Μετάβαση στο περιεχόμενο

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

Ενσωμάτωση

id μοντέλου 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"

Αυτό το αίτημα: 4,60 $ 4.600 πιστώσεις API Εκτέλεση σε αυτήν τη σελίδα

Λήψη κλειδιού API
Lightricks Εκπαίδευση 1–60 s

Εκπαιδεύει ένα LTX 2.3 LoRA που αντιστοιχίζει κλιπ ήχου αναφοράς σε κλιπ ήχου-στόχο από ζευγαρωμένα παραδείγματα

Lightricks · Αρχείο

Το πρώτο σας αποτέλεσμα θα εμφανιστεί εδώ

Δημιουργήστε ένα αίτημα παρακάτω και εκτελέστε το με το κλειδί API σας. Οι έξοδοι αντιγράφονται στην αποθήκευσή μας και διατηρούνται για πάντα ή 7 ημέρες δωρεάν.

Δημιουργία αιτήματος

Τα στοιχεία ελέγχου δημιουργούνται από το σχήμα του μοντέλου. Ο κώδικας και η τιμή ενημερώνονται καθώς τα αλλάζετε.

resolution προεπιλογή medium

Ανάλυση εκπαίδευσης. Η αύξηση της ανάλυσης αυξάνει τις απαιτήσεις μνήμης.

aspect_ratio προεπιλογή 1:1

Αναλογία πλευρών εκπαίδευσης.

•απαιτείται

URL για ένα `.zip` που περιέχει δεδομένα εκπαίδευσης, οργανωμένα σύμφωνα με την επιλεγμένη λειτουργία εκπαίδευσης. Κάθε αρχείο πολυμέσων μπορεί να συνοδεύεται από λεζάντα `.txt` με το ίδιο βασικό όνομα.

προεπιλογή 2000

Συνολικός αριθμός βημάτων εκπαίδευσης.

Για προχωρημένους 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
προεπιλογή blurry, out of focus,...

Αρνητικό prompt που εφαρμόζεται κατά την επικύρωση, η οποία χρησιμοποιεί διαδικασία προεπισκόπησης ενός σταδίου. Επειδή αυτή η διαδικασία προσεγγίζει τη distilled παραγωγή συμπερασματολογίας δύο σταδίων, η καθοδήγηση και η ποιότητα προεπισκόπησης διαφέρουν από τα τελικά αποτελέσματα.

rank προεπιλογή 32

Τάξη προσαρμογής LoRA, που ανταλλάσσει αυξημένη κατανάλωση μνήμης με μεγαλύτερη χωρητικότητα καθώς αυξάνεται η ρύθμιση.

validation_resolution προεπιλογή high

Ανάλυση που χρησιμοποιείται κατά την επικύρωση.

validation_aspect_ratio προεπιλογή 1:1

Αναλογία πλευρών που χρησιμοποιείται κατά την επικύρωση.

προεπιλογή

Φράση ενεργοποίησης στυλ LoRA, που εισάγεται στην αρχή των λεζαντών κατά την εκπαίδευση.

προεπιλογή 0.0002

Ρυθμός μάθησης βελτιστοποίησης.

προεπιλογή 89

Αριθμός καρέ για κάθε δείγμα εκπαίδευσης. Η διαίρεση του αριθμού με το 8 πρέπει να αφήνει υπόλοιπο 1· παραδείγματα είναι 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.

προεπιλογή 24

Ρυθμός καρέ του βίντεο εκπαίδευσης σε καρέ ανά δευτερόλεπτο. Ο εγγενής ρυθμός για το LTX-2.3 είναι 24.

προεπιλογή 30

Έναυσμα διαχωρισμού σκηνών, εκφρασμένο ως διάρκεια σε δευτερόλεπτα: διαχωρίζονται μόνο βίντεο που υπερβαίνουν το όριο.

