رفتن به محتوا

LTX-2.3 22B Video Trainer

یکپارچه‌سازی

شناسه مدل ltx23-video-trainer
# 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-video-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"

این درخواست: ⁨‎$۹٫۶۰⁩ ۹٬۶۰۰ اعتبار API اجرای آن در این صفحه

دریافت کلید API
Lightricks آموزش ۱–۶۰ ثانیه #ltx2.3-video#fine-tuning

یک LoRA مدل LTX-2.3 22B را برای سبک‌ها و جلوه‌های ویدیویی سفارشی، با صوت اختیاری، آموزش می‌دهد

Lightricks · فایل

اولین نتیجه شما اینجا قرار می‌گیرد

درخواست را در زیر بسازید و با کلید API خود اجرا کنید. خروجی‌ها در فضای ذخیره‌سازی ما کپی می‌شوند و برای همیشه یا به‌مدت ۷ روز رایگان نگه‌داری می‌شوند.

ساخت درخواست

کنترل‌ها از شِمای مدل تولید می‌شوند. با تغییر آن‌ها، کد و قیمت به‌روزرسانی می‌شوند.

resolution پیش‌فرض medium

وضوح آموزشی. افزایش وضوح نیاز حافظه را بیشتر می‌کند.

aspect_ratio پیش‌فرض 1:1

نسبت تصویر آموزشی.

•الزامی

URL آرشیو ZIP برای مجموعه‌داده‌ای که منحصراً شامل تصویر یا منحصراً شامل ویدیو است؛ مجموعه‌داده‌های رسانه‌ای ترکیبی پشتیبانی نمی‌شوند. دست‌کم 10 فایل و ترجیحاً مجموعه‌ای بزرگ‌تر در نظر بگیرید. پسوندهای پذیرفته‌شده برای تصویر .png، .jpg، .jpeg و برای ویدیو .mp4، .mov، .avi، .mkv هستند. فایل‌های متنی کپشن اختیاری می‌توانند همراه رسانه باشند و نام هر فایل کپشن باید با فایل رسانه متناظر یکسان باشد.

پیش‌فرض 2000

تعداد کل گام‌های آموزشی.

پیشرفته validation_negative_prompt · rank · validation_resolution · validation_aspect_ratio · trigger_phrase · learning_rate · number_of_frames · frame_rate · split_input_duration_threshold · first_frame_conditioning_p · validation_number_of_frames · validation_frame_rate · stg_scale · auto_scale_input · split_input_into_scenes · debug_dataset · with_audio · audio_normalize · audio_preserve_pitch · generate_audio_in_validation · validation
پیش‌فرض worst quality, incons...

پرامپت منفی اعمال‌شده هنگام اعتبارسنجی.

rank پیش‌فرض 32

رتبه سازگارسازی LoRA که با افزایش مقدار، مصرف حافظه بیشتر و ظرفیت بالاتری ایجاد می‌کند.

validation_resolution پیش‌فرض high

وضوح استفاده‌شده هنگام اعتبارسنجی.

validation_aspect_ratio پیش‌فرض 1:1

نسبت تصویر استفاده‌شده هنگام اعتبارسنجی.

پیش‌فرض

عبارت فعال‌سازی سبک LoRA که هنگام آموزش در ابتدای کپشن‌ها درج می‌شود.

پیش‌فرض 0.0002

نرخ یادگیری بهینه‌سازی که میان افزایش احتمالی سرعت آموزش و خطر بیش‌برازش در مقادیر بالاتر تعادل برقرار می‌کند.

پیش‌فرض 89

تعداد فریم هر نمونه آموزشی. تقسیم این تعداد بر 8 باید باقیمانده 1 داشته باشد؛ نمونه‌ها شامل 1، 9، 17، 25، 33، 41، 49، 57، 65، 73، 81، 89، 97 هستند.

پیش‌فرض 25

نرخ فریم ویدیوی هدف، برحسب فریم بر ثانیه.

پیش‌فرض 30

محرک تقسیم صحنه که به‌صورت مدت برحسب ثانیه بیان می‌شود: فقط ویدیوهای طولانی‌تر از آستانه تقسیم می‌شوند.

پیش‌فرض 0.5

عملکرد image-to-video را با افزایش دفعات استفاده آموزش از شرطی‌سازی فریم اول بهبود می‌دهد؛ این مقدار آن احتمال را تعیین می‌کند.

پیش‌فرض 89

تعداد فریم هر ویدیوی اعتبارسنجی.

پیش‌فرض 25

نرخ فریم ویدیوی اعتبارسنجی هدف، برحسب فریم بر ثانیه.

پیش‌فرض 1

مقیاس راهنمایی مکانی-زمانی (STG)؛ مقدار پیشنهادی 1.0 است و 0.0، STG را خاموش می‌کند.

پیش‌فرض []

فهرست پرامپت‌های اعتبارسنجی آموزش که ورودی‌های آن باید همگی تصویر داشته باشند یا همگی فاقد تصویر باشند.

