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

> Εκπαιδεύει LoRA για text-to-audio παραγωγή που μαθαίνει έναν ήχο ή στυλ από τα κλιπ ήχου σας

Βελτιστοποιεί ένα LoRA από αρχείο `.zip` που δίνεται στο `training_data_url`, ώστε το μοντέλο να δημιουργεί ήχο από κείμενο. Οι ειδικές επιλογές ήχου περιλαμβάνουν `audio_duration_seconds` (0.5 έως 60, προεπιλογή 5), `audio_normalize` και `audio_preserve_pitch`. Η εκπαίδευση εκτελείται από προεπιλογή για 2000 βήματα (100 έως 10000), με `rank` από 8 έως 128. Επιστρέφει το αρχείο βαρών LoRA, αρχείο ρυθμίσεων και προεπισκοπήσεις επικύρωσης.

- Model id: `ltx23-trainer-v2/t2a`
- Made by: Lightricks
- Category: Training
- Output: file
- Price: $0.0022 / step (cheapest run $4.40 (4400 API credits))
- Run: `POST https://api.doitong.com/v1/run/ltx23-trainer-v2/t2a`
- Quote: `POST https://api.doitong.com/v1/quote/ltx23-trainer-v2/t2a`
- Docs page: https://doitong.com/el/developers/models/ltx23-trainer-v2/t2a

## Pricing

Price: **$0.0022 / step**. Billed per training step (`number_of_steps`).

The full example input below costs $4.40 = 4400 API credits (2000 steps × 2.2 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/t2a` 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 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. |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | Τάξη προσαρμογής LoRA, που ανταλλάσσει αυξημένη κατανάλωση μνήμης με μεγαλύτερη χωρητικότητα καθώς αυξάνεται η ρύθμιση. |
| `number_of_steps` |  | integer | no | `2000` | 100 – 10,000 | Συνολικός αριθμός βημάτων εκπαίδευσης. |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | Ρυθμός μάθησης βελτιστοποίησης. |
| `number_of_frames` |  | integer | no | `89` | 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_rate` |  | integer | no | `24` | 8 – 60 | Ρυθμός καρέ του βίντεο εκπαίδευσης σε καρέ ανά δευτερόλεπτο. Ο εγγενής ρυθμός για το LTX-2.3 είναι 24. |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | Ανάλυση εκπαίδευσης. Η αύξηση της ανάλυσης αυξάνει τις απαιτήσεις μνήμης. |
| `aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | Αναλογία πλευρών εκπαίδευσης. |
| `trigger_phrase` |  | string | no | `` |  | Φράση ενεργοποίησης στυλ LoRA, που εισάγεται στην αρχή των λεζαντών κατά την εκπαίδευση. |
| `auto_scale_input` |  | boolean | no | `false` |  | 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_scenes` |  | boolean | no | `true` |  | Διαχωρισμός σκηνών για βίντεο που υπερβαίνουν ένα όριο διάρκειας, ενεργοποιημένος όταν η τιμή είναι true. |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | Έναυσμα διαχωρισμού σκηνών, εκφρασμένο ως διάρκεια σε δευτερόλεπτα: διαχωρίζονται μόνο βίντεο που υπερβαίνουν το όριο. |
| `debug_dataset` |  | boolean | no | `false` |  | 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_normalize` |  | boolean | no | `true` |  | Κανονικοποίηση κορυφών ήχου για διατήρηση συνεπών επιπέδων σε όλο το σύνολο δεδομένων. |
| `audio_preserve_pitch` |  | boolean | no | `true` |  | Διατήρηση του τονικού ύψους κατά την προσαρμογή της διάρκειας ήχου, αντί για περικοπή ή συμπλήρωση. |
| `audio_duration_seconds` |  | number | no | `5` | 0.5 – 60 | Κάδος διάρκειας ήχου, καθορισμένος ως διάρκεια-στόχος σε δευτερόλεπτα: τα κλιπ που την υπερβαίνουν περικόπτονται ώστε να χωρέσουν, ενώ τα κλιπ που δεν μπορούν να τη συμπληρώσουν παραλείπονται. |
| `validation` |  | array of object {prompt} | no | `[]` | ≤ 2 items | Λίστα prompt επικύρωσης που χρησιμοποιείται για την παραγωγή ήχου για κάθε καταχώριση. |
| `validation[].prompt` |  | string | yes |  |  | Prompt που χρησιμοποιείται κατά την επικύρωση. |
| `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.` |  | 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_frames` |  | integer | no | `89` | 9 – 121 | Αριθμός καρέ για κάθε βίντεο επικύρωσης. |
| `validation_frame_rate` |  | integer | no | `24` | 8 – 60 | Ρυθμός καρέ-στόχος για βίντεο επικύρωσης, σε καρέ ανά δευτερόλεπτο· το LTX-2.3 εκτελείται εγγενώς στα 24. |
| `validation_resolution` |  | enum (string) | no | `high` | `low`, `medium`, `high` | Ανάλυση που χρησιμοποιείται κατά την επικύρωση. |
| `validation_aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | Αναλογία πλευρών που χρησιμοποιείται κατά την επικύρωση. |
| `stg_scale` |  | number | no | `1` | 0 – 3 | Κλίμακα Χωροχρονικής Καθοδήγησης (STG), με προτεινόμενο το 1.0 και το 0.0 να απενεργοποιεί το 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/t2a?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/t2a?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/t2a", 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/t2a",
      "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/t2a",
  "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": 4400,
    "usd": "4.40",
    "charged": 4400,
    "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 | Ενοποιημένη προεπισκόπηση βίντεο από την επικύρωση, όταν είναι διαθέσιμη για τελικά σημεία που παράγουν βίντεο. |
| `audio` | object {url, content_type, file_name, file_size} \| null | Ενοποιημένος 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} \| null | Έξοδος εντοπισμού σφαλμάτων διαθέσιμη όταν είναι ενεργοποιημένο το `debug_dataset`: αρχείο αρχειοθήκης με δυνατότητα λήψης, που περιέχει τα δεδομένα εκπαίδευσης μετά την προεπεξεργασία. |

## 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) - Audio-to-Video](https://doitong.com/developers/models/ltx23-trainer-v2/a2v.md) (`ltx23-trainer-v2/a2v`): $0.006 / 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

## Links

- HTML page: https://doitong.com/developers/models/ltx23-trainer-v2/t2a
- 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/t2a
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/ltx23-trainer-v2/t2a