προεπιλογή 5

Κάδος διάρκειας ήχου σε δευτερόλεπτα, απαραίτητος για λειτουργίες μόνο ήχου επειδή δεν διαθέτουν αριθμό καρέ βίντεο για τον υπολογισμό της διάρκειας. Αυτός ο στόχος καθορίζει τον χειρισμό των κλιπ: ο επιπλέον ήχος περικόπτεται, ενώ τα κλιπ μικρότερης διάρκειας παραλείπονται.

προεπιλογή 89

Αριθμός καρέ για κάθε βίντεο επικύρωσης.

προεπιλογή 24

Ρυθμός καρέ-στόχος για βίντεο επικύρωσης, σε καρέ ανά δευτερόλεπτο· το LTX-2.3 εκτελείται εγγενώς στα 24.

προεπιλογή 1

Κλίμακα Χωροχρονικής Καθοδήγησης (STG), με προτεινόμενο το 1.0 και το 0.0 να απενεργοποιεί το STG.

προεπιλογή []

Λίστα prompt επικύρωσης που αντιστοιχίζει κάθε prompt σε κλιπ ήχου αναφοράς.

POST /run/ltx23-trainer-v2/a2a?wait=20 προσφορά → 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"

Εκτέλεση αυτού του αιτήματος

Το κλειδί σας παραμένει σε αυτό το πρόγραμμα περιήγησης: αποστέλλεται μόνο στο Doitong API και αποθηκεύεται (localStorage) μόνο αν ενεργοποιήσετε την επιλογή «Να απομνημονεύεται». Λήψη κλειδιού API

Σχετικά με το LTX 2.3 Trainer (V2) - Audio-to-Audio

Ρυθμίζει ένα LoRA για μετατροπή ήχου σε ήχο από ένα `.zip` ζευγαρωμένων παραδειγμάτων στο `training_data_url`. Το `rank` είναι 8 έως 128, το `number_of_steps` 100 έως 10000 και το `audio_duration_seconds` 0.5 έως 60. Εδώ δεν χρησιμοποιείται διαχωρισμός σκηνών, επομένως παρέχετε ήδη διαχωρισμένα κλιπ. Επιστρέφονται τα βάρη LoRA και ένα αρχείο config.

