Zum Inhalt springen

LTX 2.3 Trainer (V2) - Audio-to-Audio

Integrieren

Modell-ID ltx23-trainer-v2/a2a
# 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/a2a?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"

Diese Anfrage: 4,60 $ 4.600 API-Credits Auf dieser Seite ausführen

API-Schlüssel abrufen
Lightricks · Datei

Dein erstes Ergebnis erscheint hier

Erstelle unten eine Anfrage und führe sie mit deinem API-Schlüssel aus. Ausgaben werden in unseren Speicher kopiert und dauerhaft oder 7 Tage kostenlos aufbewahrt.

Anfrage erstellen

Die Steuerelemente werden aus dem Modellschema generiert. Code und Preis werden aktualisiert, während du sie änderst.

resolution Standard medium

Trainingsauflösung. Eine höhere Auflösung erhöht den Speicherbedarf.

aspect_ratio Standard 1:1

Trainingsseitenverhältnis.

•erforderlich

URL einer `.zip`-Datei mit Trainingsdaten, organisiert gemäß dem ausgewählten Trainingsmodus. Jeder Mediendatei kann eine `.txt`-Untertiteldatei mit übereinstimmendem Basisnamen beiliegen.

Standard 2000

Gesamtzahl der Trainingsschritte.

Erweitert validation_negative_prompt · rank · validation_resolution · validation_aspect_ratio · trigger_phrase · learning_rate · number_of_frames · frame_rate · split_input_duration_threshold · audio_duration_seconds · 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,...

Bei der Validierung angewendeter negativer Prompt mit einstufiger Vorschau. Da dieser Prozess die destillierte Produktionsinferenz mit zwei Stufen annähert, unterscheiden sich seine Guidance und Vorschauqualität von den endgültigen Ergebnissen.

rank Standard 32

LoRA-Anpassungsrang, der mit steigender Einstellung höheren Speicherverbrauch gegen größere Kapazität eintauscht.

validation_resolution Standard high

Während der Validierung verwendete Auflösung.

validation_aspect_ratio Standard 1:1

Während der Validierung verwendetes Seitenverhältnis.

Standard

Aktivierungsphrase für den LoRA-Stil, die beim Training am Anfang der Untertitel eingefügt wird.

Standard 0.0002

Lernrate der Optimierung.

Standard 89

Frame-Anzahl jedes Trainingsbeispiels. Beim Teilen der Anzahl durch 8 muss ein Rest von 1 verbleiben; Beispiele sind 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.

Standard 24

Ziel-Frame-Rate des Trainingsvideos in Frames pro Sekunde. Die native Rate für LTX-2.3 beträgt 24.

Standard 30

Auslöser für die Szenentrennung als Dauer in Sekunden: Nur Videos, die länger als der Schwellenwert sind, werden geteilt.

Standard 5

Audio-Dauer-Bucket in Sekunden, erforderlich für reine Audio-Modi, da ihnen eine Video-Frame-Anzahl zur Längenberechnung fehlt. Dieses Ziel bestimmt die Clip-Verarbeitung: Überschüssiges Audio wird gekürzt, zu kurze Clips werden übersprungen.

Standard 89

Frame-Anzahl jedes Validierungsvideos.

Standard 24

Ziel-Frame-Rate der Validierungsvideos in Frames pro Sekunde; LTX-2.3 läuft nativ mit 24.

Standard 1

Skala der Spatio-Temporal Guidance (STG), empfohlen mit 1.0; 0.0 deaktiviert STG.

Standard []

Liste von Validierungs-Prompts, die jeweils mit einem Referenz-Audioclip gepaart sind.

POST /run/ltx23-trainer-v2/a2a?wait=20 Preis → 4,60 $
# 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/a2a?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"

Diese Anfrage ausführen

Dein Schlüssel bleibt in diesem Browser: Er wird nur an die Doitong API gesendet und nur gespeichert (localStorage), wenn du „Merken“ aktivierst. API-Schlüssel abrufen

Über LTX 2.3 Trainer (V2) - Audio-to-Audio

Feinabstimmung einer LoRA für Audio-zu-Audio-Transformation aus einem `.zip` gepaarter Beispiele in `training_data_url`. `rank` ist 8 bis 128, `number_of_steps` 100 bis 10000 und `audio_duration_seconds` 0.5 bis 60. Hier wird keine Szenenaufteilung verwendet; liefere daher bereits aufgeteilte Clips. Gibt die LoRA-Gewichte und eine Konfigurationsdatei zurück.