POST /run/ltx23-video-trainer?wait=20 قیمت → ⁨‎$۹٫۶۰⁩
# 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-video-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"

اجرای این درخواست

کلید شما در این مرورگر باقی می‌ماند: فقط به Doitong API ارسال می‌شود و فقط در صورت فعال‌کردن گزینه «یادآوری»، در localStorage ذخیره می‌شود. دریافت کلید API

درباره LTX-2.3 22B Video Trainer

یک LoRA را روی مدل LTX-2.3 22B برای سبک‌ها و جلوه‌های سفارشی از zip ویدیوها یا تصاویر آموزش می‌دهد؛ در حالت ایده‌آل 10 فایل یا بیشتر. `number_of_steps` از 100 تا 6000 است (پیش‌فرض 2000)، مقدار پیش‌فرض `frame_rate` برابر 25 و مقدار پیش‌فرض `first_frame_conditioning_p` برابر 0.5 است. `with_audio` آموزش صوتی را اجباری یا غیرفعال می‌کند و `generate_audio_in_validation` صوت را در پیش‌نمایش‌ها کنترل می‌کند.

پارامترها

نامنوع پیش‌فرضمجاز توضیحات
training_data_urlالزامی
نوعstring
URL آرشیو ZIP برای مجموعه‌داده‌ای که منحصراً شامل تصویر یا منحصراً شامل ویدیو است؛ مجموعه‌داده‌های رسانه‌ای ترکیبی پشتیبانی نمی‌شوند. دست‌کم 10 فایل و ترجیحاً مجموعه‌ای بزرگ‌تر در نظر بگیرید. پسوندهای پذیرفته‌شده برای تصویر .png، .jpg، .jpeg و برای ویدیو .mp4، .mov، .avi، .mkv هستند. فایل‌های متنی کپشن اختیاری می‌توانند همراه رسانه باشند و نام هر فایل کپشن باید با فایل رسانه متناظر یکسان باشد.
rankاختیاری
نوعenum
پیش‌فرض32
8163264128
رتبه سازگارسازی LoRA که با افزایش مقدار، مصرف حافظه بیشتر و ظرفیت بالاتری ایجاد می‌کند.
number_of_stepsاختیاری
نوعinteger
پیش‌فرض2000
۱۰۰ – ۶٬۰۰۰
تعداد کل گام‌های آموزشی.
learning_rateاختیاری
نوعnumber
پیش‌فرض0.0002
۰٫۰۰۰۰۰۱ – ۱
نرخ یادگیری بهینه‌سازی که میان افزایش احتمالی سرعت آموزش و خطر بیش‌برازش در مقادیر بالاتر تعادل برقرار می‌کند.
number_of_framesاختیاری
نوعinteger
پیش‌فرض89
۹ – ۱۲۱
تعداد فریم هر نمونه آموزشی. تقسیم این تعداد بر 8 باید باقیمانده 1 داشته باشد؛ نمونه‌ها شامل 1، 9، 17، 25، 33، 41، 49، 57، 65، 73، 81، 89، 97 هستند.
frame_rateاختیاری
نوعinteger
پیش‌فرض25
۸ – ۶۰
نرخ فریم ویدیوی هدف، برحسب فریم بر ثانیه.
resolutionاختیاری
نوعenum
پیش‌فرضmedium
lowmediumhigh
وضوح آموزشی. افزایش وضوح نیاز حافظه را بیشتر می‌کند.
aspect_ratioاختیاری
نوعenum
پیش‌فرض1:1
16:91:19:16
نسبت تصویر آموزشی.
trigger_phraseاختیاری
نوعstring
پیش‌فرض
عبارت فعال‌سازی سبک LoRA که هنگام آموزش در ابتدای کپشن‌ها درج می‌شود.
auto_scale_inputاختیاری
نوعboolean
پیش‌فرضfalse
تنظیم خودکار ویدیو برای تطبیق با FPS و تعداد فریم درخواستی هنگام فعال‌بودن؛ مجموعه‌داده‌های تصویری بدون تغییر می‌مانند.
split_input_into_scenesاختیاری
نوعboolean
پیش‌فرضtrue
تقسیم صحنه برای ویدیوهای طولانی‌تر از آستانه مدت‌زمان که در صورت true فعال می‌شود.
split_input_duration_thresholdاختیاری
نوعnumber
پیش‌فرض30
۱ – ۶۰
محرک تقسیم صحنه که به‌صورت مدت برحسب ثانیه بیان می‌شود: فقط ویدیوهای طولانی‌تر از آستانه تقسیم می‌شوند.
debug_datasetاختیاری
نوعboolean
پیش‌فرضfalse
حالت بررسی پیش‌پردازش برای وارسی ویدیوها، تصاویر و کپشن‌ها پیش از اجرای کامل آموزش. فعال‌کردن آن باعث می‌شود آموزش‌دهنده مجموعه‌داده آموزشی پردازش‌شده را در یک بایگانی قابل‌دانلود برای بررسی دستی برگرداند.
with_audioاختیاری
نوعboolean | null
برای اجباری‌کردن آموزش صوت در کنار آموزش ویدیو True یا برای حذف صوت False را انتخاب کنید. باقی‌گذاشتن تنظیم روی مقدار پیش‌فرض None انتخاب را بر اساس وجود صوت در ویدیوهای ارائه‌شده خودکار می‌کند.
audio_normalizeاختیاری
نوعboolean
پیش‌فرضtrue
نرمال‌سازی دامنه اوج، که برای یکدست‌کردن سطح صوت در سراسر مجموعه‌داده با رساندن اوج‌ها به سطحی مشترک توصیه می‌شود.
audio_preserve_pitchاختیاری
نوعboolean
پیش‌فرضtrue
حفظ زیر و بم هنگام تفاوت طول صوت و ویدیو: فعال‌بودن از کشش یا فشرده‌سازی زمانی استفاده می‌کند؛ غیرفعال‌بودن به‌جای آن از برش یا افزودن سکوت استفاده می‌کند.
first_frame_conditioning_pاختیاری
نوعnumber
پیش‌فرض0.5
۰ – ۱
عملکرد image-to-video را با افزایش دفعات استفاده آموزش از شرطی‌سازی فریم اول بهبود می‌دهد؛ این مقدار آن احتمال را تعیین می‌کند.
validationاختیاری
نوعobject[]
پیش‌فرض[]
≤ ۲ مورد
فهرست پرامپت‌های اعتبارسنجی آموزش که ورودی‌های آن باید همگی تصویر داشته باشند یا همگی فاقد تصویر باشند.
validation[].promptالزامی
نوعstring
پرامپت استفاده‌شده هنگام اعتبارسنجی.
validation[].image_urlاختیاری
نوعurl · image
تصویر برای اعتبارسنجی image-to-video؛ فقط زمانی مجاز است که همه ورودی‌های اعتبارسنجی دیگر نیز تصویر داشته باشند.
validation_negative_promptاختیاری
نوعstring
پیش‌فرضworst quality, inconsistent motion, blurry, jittery, distorted
پرامپت منفی اعمال‌شده هنگام اعتبارسنجی.
validation_number_of_framesاختیاری
نوعinteger
پیش‌فرض89
۹ – ۱۲۱
تعداد فریم هر ویدیوی اعتبارسنجی.
validation_frame_rateاختیاری
نوعinteger
پیش‌فرض25
۸ – ۶۰
نرخ فریم ویدیوی اعتبارسنجی هدف، برحسب فریم بر ثانیه.
validation_resolutionاختیاری
نوعenum
پیش‌فرضhigh
lowmediumhigh
وضوح استفاده‌شده هنگام اعتبارسنجی.
validation_aspect_ratioاختیاری
نوعenum
پیش‌فرض1:1
16:91:19:16
نسبت تصویر استفاده‌شده هنگام اعتبارسنجی.
stg_scaleاختیاری
نوعnumber
پیش‌فرض1
۰ – ۳
مقیاس راهنمایی مکانی-زمانی (STG)؛ مقدار پیشنهادی 1.0 است و 0.0، STG را خاموش می‌کند.
generate_audio_in_validationاختیاری
نوعboolean
پیش‌فرضtrue
کنترل می‌کند که نمونه‌های اعتبارسنجی شامل صوت تولیدشده باشند یا نه.
الزامی

