Gå til indhold

LTX 2.3 Trainer (V2) - Masked Audio+Video Transformation

Integrer

Model-id ltx23-trainer-v2/av2av-masked
# 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/av2av-masked?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"

Denne anmodning: 13,60 $ 13.600 API-kreditter Kør den på denne side

Hent API-nøgle
Lightricks · Fil

Dit første resultat kommer her

Opret en anmodning nedenfor, og kør den med din API-nøgle. Output kopieres til vores lagring, gemt for altid eller 7 dage gratis.

Opret en anmodning

Kontrollerne genereres fra modellens skema. Koden og prisen opdateres, når du ændrer dem.

resolution standard medium

Træningsopløsning. En højere opløsning øger hukommelseskravene.

aspect_ratio standard 1:1

Træningens størrelsesforhold.

•påkrævet

URL til en `.zip` med træningsdata organiseret efter den valgte træningstilstand. Hver mediefil kan have en tilhørende `.txt`-beskrivelse med samme basisnavn.

standard 2000

Samlet antal træningstrin.

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

Negativ prompt anvendt under validering, som bruger en forhåndsvisningsproces i ét trin. Da processen tilnærmer destilleret produktionsinferens i to trin, adskiller dens vejledning og forhåndsvisningskvalitet sig fra de endelige resultater.

rank standard 32

LoRA-tilpasningsrang, der bytter øget hukommelsesforbrug for større kapacitet, når indstillingen øges.

validation_resolution standard high

Opløsning, der bruges under validering.

validation_aspect_ratio standard 1:1

Størrelsesforhold, der bruges under validering.

standard

Aktiveringsudtryk for LoRA-stilen, indsat i begyndelsen af beskrivelserne under træning.

standard 0.0002

Læringsrate for optimeringen.

standard 89

Antal frames i hver træningsprøve. Når antallet divideres med 8, skal resten være 1; eksempler er 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.

standard 24

Målframerate for træningsvideoen i frames per sekund. Den oprindelige rate for LTX-2.3 er 24.

standard 30

Trigger for scenedeling angivet som en varighed i sekunder: kun videoer, der er længere end tærsklen, opdeles.

standard 89

Frameantal for hver valideringsvideo.

standard 24

Målframerate for valideringsvideoer i frames per sekund; LTX-2.3 kører oprindeligt ved 24.

standard 1

Skala for Spatio-Temporal Guidance (STG), hvor 1.0 anbefales, og 0.0 deaktiverer STG.

standard []

Valideringsinputliste; hver post indeholder en maske, en kildevideo, en prompt og en referencevideo med lyd.

POST /run/ltx23-trainer-v2/av2av-masked?wait=20 pris → 13,60 $
# 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/av2av-masked?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"

Kør denne anmodning

Din nøgle forbliver i denne browser: Den sendes kun til Doitong API og gemmes kun i localStorage, hvis du markerer Husk. Hent en API-nøgle

Om LTX 2.3 Trainer (V2) - Masked Audio+Video Transformation

Lærer kun at tegne det maskerede område af et klip om. De umaskerede pixels og en referencevideo styrer billedet, og en lydreference driver den genererede lyd. Hver træningsprøve kræver en start-, slut- og maske-triplet i zip-filen `training_data_url`, så scenesplitning er som standard deaktiveret. Antallet af frames pr. prøve går fra 9 til 121, og validation accepterer op til 2 elementer.

