# LTX-2.3 22B Video to Video Trainer API

> Entrena una LoRA LTX-2.3 22B para transformación de video o generación condicionada por video a partir de videos de referencia

Entrena una LoRA sobre el modelo LTX-2.3 22B para transformación de video, usando un zip de videos o imágenes (mp4, mov, avi, mkv, png, jpg, jpeg); se recomiendan al menos unos 10 archivos. `number_of_steps` va de 1 a 20000 (predeterminado 2000) y `frame_rate` es 25 de forma predeterminada. `first_frame_conditioning_p` es 0.1 de forma predeterminada. La validación admite hasta 2 prompts con videos de referencia.

- Model id: `ltx23-v2v-trainer`
- Made by: Lightricks
- Category: Training
- Output: file
- Price: $0.0135 / step (cheapest run $27.00 (27000 API credits))
- Run: `POST https://api.doitong.com/v1/run/ltx23-v2v-trainer`
- Quote: `POST https://api.doitong.com/v1/quote/ltx23-v2v-trainer`
- Docs page: https://doitong.com/es/developers/models/ltx23-v2v-trainer

## Pricing

Price: **$0.0135 / step**. Billed per training step (`number_of_steps`).

The full example input below costs $27.00 = 27000 API credits (2000 steps × 13.5 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-v2v-trainer` 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 archivo ZIP para un conjunto de datos que contiene exclusivamente imágenes o exclusivamente videos; no se admiten conjuntos de datos multimedia mixtos. Se recomienda incluir 10 archivos o más, preferiblemente una colección mayor. Las extensiones aceptadas son .png, .jpg, .jpeg para imágenes y .mp4, .mov, .avi, .mkv para videos. Los archivos de texto de subtítulos son opcionales y pueden acompañar al contenido multimedia; cada archivo de subtítulos debe tener el mismo nombre que el archivo multimedia asociado. |
| `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` | 1 – 20,000 | Número total de pasos de entrenamiento. |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | Tasa de aprendizaje de optimización, que equilibra una posible aceleración del entrenamiento con el riesgo de sobreajuste al aumentarla. |
| `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 | `25` | 8 – 60 | Frecuencia de fotogramas del video de destino, medida en fotogramas por segundo. |
| `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 | `true` |  | División de escenas para videos que superan un umbral de duración, activada cuando es true. |
| `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. |
| `first_frame_conditioning_p` |  | number | no | `0.1` | 0 – 1 | Prioriza la transformación de video a video reduciendo la frecuencia con la que el entrenamiento usa el condicionamiento del primer fotograma; este valor establece esa probabilidad. |
| `validation` |  | array of object {prompt, reference_video_url} | no | `[]` | ≤ 2 items | Lista de entradas de validación que contiene prompts emparejados con videos de referencia. |
| `validation[].prompt` |  | string | yes |  |  | Prompt utilizado durante la validación. |
| `validation[].reference_video_url` |  | string (video URL) | yes |  | ≥ 1 characters | Proporciona mediante su URL el video que se transformará durante la validación de IC-LoRA. |
| `validation_negative_prompt` |  | string | no | `worst quality, inconsistent motion, blurry, jittery, distorted` |  | Prompt negativo aplicado durante la validación. |
| `validation_number_of_frames` |  | integer | no | `89` | 9 – 121 | Número de fotogramas de cada video de validación. |
| `validation_frame_rate` |  | integer | no | `25` | 8 – 60 | Frecuencia de fotogramas del video de validación de destino, medida en fotogramas por segundo. |
| `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-v2v-trainer?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-v2v-trainer?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-v2v-trainer", 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-v2v-trainer",
      "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-v2v-trainer",
  "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": 27000,
    "usd": "27.00",
    "charged": 27000,
    "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
    },
    "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 | URL de cualquier video de validación disponible, mostrado junto a sus videos de referencia. |
| `lora_file` | object {url, content_type, file_name, file_size} | URL del archivo de pesos de IC-LoRA entrenado 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 | Archivo de depuración descargable, disponible únicamente para entradas que habilitan `debug_dataset`; su contenido de datos de entrenamiento se ha preprocesado e incluye videos en forma decodificada. |

## 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-v2v-trainer
- 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-v2v-trainer
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/ltx23-v2v-trainer