خروجی

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ltx23-video-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": 9600,
    "usd": "9.60",
    "charged": 9600,
    "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"
  }
}
فایل‌های شما، انتخاب شماهر outputs[].url کپی‌ای در فضای ذخیره‌سازی ماست: برای همیشه (با هزینه به‌ازای هر GB-ماه) یا به‌مدت ۷ روز رایگان، بر اساس تنظیم حساب شما یا ?storage=.
ساختار یکسان در همه مدل‌هاtype، url، content_type، width، height و duration برای تصاویر، ویدیو و صدا یکسان هستند. output شیء نتیجه اختصاصی مدل است.
فیلدهای خروجی
video
object {url, content_type, file_name, file_size} | nullURL هر ویدیوی اعتبارسنجی موجود.
lora_file
object {url, content_type, file_name, file_size}URL وزن‌های آموزش‌دیده LoRA در قالب .safetensors.
config_file
object {url, content_type, file_name, file_size}پیکربندی راه‌اندازی نقطه پایانی استنتاج.
debug_dataset
object {url, content_type, file_name, file_size} | nullآرشیو اشکال‌زدایی قابل‌دانلود که فقط برای ورودی‌های دارای `debug_dataset` فعال برگردانده می‌شود؛ این آرشیو مجموعه‌داده آموزش ازپیش‌پردازش‌شده، شامل صوت و ویدیوی رمزگشایی‌شده، را در خود دارد.

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/ltx23-video-trainer.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt