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

> Entrena una LoRA de LTX 2.3 que transforma un clip de audio de referencia en un clip de audio objetivo a partir de ejemplos emparejados

Ajusta una LoRA para la transformación de audio a audio a partir de un `.zip` de ejemplos emparejados en `training_data_url`. `rank` va de 8 a 128, `number_of_steps` de 100 a 10000 y `audio_duration_seconds` de 0.5 a 60. Aquí no se divide la escena, así que debes proporcionar clips ya divididos. Devuelve los pesos de LoRA y un archivo de configuración.

- Model id: `ltx23-trainer-v2/a2a`
- Made by: Lightricks
- Category: Training
- Output: file
- Price: $0.0023 / step (cheapest run $4.60 (4600 API credits))
- Run: `POST https://api.doitong.com/v1/run/ltx23-trainer-v2/a2a`
- Quote: `POST https://api.doitong.com/v1/quote/ltx23-trainer-v2/a2a`
- Docs page: https://doitong.com/es/developers/models/ltx23-trainer-v2/a2a

## Pricing

Price: **$0.0023 / step**. Billed per training step (`number_of_steps`).

The full example input below costs $4.60 = 4600 API credits (2000 steps × 2.3 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/a2a` 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 de un `.zip` que contiene datos de entrenamiento, organizados según el modo de entrenamiento seleccionado. Cada archivo multimedia puede tener un pie de foto `.txt` asociado con el mismo nombre base. |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | Rango de adaptación de LoRA, que intercambia un mayor consumo de memoria por una mayor capacidad a medida que aumenta el valor. |
| `number_of_steps` |  | integer | no | `2000` | 100 – 10,000 | Número total de pasos de entrenamiento. |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | Tasa de aprendizaje de optimización. |
| `number_of_frames` |  | integer | no | `89` | 9 – 121 | Número de fotogramas de cada muestra de entrenamiento. Al dividirlo entre 8, el resto debe ser 1; algunos ejemplos son 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97. |
| `frame_rate` |  | integer | no | `24` | 8 – 60 | Frecuencia de fotogramas objetivo del video de entrenamiento, en fotogramas por segundo. La frecuencia nativa de LTX-2.3 es 24. |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | Resolución de entrenamiento. Aumentarla incrementa los requisitos de memoria. |
| `aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | Relación de aspecto del entrenamiento. |
| `trigger_phrase` |  | string | no | `` |  | Frase de activación del estilo LoRA, insertada al principio de los pies de foto durante el entrenamiento. |
| `auto_scale_input` |  | boolean | no | `false` |  | Ajuste automático del video para coincidir con los FPS y el número de fotogramas solicitados cuando está activado; los conjuntos de datos de imágenes no se modifican. |
| `split_input_into_scenes` |  | boolean | no | `false` |  | Control de división de escenas, ignorado durante la preparación del audio objetivo/de referencia emparejado para a2a porque la división desincronizaría el par. Mantenlo desactivado para a2a y proporciona clips divididos previamente. |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | Activador de división de escenas expresado como una duración en segundos: solo se dividen los videos que superan el umbral. |
| `debug_dataset` |  | boolean | no | `false` |  | Modo de inspección del preprocesamiento para comprobar videos, imágenes y pies de foto antes de una ejecución completa del entrenamiento. Activarlo hace que el entrenador devuelva el conjunto de datos de entrenamiento procesado en un archivo descargable para su revisión manual. |
| `audio_normalize` |  | boolean | no | `true` |  | Normalización de picos de audio para mantener niveles uniformes en todo el conjunto de datos. |
| `audio_preserve_pitch` |  | boolean | no | `true` |  | Conservación del tono al ajustar la duración del audio, en lugar de recortarlo o rellenarlo. |
| `audio_duration_seconds` |  | number | no | `5` | 0.5 – 60 | Intervalo de duración del audio en segundos, necesario para los modos que solo usan audio porque carecen de un número de fotogramas de video a partir del cual calcular la duración. Este objetivo determina el tratamiento del clip: el audio sobrante se recorta, mientras que los clips demasiado cortos se omiten. |
| `validation` |  | array of object {prompt, reference_audio_url} | no | `[]` | ≤ 2 items | Lista de prompts de validación que empareja cada prompt con un clip de audio de referencia. |
| `validation[].prompt` |  | string | yes |  |  | Prompt utilizado durante la validación. |
| `validation[].reference_audio_url` |  | string (audio URL) | yes |  | ≥ 1 characters | URL del audio de referencia utilizado para condicionar la generación de audio. |
| `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.` |  | Prompt negativo aplicado durante la validación, que utiliza un proceso de vista previa de una sola etapa. Como este proceso aproxima la inferencia de producción destilada de dos etapas, su guía y calidad de vista previa difieren de los resultados finales. |
| `validation_number_of_frames` |  | integer | no | `89` | 9 – 121 | Número de fotogramas de cada video de validación. |
| `validation_frame_rate` |  | integer | no | `24` | 8 – 60 | Frecuencia de fotogramas objetivo para los videos de validación, en fotogramas por segundo; LTX-2.3 funciona de forma nativa a 24. |
| `validation_resolution` |  | enum (string) | no | `high` | `low`, `medium`, `high` | Resolución utilizada durante la validación. |
| `validation_aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | Relación de aspecto utilizada durante la validación. |
| `stg_scale` |  | number | no | `1` | 0 – 3 | Escala de la guía espaciotemporal (STG), con 1.0 como valor recomendado y 0.0 para desactivar 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/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"
```

### 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/a2a?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/a2a", 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/a2a",
      "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/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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `video` | object {url, content_type, file_name, file_size} \| null | Vista previa combinada del video de validación, cuando está disponible para endpoints que producen video. |
| `audio` | object {url, content_type, file_name, file_size} \| null | Audio combinado de la validación, proporcionado como vista previa cuando está disponible para estas rutas de solo audio: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a y /v2a. |
| `lora_file` | object {url, content_type, file_name, file_size} | URL de los pesos de LoRA entrenados en formato .safetensors. |
| `config_file` | object {url, content_type, file_name, file_size} | Configuración del endpoint de inferencia. |
| `debug_dataset` | object {url, content_type, file_name, file_size} \| null | Salida de depuración disponible cuando `debug_dataset` está activado: un archivo que se puede descargar y que contiene los datos de entrenamiento después del preprocesamiento. |

## 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 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
- [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/a2a
- 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/a2a
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/ltx23-trainer-v2/a2a