Παράμετροι

ΌνομαΤύπος ΠροεπιλογήΕπιτρεπόμενο Περιγραφή
training_data_urlαπαιτείται
Τύποςstring
URL για ένα `.zip` που περιέχει δεδομένα εκπαίδευσης, οργανωμένα σύμφωνα με την επιλεγμένη λειτουργία εκπαίδευσης. Κάθε αρχείο πολυμέσων μπορεί να συνοδεύεται από λεζάντα `.txt` με το ίδιο βασικό όνομα.
rankπροαιρετικό
Τύποςenum
Προεπιλογή32
8163264128
Τάξη προσαρμογής LoRA, που ανταλλάσσει αυξημένη κατανάλωση μνήμης με μεγαλύτερη χωρητικότητα καθώς αυξάνεται η ρύθμιση.
number_of_stepsπροαιρετικό
Τύποςinteger
Προεπιλογή2000
100 – 10.000
Συνολικός αριθμός βημάτων εκπαίδευσης.
learning_rateπροαιρετικό
Τύποςnumber
Προεπιλογή0.0002
0,000001 – 1
Ρυθμός μάθησης βελτιστοποίησης.
number_of_framesπροαιρετικό
Τύποςinteger
Προεπιλογή89
9 – 121
Αριθμός καρέ για κάθε δείγμα εκπαίδευσης. Η διαίρεση του αριθμού με το 8 πρέπει να αφήνει υπόλοιπο 1· παραδείγματα είναι 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.
frame_rateπροαιρετικό
Τύποςinteger
Προεπιλογή24
8 – 60
Ρυθμός καρέ του βίντεο εκπαίδευσης σε καρέ ανά δευτερόλεπτο. Ο εγγενής ρυθμός για το LTX-2.3 είναι 24.
resolutionπροαιρετικό
Τύποςenum
Προεπιλογήmedium
lowmediumhigh
Ανάλυση εκπαίδευσης. Η αύξηση της ανάλυσης αυξάνει τις απαιτήσεις μνήμης.
aspect_ratioπροαιρετικό
Τύποςenum
Προεπιλογή1:1
16:91:19:16
Αναλογία πλευρών εκπαίδευσης.
trigger_phraseπροαιρετικό
Τύποςstring
Προεπιλογή
Φράση ενεργοποίησης στυλ LoRA, που εισάγεται στην αρχή των λεζαντών κατά την εκπαίδευση.
auto_scale_inputπροαιρετικό
Τύποςboolean
Προεπιλογήfalse
Αυτόματη προσαρμογή βίντεο ώστε να ταιριάζει με το ζητούμενο FPS και τον αριθμό καρέ όταν ενεργοποιείται· τα σύνολα δεδομένων εικόνων παραμένουν αμετάβλητα.
split_input_into_scenesπροαιρετικό
Τύποςboolean
Προεπιλογήfalse
Έλεγχος διαχωρισμού σκηνών, που αγνοείται κατά την προετοιμασία ζευγαρωμένου ήχου στόχου/αναφοράς για a2a, επειδή ο διαχωρισμός θα αποσυγχρόνιζε το ζεύγος. Διατηρήστε το απενεργοποιημένο για a2a και παρέχετε εκ των προτέρων διαχωρισμένα κλιπ.
split_input_duration_thresholdπροαιρετικό
Τύποςnumber
Προεπιλογή30
1 – 60
Έναυσμα διαχωρισμού σκηνών, εκφρασμένο ως διάρκεια σε δευτερόλεπτα: διαχωρίζονται μόνο βίντεο που υπερβαίνουν το όριο.
debug_datasetπροαιρετικό
Τύποςboolean
Προεπιλογήfalse
Λειτουργία επιθεώρησης προεπεξεργασίας για έλεγχο βίντεο, εικόνων και λεζαντών πριν από πλήρη εκτέλεση εκπαίδευσης. Η ενεργοποίησή της κάνει τον εκπαιδευτή να επιστρέφει το επεξεργασμένο σύνολο δεδομένων εκπαίδευσης σε αρχείο αρχειοθήκης με δυνατότητα λήψης για χειροκίνητο έλεγχο.
audio_normalizeπροαιρετικό
Τύποςboolean
Προεπιλογήtrue
Κανονικοποίηση κορυφών ήχου για διατήρηση συνεπών επιπέδων σε όλο το σύνολο δεδομένων.
audio_preserve_pitchπροαιρετικό
Τύποςboolean
Προεπιλογήtrue
Διατήρηση του τονικού ύψους κατά την προσαρμογή της διάρκειας ήχου, αντί για περικοπή ή συμπλήρωση.
audio_duration_secondsπροαιρετικό
Τύποςnumber
Προεπιλογή5
0,5 – 60
Κάδος διάρκειας ήχου σε δευτερόλεπτα, απαραίτητος για λειτουργίες μόνο ήχου επειδή δεν διαθέτουν αριθμό καρέ βίντεο για τον υπολογισμό της διάρκειας. Αυτός ο στόχος καθορίζει τον χειρισμό των κλιπ: ο επιπλέον ήχος περικόπτεται, ενώ τα κλιπ μικρότερης διάρκειας παραλείπονται.
validationπροαιρετικό
Τύποςobject[]
Προεπιλογή[]
≤ 2 στοιχεία
Λίστα prompt επικύρωσης που αντιστοιχίζει κάθε prompt σε κλιπ ήχου αναφοράς.
validation[].promptαπαιτείται
Τύποςstring
Prompt που χρησιμοποιείται κατά την επικύρωση.
validation[].reference_audio_urlαπαιτείται
Τύποςurl · audio
≥ 1 characters
URL ήχου αναφοράς που χρησιμοποιείται για την καθοδήγηση της παραγωγής ήχου.
validation_negative_promptπροαιρετικό
Τύποςstring
Προεπιλογήblurry, 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.
Αρνητικό prompt που εφαρμόζεται κατά την επικύρωση, η οποία χρησιμοποιεί διαδικασία προεπισκόπησης ενός σταδίου. Επειδή αυτή η διαδικασία προσεγγίζει τη distilled παραγωγή συμπερασματολογίας δύο σταδίων, η καθοδήγηση και η ποιότητα προεπισκόπησης διαφέρουν από τα τελικά αποτελέσματα.
validation_number_of_framesπροαιρετικό
Τύποςinteger
Προεπιλογή89
9 – 121
Αριθμός καρέ για κάθε βίντεο επικύρωσης.
validation_frame_rateπροαιρετικό
Τύποςinteger
Προεπιλογή24
8 – 60
Ρυθμός καρέ-στόχος για βίντεο επικύρωσης, σε καρέ ανά δευτερόλεπτο· το LTX-2.3 εκτελείται εγγενώς στα 24.
validation_resolutionπροαιρετικό
Τύποςenum
Προεπιλογήhigh
lowmediumhigh
Ανάλυση που χρησιμοποιείται κατά την επικύρωση.
validation_aspect_ratioπροαιρετικό
Τύποςenum
Προεπιλογή1:1
16:91:19:16
Αναλογία πλευρών που χρησιμοποιείται κατά την επικύρωση.
stg_scaleπροαιρετικό
Τύποςnumber
Προεπιλογή1
0 – 3
Κλίμακα Χωροχρονικής Καθοδήγησης (STG), με προτεινόμενο το 1.0 και το 0.0 να απενεργοποιεί το STG.
απαιτείται

