# LTX 2.3 Trainer (V2) - Audio-to-Video API

> Trénuje LoRA pro LTX 2.3, která vytváří video z počátečního obrázku a podmíněného zvuku

Trénuje LoRA pro generování videa ze zvuku ze souboru `.zip` v `training_data_url`. `rank` je 8 až 128, `number_of_steps` 100 až 10000 a `number_of_frames` 9 až 121. `validation` přijímá až 2 položky, každou s podmíněnou zvukovou stopou. Výstupem jsou váhy LoRA, konfigurační soubor a volitelný náhled.

- Model id: `ltx23-trainer-v2/a2v`
- Made by: Lightricks
- Category: Training
- Output: file
- Price: $0.006 / step (cheapest run $12.00 (12000 API credits))
- Run: `POST https://api.doitong.com/v1/run/ltx23-trainer-v2/a2v`
- Quote: `POST https://api.doitong.com/v1/quote/ltx23-trainer-v2/a2v`
- Docs page: https://doitong.com/cs/developers/models/ltx23-trainer-v2/a2v

## Pricing

Price: **$0.006 / step**. Billed per training step (`number_of_steps`).

The full example input below costs $12.00 = 12000 API credits (2000 steps × 6 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-trainer-v2/a2v` 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 |  |  | URL souboru `.zip` obsahujícího trénovací data uspořádaná podle vybraného režimu trénování. Každý soubor média může mít doprovodný popisek `.txt` se shodným základním názvem. |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | Rank adaptace LoRA, který s rostoucí hodnotou vyměňuje vyšší spotřebu paměti za větší kapacitu. |
| `number_of_steps` |  | integer | no | `2000` | 100 – 10,000 | Celkový počet trénovacích kroků. |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | Rychlost učení optimalizace. |
| `number_of_frames` |  | integer | no | `89` | 9 – 121 | Počet snímků v každém trénovacím vzorku. Po dělení počtu 8 musí zůstat zbytek 1; příklady jsou 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97. |
| `frame_rate` |  | integer | no | `24` | 8 – 60 | Cílová snímková frekvence trénovacího videa ve snímcích za sekundu. Nativní frekvence pro LTX-2.3 je 24. |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | Trénovací rozlišení. Zvýšení rozlišení zvyšuje nároky na paměť. |
| `aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | Trénovací poměr stran. |
| `trigger_phrase` |  | string | no | `` |  | Aktivační fráze stylu LoRA vložená na začátek popisků během trénování. |
| `auto_scale_input` |  | boolean | no | `false` |  | Automatická úprava videa tak, aby při zapnutí odpovídalo požadované FPS a počtu snímků; datové sady obrázků zůstávají beze změny. |
| `split_input_into_scenes` |  | boolean | no | `false` |  | Dělení scén u syntetizovaných trénovacích videí překračujících práh délky. Při hodnotě true se dělení provede po sestavení počátečního obrázku a zvuku. |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | Spouštěč dělení scén vyjádřený délkou v sekundách: rozdělí se pouze videa delší než tento práh. |
| `debug_dataset` |  | boolean | no | `false` |  | Režim kontroly předzpracování pro kontrolu videí, obrázků a popisků před úplným trénováním. Po zapnutí trenér vrátí zpracovanou trénovací datovou sadu ve stažitelném archivu k ruční kontrole. |
| `audio_normalize` |  | boolean | no | `true` |  | Normalizace špiček podmiňovacího zvuku pro zachování konzistentních úrovní v celé datové sadě. |
| `audio_preserve_pitch` |  | boolean | no | `true` |  | Zachování výšky tónu při úpravě zvuku podle délky videa namísto jeho ořezání nebo doplnění. |
| `validation` |  | array of object {prompt, image_url, audio_url} | no | `[]` | ≤ 2 items | Seznam validačních promptů, kde je každý prompt spárován s podmiňovací zvukovou stopou. |
| `validation[].prompt` |  | string | yes |  |  | Prompt použitý během validace. |
| `validation[].image_url` |  | string (image URL) | yes |  | ≥ 1 characters | URL obrázku, který a2v použije přímo jako první snímek místo jeho generování. Proces a2v obrázek+zvuk → video používá dodaný zvuk i tento obrázek jako podmiňování. |
| `validation[].audio_url` |  | string (audio URL) | yes |  | ≥ 1 characters | URL podmiňovacího zvuku použitého k řízení generování videa. |
| `validation_negative_prompt` |  | string | no | `blurry, 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.` |  | Negativní prompt použitý během validace, která využívá jednofázový náhled. Protože tento proces přibližuje dvoufázovou produkční inferenci, jeho vedení a kvalita náhledu se liší od konečných výsledků. |
| `validation_number_of_frames` |  | integer | no | `89` | 9 – 121 | Počet snímků každého validačního videa. |
| `validation_frame_rate` |  | integer | no | `24` | 8 – 60 | Cílová snímková frekvence validačních videí ve snímcích za sekundu; LTX-2.3 nativně běží na 24. |
| `validation_resolution` |  | enum (string) | no | `high` | `low`, `medium`, `high` | Rozlišení použité během validace. |
| `validation_aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | Poměr stran použitý během validace. |
| `stg_scale` |  | number | no | `1` | 0 – 3 | Měřítko časoprostorového vedení (STG), s doporučenou hodnotou 1.0; hodnota 0.0 STG vypne. |

## 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-trainer-v2/a2v?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-trainer-v2/a2v?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-trainer-v2/a2v", 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-trainer-v2/a2v",
      "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-trainer-v2/a2v",
  "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": 12000,
    "usd": "12.00",
    "charged": 12000,
    "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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `video` | object {url, content_type, file_name, file_size} \| null | Kombinovaný náhled videa z validace, pokud je dostupný pro endpointy vytvářející video. |
| `audio` | object {url, content_type, file_name, file_size} \| null | Kombinovaný zvuk z validace, poskytovaný jako náhled, pokud je dostupný pro tyto trasy pouze se zvukem: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a a /v2a. |
| `lora_file` | object {url, content_type, file_name, file_size} | URL trénovaných vah LoRA ve formátu .safetensors. |
| `config_file` | object {url, content_type, file_name, file_size} | Konfigurace nastavení inferenčního endpointu. |
| `debug_dataset` | object {url, content_type, file_name, file_size} \| null | Ladicí výstup dostupný při povoleném `debug_dataset`: stažitelný archiv obsahující trénovací data po předzpracování. |

## 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) - 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
- [LTX 2.3 Trainer (V2) - Forward Audio Extension](https://doitong.com/developers/models/ltx23-trainer-v2/audio-extend-prefix.md) (`ltx23-trainer-v2/audio-extend-prefix`): $0.0022 / step

## Links

- HTML page: https://doitong.com/developers/models/ltx23-trainer-v2/a2v
- 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-trainer-v2/a2v
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/ltx23-trainer-v2/a2v