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

> Trainiert eine LTX 2.3 LoRA, die aus einem Startbild und konditionierendem Audio ein Video erstellt

Trainiert eine LoRA für Audio-zu-Video-Erzeugung aus einem `.zip` in `training_data_url`. `rank` ist 8 bis 128, `number_of_steps` 100 bis 10000 und `number_of_frames` 9 bis 121. `validation` akzeptiert bis zu 2 Einträge, jeweils mit einer konditionierenden Audiospur. Gibt die LoRA-Gewichte, eine Konfigurationsdatei und optional eine Vorschau aus.

- 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/de/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 einer `.zip`-Datei mit Trainingsdaten, organisiert gemäß dem ausgewählten Trainingsmodus. Jeder Mediendatei kann eine `.txt`-Untertiteldatei mit übereinstimmendem Basisnamen beiliegen. |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | LoRA-Anpassungsrang, der mit steigender Einstellung höheren Speicherverbrauch gegen größere Kapazität eintauscht. |
| `number_of_steps` |  | integer | no | `2000` | 100 – 10,000 | Gesamtzahl der Trainingsschritte. |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | Lernrate der Optimierung. |
| `number_of_frames` |  | integer | no | `89` | 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_rate` |  | integer | no | `24` | 8 – 60 | Ziel-Frame-Rate des Trainingsvideos in Frames pro Sekunde. Die native Rate für LTX-2.3 beträgt 24. |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | Trainingsauflösung. Eine höhere Auflösung erhöht den Speicherbedarf. |
| `aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | Trainingsseitenverhältnis. |
| `trigger_phrase` |  | string | no | `` |  | Aktivierungsphrase für den LoRA-Stil, die beim Training am Anfang der Untertitel eingefügt wird. |
| `auto_scale_input` |  | boolean | no | `false` |  | Automatische Videoanpassung an die angeforderte FPS-Rate und Frame-Anzahl bei Aktivierung; Bilddatensätze bleiben unverändert. |
| `split_input_into_scenes` |  | boolean | no | `false` |  | Szenentrennung für synthetisierte Trainingsvideos, die den Dauerschwellenwert überschreiten. Bei true erfolgt die Trennung nach dem Zusammenfügen von Startbild und Audio. |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | Auslöser für die Szenentrennung als Dauer in Sekunden: Nur Videos, die länger als der Schwellenwert sind, werden geteilt. |
| `debug_dataset` |  | boolean | no | `false` |  | 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_normalize` |  | boolean | no | `true` |  | Peak-Normalisierung des Konditionierungsaudios zur Beibehaltung einheitlicher Pegel im gesamten Datensatz. |
| `audio_preserve_pitch` |  | boolean | no | `true` |  | Beibehaltung der Tonhöhe beim Anpassen des Audios an die Videolänge statt Kürzen oder Auffüllen. |
| `validation` |  | array of object {prompt, image_url, audio_url} | no | `[]` | ≤ 2 items | Liste von Validierungs-Prompts, die jeweils mit einer Konditionierungsspur gepaart sind. |
| `validation[].prompt` |  | string | yes |  |  | Während der Validierung verwendeter Prompt. |
| `validation[].image_url` |  | string (image URL) | yes |  | ≥ 1 characters | URL eines Bildes, das a2v direkt als ersten Frame verwendet, statt diesen Frame zu generieren. Der Bild+Audio-zu-Video-Prozess von a2v verwendet sowohl das bereitgestellte Audio als auch dieses Bild zur Konditionierung. |
| `validation[].audio_url` |  | string (audio URL) | yes |  | ≥ 1 characters | URL des Konditionierungsaudios zur Steuerung der Videogenerierung. |
| `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.` |  | 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_frames` |  | integer | no | `89` | 9 – 121 | Frame-Anzahl jedes Validierungsvideos. |
| `validation_frame_rate` |  | integer | no | `24` | 8 – 60 | Ziel-Frame-Rate der Validierungsvideos in Frames pro Sekunde; LTX-2.3 läuft nativ mit 24. |
| `validation_resolution` |  | enum (string) | no | `high` | `low`, `medium`, `high` | Während der Validierung verwendete Auflösung. |
| `validation_aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | Während der Validierung verwendetes Seitenverhältnis. |
| `stg_scale` |  | number | no | `1` | 0 – 3 | Skala der Spatio-Temporal Guidance (STG), empfohlen mit 1.0; 0.0 deaktiviert STG. |

## 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 | Zusammengefasste Videovorschau aus der Validierung, sofern für Endpunkte verfügbar, die Video erzeugen. |
| `audio` | object {url, content_type, file_name, file_size} \| null | Zusammengefasstes 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} \| null | Debug-Ausgabe bei aktiviertem `debug_dataset`: ein herunterladbares Archiv mit den Trainingsdaten nach der Vorverarbeitung. |

## 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