Parametre

NavnType StandardTilladt Beskrivelse
training_data_urlpåkrævet
Typestring
URL til en `.zip` med træningsdata organiseret efter den valgte træningstilstand. Hver mediefil kan have en tilhørende `.txt`-beskrivelse med samme basisnavn.
rankvalgfri
Typeenum
Standard32
8163264128
LoRA-tilpasningsrang, der bytter øget hukommelsesforbrug for større kapacitet, når indstillingen øges.
number_of_stepsvalgfri
Typeinteger
Standard2000
100 – 10.000
Samlet antal træningstrin.
learning_ratevalgfri
Typenumber
Standard0.0002
0,000001 – 1
Læringsrate for optimeringen.
number_of_framesvalgfri
Typeinteger
Standard89
9 – 121
Antal frames i hver træningsprøve. Når antallet divideres med 8, skal resten være 1; eksempler er 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.
frame_ratevalgfri
Typeinteger
Standard24
8 – 60
Målframerate for træningsvideoen i frames per sekund. Den oprindelige rate for LTX-2.3 er 24.
resolutionvalgfri
Typeenum
Standardmedium
lowmediumhigh
Træningsopløsning. En højere opløsning øger hukommelseskravene.
aspect_ratiovalgfri
Typeenum
Standard1:1
16:91:19:16
Træningens størrelsesforhold.
trigger_phrasevalgfri
Typestring
Standard
Aktiveringsudtryk for LoRA-stilen, indsat i begyndelsen af beskrivelserne under træning.
auto_scale_inputvalgfri
Typeboolean
Standardfalse
Automatisk videojustering, så den matcher den anmodede FPS og frameantal, når den aktiveres; billeddatasæt forbliver uændrede.
split_input_into_scenesvalgfri
Typeboolean
Standardfalse
Sceneopdeling er deaktiveret i maskeret av2av for at holde triplet'en _start/_end/_mask synkroniseret. Klip skal opdeles på forhånd; forberedelse af target/reference/mask ignorerer indstillingen for sceneopdeling.
split_input_duration_thresholdvalgfri
Typenumber
Standard30
1 – 60
Trigger for scenedeling angivet som en varighed i sekunder: kun videoer, der er længere end tærsklen, opdeles.
debug_datasetvalgfri
Typeboolean
Standardfalse
Inspektionstilstand for præprocessering, der bruges til at kontrollere videoer, billeder og beskrivelser før en fuld træningskørsel. Aktivering får træneren til at returnere det behandlede træningsdatasæt i et arkiv, der kan downloades til manuel gennemgang.
audio_normalizevalgfri
Typeboolean
Standardtrue
Normalisering af lydens topniveau for at opretholde ensartede niveauer i hele datasættet.
audio_preserve_pitchvalgfri
Typeboolean
Standardtrue
Bevaring af tonehøjde under justering af lyd, så den matcher videolængden, i stedet for at beskære den.
validationvalgfri
Typeobject[]
Standard[]
≤ 2 elementer
Valideringsinputliste; hver post indeholder en maske, en kildevideo, en prompt og en referencevideo med lyd.
validation[].promptpåkrævet
Typestring
Prompt, der bruges under validering.
validation[].video_urlpåkrævet
Typeurl · video
≥ 1 characters
URL til kildevideoen til regenerering af det maskerede område, mens de oprindelige pixels bevares i hele det umaskerede område.
validation[].mask_urlpåkrævet
Typeurl · image
≥ 1 characters
Maske leveret via URL som et billede eller en video, hvor sort angiver områder, der forbliver uændrede, og hvid angiver områder, der skal regenereres.
validation[].reference_video_urlpåkrævet
Typeurl · video
≥ 1 characters
URL til referencevideoen, der styrer den regenererede video og lyd. Videoens lydspor leverer også lydreferencen.
validation[].reference_audio_urlvalgfri
Typeurl · audio
Tilsidesæt eventuelt lydsporet fra `reference_video_url` ved at angive en URL til en separat referencelydfil.
validation_negative_promptvalgfri
Typestring
Standardblurry, 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.
Negativ prompt anvendt under validering, som bruger en forhåndsvisningsproces i ét trin. Da processen tilnærmer destilleret produktionsinferens i to trin, adskiller dens vejledning og forhåndsvisningskvalitet sig fra de endelige resultater.
validation_number_of_framesvalgfri
Typeinteger
Standard89
9 – 121
Frameantal for hver valideringsvideo.
validation_frame_ratevalgfri
Typeinteger
Standard24
8 – 60
Målframerate for valideringsvideoer i frames per sekund; LTX-2.3 kører oprindeligt ved 24.
validation_resolutionvalgfri
Typeenum
Standardhigh
lowmediumhigh
Opløsning, der bruges under validering.
validation_aspect_ratiovalgfri
Typeenum
Standard1:1
16:91:19:16
Størrelsesforhold, der bruges under validering.
stg_scalevalgfri
Typenumber
Standard1
0 – 3
Skala for Spatio-Temporal Guidance (STG), hvor 1.0 anbefales, og 0.0 deaktiverer STG.
påkrævet

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ltx23-trainer-v2/av2av-masked",
  "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": 13600,
    "usd": "13.60",
    "charged": 13600,
    "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"
  }
}
Dine filer, dit valgHver outputs[].url er en kopi på vores lagring: gemt for altid (betales pr. GB-måned) eller 7 dage gratis, afhængigt af din kontoindstilling eller ?storage=.
Samme struktur for alle modellertype, url, content_type, width, height og duration for billeder, video og lyd. output er modellens eget resultatobjekt.
Outputfelter
video
object {url, content_type, file_name, file_size} | nullSamlet videoforhåndsvisning fra valideringen, når den er tilgængelig for endpoints, der producerer video.
audio
object {url, content_type, file_name, file_size} | nullSamlet lyd fra valideringen, leveret som forhåndsvisning, når den er tilgængelig for disse lydruter: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a og /v2a.
lora_file
object {url, content_type, file_name, file_size}URL til trænede LoRA-vægte i .safetensors-format.
config_file
object {url, content_type, file_name, file_size}Konfiguration til opsætning af inferens-endpointet.
debug_dataset
object {url, content_type, file_name, file_size} | nullDebug-output, der er tilgængeligt, når `debug_dataset` er aktiveret: et arkiv, der kan downloades, og som indeholder træningsdataene efter præprocessering.

Flere modeller: Træning

Til AI-agenter: Denne side som Markdown findes på https://doitong.com/da/developers/models/ltx23-trainer-v2/av2av-masked.md. Alle modeller og vejledninger: https://doitong.com/developers/llms.txt