্ত হয়। |
| `debug_dataset` |  | boolean | no | `false` |  | 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। |
| `first_frame_conditioning_p` |  | number | no | `0.1` | 0 – 1 | প্রশিক্ষণে প্রথম-ফ্রেম কন্ডিশনিং ব্যবহারের হার কমিয়ে video-to-video রূপান্তরকে অগ্রাধিকার দেয়; এই মানটি সেই সম্ভাবনা নির্ধারণ করে। |
| `validation` |  | array of object {prompt, reference_video_url} | no | `[]` | ≤ 2 items | রেফারেন্স ভিডিওর সঙ্গে যুক্ত প্রম্পটসম্বলিত যাচাইকরণ ইনপুটের তালিকা। |
| `validation[].prompt` |  | string | yes |  |  | ভ্যালিডেশনের সময় ব্যবহৃত প্রম্পট। |
| `validation[].reference_video_url` |  | string (video URL) | yes |  | ≥ 1 characters | এর URL-এর মাধ্যমে IC-LoRA যাচাইকরণের সময় রূপান্তর করার ভিডিও সরবরাহ করুন। |
| `validation_negative_prompt` |  | string | no | `worst quality, inconsistent motion, blurry, jittery, distorted` |  | Validation-এর সময় প্রয়োগ করা negative প্রম্পট। |
| `validation_number_of_frames` |  | integer | no | `89` | 9 – 121 | প্রতিটি ভ্যালিডেশন ভিডিওর ফ্রেম সংখ্যা। |
| `validation_frame_rate` |  | integer | no | `25` | 8 – 60 | ভ্যালিডেশনের জন্য নির্ধারিত ভিডিও ফ্রেম রেট, প্রতি সেকেন্ডে ফ্রেম সংখ্যায় পরিমাপ করা হয়। |
| `validation_resolution` |  | enum (string) | no | `high` | `low`, `medium`, `high` | ভ্যালিডেশনের সময় ব্যবহৃত রেজোলিউশন। |
| `validation_aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | ভ্যালিডেশনের সময় ব্যবহৃত অ্যাসপেক্ট রেশিও। |
| `stg_scale` |  | number | no | `1` | 0 – 3 | Spatio-Temporal Guidance (STG) স্কেল, 1.0 প্রস্তাবিত এবং 0.0 STG বন্ধ করে। |

## Example input

Required parameters only:

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

A fuller example:

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

## 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/ltx23-v2v-trainer?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"
```

### 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/ltx23-v2v-trainer?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "training_data_url": "https://example.com/your-file.zip"
  }),
});
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",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/ltx23-v2v-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": "ltx23-v2v-trainer",
      "input": {
        "training_data_url": "https://example.com/your-file.zip"
      },
      "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": "ltx23-v2v-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": 27000,
    "usd": "27.00",
    "charged": 27000,
    "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
    },
    "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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `video` | object {url, content_type, file_name, file_size} \| null | উপলভ্য validation ভিডিও-র URL, যা তাদের reference ভিডিও-র পাশে দেখানো হয়। |
| `lora_file` | object {url, content_type, file_name, file_size} | .safetensors format-এ প্রশিক্ষিত IC-LoRA weight ফাইল-এর 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 | শুধু `debug_dataset` সক্রিয় করা ইনপুট-এর জন্য উপলভ্য downloadable debug archive; এর training-data contents আগে থেকেই preprocess করা এবং এতে decoded form-এ ভিডিও রয়েছে। |

## Related models

- [LTX 2.3 Trainer (V2) - Audio Inpainting](https://doitong.com/developers/models/ltx23-trainer-v2/audio-inpaint.md) (`ltx23-trainer-v2/audio-inpaint`): $0.0023 / step
- [LTX 2.3 Trainer (V2) - Audio+Video Reference IC-LoRA](https://doitong.com/developers/models/ltx23-trainer-v2/ic-lora/av2av.md) (`ltx23-trainer-v2/ic-lora/av2av`): $0.0068 / step
- [LTX 2.3 Trainer (V2) - Audio+Video Reference Transformation](https://doitong.com/developers/models/ltx23-trainer-v2/av2av.md) (`ltx23-trainer-v2/av2av`): $0.0068 / step
- [LTX 2.3 Trainer (V2) - Audio-to-Audio](https://doitong.com/developers/models/ltx23-trainer-v2/a2a.md) (`ltx23-trainer-v2/a2a`): $0.0023 / step
- [LTX 2.3 Trainer (V2) - Audio-to-Audio IC-LoRA](https://doitong.com/developers/models/ltx23-trainer-v2/ic-lora/a2a.md) (`ltx23-trainer-v2/ic-lora/a2a`): $0.0023 / step
- [LTX 2.3 Trainer (V2) - Audio-to-Video](https://doitong.com/developers/models/ltx23-trainer-v2/a2v.md) (`ltx23-trainer-v2/a2v`): $0.006 / step
- [LTX 2.3 Trainer (V2) - Backward Audio Extension](https://doitong.com/developers/models/ltx23-trainer-v2/audio-extend-suffix.md) (`ltx23-trainer-v2/audio-extend-suffix`): $0.0023 / step
- [LTX 2.3 Trainer (V2) - Backward Video Extension](https://doitong.com/developers/models/ltx23-trainer-v2/extend-suffix.md) (`ltx23-trainer-v2/extend-suffix`): $0.0061 / step

## Links

- HTML page: https://doitong.com/developers/models/ltx23-v2v-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=ltx23-v2v-trainer
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/ltx23-v2v-trainer