Parameter

NameTyp StandardZulässig Beschreibung
training_data_urlerforderlich
Typstring
URL einer `.zip`-Datei mit Trainingsdaten, organisiert gemäß dem ausgewählten Trainingsmodus. Jeder Mediendatei kann eine `.txt`-Untertiteldatei mit übereinstimmendem Basisnamen beiliegen.
rankoptional
Typenum
Standard32
8163264128
LoRA-Anpassungsrang, der mit steigender Einstellung höheren Speicherverbrauch gegen größere Kapazität eintauscht.
number_of_stepsoptional
Typinteger
Standard2000
100 – 10.000
Gesamtzahl der Trainingsschritte.
learning_rateoptional
Typnumber
Standard0.0002
0,000001 – 1
Lernrate der Optimierung.
number_of_framesoptional
Typinteger
Standard89
9 – 121
Frame-Anzahl jedes Trainingsbeispiels. Beim Teilen der Anzahl durch 8 muss ein Rest von 1 verbleiben; Beispiele sind 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.
frame_rateoptional
Typinteger
Standard24
8 – 60
Ziel-Frame-Rate des Trainingsvideos in Frames pro Sekunde. Die native Rate für LTX-2.3 beträgt 24.
resolutionoptional
Typenum
Standardmedium
lowmediumhigh
Trainingsauflösung. Eine höhere Auflösung erhöht den Speicherbedarf.
aspect_ratiooptional
Typenum
Standard1:1
16:91:19:16
Trainingsseitenverhältnis.
trigger_phraseoptional
Typstring
Standard
Aktivierungsphrase für den LoRA-Stil, die beim Training am Anfang der Untertitel eingefügt wird.
auto_scale_inputoptional
Typboolean
Standardfalse
Automatische Videoanpassung an die angeforderte FPS-Rate und Frame-Anzahl bei Aktivierung; Bilddatensätze bleiben unverändert.
split_input_into_scenesoptional
Typboolean
Standardfalse
Steuerung der Szenentrennung, die bei der Vorbereitung gepaarter Ziel-/Referenz-Audios für a2a ignoriert wird, da die Trennung das Paar desynchronisieren würde. Für a2a deaktiviert lassen und Clips vorher aufteilen.
split_input_duration_thresholdoptional
Typnumber
Standard30
1 – 60
Auslöser für die Szenentrennung als Dauer in Sekunden: Nur Videos, die länger als der Schwellenwert sind, werden geteilt.
debug_datasetoptional
Typboolean
Standardfalse
Inspektionsmodus der Vorverarbeitung zur Prüfung von Videos, Bildern und Untertiteln vor einem vollständigen Trainingslauf. Bei Aktivierung gibt der Trainer den verarbeiteten Trainingsdatensatz in einem herunterladbaren Archiv zur manuellen Prüfung zurück.
audio_normalizeoptional
Typboolean
Standardtrue
Normalisierung der Audio-Peaks zur Beibehaltung einheitlicher Pegel im gesamten Datensatz.
audio_preserve_pitchoptional
Typboolean
Standardtrue
Beibehaltung der Tonhöhe beim Anpassen der Audiodauer statt Kürzen oder Auffüllen.
audio_duration_secondsoptional
Typnumber
Standard5
0,5 – 60
Audio-Dauer-Bucket in Sekunden, erforderlich für reine Audio-Modi, da ihnen eine Video-Frame-Anzahl zur Längenberechnung fehlt. Dieses Ziel bestimmt die Clip-Verarbeitung: Überschüssiges Audio wird gekürzt, zu kurze Clips werden übersprungen.
validationoptional
Typobject[]
Standard[]
≤ 2 Elemente
Liste von Validierungs-Prompts, die jeweils mit einem Referenz-Audioclip gepaart sind.
validation[].prompterforderlich
Typstring
Während der Validierung verwendeter Prompt.
validation[].reference_audio_urlerforderlich
Typurl · audio
≥ 1 characters
Referenz-Audio-URL zur Konditionierung der Audiogenerierung.
validation_negative_promptoptional
Typstring
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.
Bei der Validierung angewendeter negativer Prompt mit einstufiger Vorschau. Da dieser Prozess die destillierte Produktionsinferenz mit zwei Stufen annähert, unterscheiden sich seine Guidance und Vorschauqualität von den endgültigen Ergebnissen.
validation_number_of_framesoptional
Typinteger
Standard89
9 – 121
Frame-Anzahl jedes Validierungsvideos.
validation_frame_rateoptional
Typinteger
Standard24
8 – 60
Ziel-Frame-Rate der Validierungsvideos in Frames pro Sekunde; LTX-2.3 läuft nativ mit 24.
validation_resolutionoptional
Typenum
Standardhigh
lowmediumhigh
Während der Validierung verwendete Auflösung.
validation_aspect_ratiooptional
Typenum
Standard1:1
16:91:19:16
Während der Validierung verwendetes Seitenverhältnis.
stg_scaleoptional
Typnumber
Standard1
0 – 3
Skala der Spatio-Temporal Guidance (STG), empfohlen mit 1.0; 0.0 deaktiviert STG.
erforderlich

Ausgabe

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ltx23-trainer-v2/a2a",
  "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": 4600,
    "usd": "4.60",
    "charged": 4600,
    "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"
  }
}
Deine Dateien, deine EntscheidungJede outputs[].url ist eine Kopie in unserem Speicher: dauerhaft aufbewahrt (Abrechnung pro GB-Monat) oder 7 Tage kostenlos – je nach Kontoeinstellung oder ?storage=.
Gleiche Struktur bei jedem Modelltype, url, content_type, width, height und duration – für Bilder, Video und Audio gleichermaßen. output ist das Ergebnisobjekt des Modells.
Ausgabefelder
video
object {url, content_type, file_name, file_size} | nullZusammengefasste Videovorschau aus der Validierung, sofern für Endpunkte verfügbar, die Video erzeugen.
audio
object {url, content_type, file_name, file_size} | nullZusammengefasstes Audio aus der Validierung, als Vorschau verfügbar für diese reinen Audio-Routen: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a und /v2a.
lora_file
object {url, content_type, file_name, file_size}URL trainierter LoRA-Gewichte im .safetensors-Format.
config_file
object {url, content_type, file_name, file_size}Konfiguration für die Einrichtung des Inferenz-Endpunkts.
debug_dataset
object {url, content_type, file_name, file_size} | nullDebug-Ausgabe bei aktiviertem `debug_dataset`: ein herunterladbares Archiv mit den Trainingsdaten nach der Vorverarbeitung.

Weitere Modelle: Training

Für KI-Agenten: Diese Seite ist als Markdown verfügbar unter https://doitong.com/de/developers/models/ltx23-trainer-v2/a2a.md. Alle Modelle und Anleitungen: https://doitong.com/developers/llms.txt