Έξοδος

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"
  }
}
Τα αρχεία σας, η επιλογή σαςΚάθε outputs[].url είναι ένα αντίγραφο στην αποθήκευσή μας: διατηρείται για πάντα (χρέωση ανά GB-μήνα) ή 7 ημέρες δωρεάν, σύμφωνα με τη ρύθμιση του λογαριασμού σας ή ?storage=.
Ίδια μορφή σε κάθε μοντέλοtype, url, content_type, width, height και duration, τόσο για εικόνες όσο και για βίντεο και ήχο. Το output είναι το αντικείμενο αποτελέσματος του ίδιου του μοντέλου.
Πεδία εξόδου
video
object {url, content_type, file_name, file_size} | nullΕνοποιημένη προεπισκόπηση βίντεο από την επικύρωση, όταν είναι διαθέσιμη για τελικά σημεία που παράγουν βίντεο.
audio
object {url, content_type, file_name, file_size} | nullΕνοποιημένος ήχος από την επικύρωση, που παρέχεται ως προεπισκόπηση όταν είναι διαθέσιμος για αυτές τις διαδρομές μόνο ήχου: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a και /v2a.
lora_file
object {url, content_type, file_name, file_size}URL για εκπαιδευμένα βάρη LoRA σε μορφή .safetensors.
config_file
object {url, content_type, file_name, file_size}Διαμόρφωση για τη ρύθμιση του τελικού σημείου συμπερασματολογίας.
debug_dataset
object {url, content_type, file_name, file_size} | nullΈξοδος εντοπισμού σφαλμάτων διαθέσιμη όταν είναι ενεργοποιημένο το `debug_dataset`: αρχείο αρχειοθήκης με δυνατότητα λήψης, που περιέχει τα δεδομένα εκπαίδευσης μετά την προεπεξεργασία.

Περισσότερα μοντέλα: Εκπαίδευση

Για πράκτορες AI: αυτή η σελίδα σε Markdown βρίσκεται στη διεύθυνση https://doitong.com/el/developers/models/ltx23-trainer-v2/a2a.md. Όλα τα μοντέλα και οι οδηγοί: https://doitong.com/developers/llms.txt