Siirry sisältöön

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

Integroi

Mallin tunniste ltx23-trainer-v2/a2v
# 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/a2v?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"

Tämä pyyntö: 12,00 $ 12 000 API-krediittiä Suorita tällä sivulla

Hanki API-avain
Lightricks · Tiedosto

Ensimmäinen tuloksesi tulee tähän

Muodosta pyyntö alla ja suorita se API-avaimellasi. Tulosteet kopioidaan tallennustilaamme, jossa ne säilytetään ikuisesti tai 7 päivää ilmaiseksi.

Muodosta pyyntö

Säätimet luodaan mallin skeemasta. Koodi ja hinta päivittyvät, kun muutat arvoja.

resolution oletus medium

Koulutusresoluutio. Resoluut ion suurentaminen lisää muistivaatimuksia.

aspect_ratio oletus 1:1

Koulutuksen kuvasuhde.

•pakollinen

URL-osoite `.zip`-tiedostoon, joka sisältää valitun koulutustilan mukaisesti järjestetyn koulutusdatan. Jokaisella mediatiedostolla voi olla vastaavan perusnimen sisältävä `.txt`-kuvateksti.

oletus 2000

Koulutusvaiheiden kokonaismäärä.

Lisäasetukset validation_negative_prompt · rank · validation_resolution · validation_aspect_ratio · trigger_phrase · learning_rate · number_of_frames · frame_rate · split_input_duration_threshold · validation_number_of_frames · validation_frame_rate · stg_scale · auto_scale_input · split_input_into_scenes · debug_dataset · audio_normalize · audio_preserve_pitch · validation
oletus blurry, out of focus,...

Validoinnissa käytettävä negatiivinen kehote, joka käyttää yksivaiheista esikatseluprosessia. Koska tämä prosessi arvioi kaksivaiheista tuotantopäättelyä, sen ohjaus ja esikatselun laatu poikkeavat lopullisista tuloksista.

rank oletus 32

LoRA-sovittimen aste, jossa suurempi arvo lisää kapasiteettia mutta myös muistinkulutusta.

validation_resolution oletus high

Validoinnissa käytettävä resoluutio.

validation_aspect_ratio oletus 1:1

Validoinnissa käytettävä kuvasuhde.

oletus

LoRA-tyylin aktivointilause, joka lisätään kuvatekstien alkuun koulutuksen aikana.

oletus 0.0002

Optimoinnin oppimisnopeus.

oletus 89

Kunkin koulutusnäytteen ruutumäärä. Määrän jakamisen 8:lla on jätettävä jakojäännökseksi 1; esimerkkejä ovat 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.

oletus 24

Koulutusvideon tavoiteruutunopeus ruutuina sekunnissa. LTX-2.3:n natiivinopeus on 24.

oletus 30

Kohtausten jakamisen laukaisin keston avulla ilmaistuna: vain kynnysarvoa pidemmät videot jaetaan.

oletus 89

Kunkin validointivideon ruutumäärä.

oletus 24

Validointivideoiden tavoiteruutunopeus ruutuina sekunnissa; LTX-2.3:n natiivinopeus on 24.

oletus 1

Spatiaalisen ja ajallisen ohjauksen (STG) asteikko; suositeltu arvo on 1.0 ja arvo 0.0 poistaa STG:n käytöstä.

oletus []

Validointikehotteiden luettelo, jossa kukin kehote yhdistetään ehdollistamisääniraitaan.

POST /run/ltx23-trainer-v2/a2v?wait=20 hinta → 12,00 $
# 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/a2v?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"

Suorita tämä pyyntö

Avaimesi säilyy tässä selaimessa: se lähetetään vain Doitong APIlle ja tallennetaan localStorageen vain, jos valitset Muista. Hanki API-avain

Tietoja: LTX 2.3 Trainer (V2) - Audio-to-Video

Kouluttaa LoRA-mallin ääntä videoksi -generointia varten `training_data_url`-parametrin `.zip`-tiedostosta. `rank` on 8–128, `number_of_steps` 100–10000 ja `number_of_frames` 9–121. `validation` hyväksyy enintään 2 merkintää, joista kukin sisältää ohjaavan ääniraidan. Palauttaa LoRA-painot, asetustiedoston ja valinnaisen esikatselun.

Parametrit

NimiTyyppi OletusSallitut Kuvaus
training_data_urlpakollinen
Tyyppistring
URL-osoite `.zip`-tiedostoon, joka sisältää valitun koulutustilan mukaisesti järjestetyn koulutusdatan. Jokaisella mediatiedostolla voi olla vastaavan perusnimen sisältävä `.txt`-kuvateksti.
rankvalinnainen
Tyyppienum
Oletus32
8163264128
LoRA-sovittimen aste, jossa suurempi arvo lisää kapasiteettia mutta myös muistinkulutusta.
number_of_stepsvalinnainen
Tyyppiinteger
Oletus2000
100 – 10 000
Koulutusvaiheiden kokonaismäärä.
learning_ratevalinnainen
Tyyppinumber
Oletus0.0002
0,000001 – 1
Optimoinnin oppimisnopeus.
number_of_framesvalinnainen
Tyyppiinteger
Oletus89
9 – 121
Kunkin koulutusnäytteen ruutumäärä. Määrän jakamisen 8:lla on jätettävä jakojäännökseksi 1; esimerkkejä ovat 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.
frame_ratevalinnainen
Tyyppiinteger
Oletus24
8 – 60
Koulutusvideon tavoiteruutunopeus ruutuina sekunnissa. LTX-2.3:n natiivinopeus on 24.
resolutionvalinnainen
Tyyppienum
Oletusmedium
lowmediumhigh
Koulutusresoluutio. Resoluut ion suurentaminen lisää muistivaatimuksia.
aspect_ratiovalinnainen
Tyyppienum
Oletus1:1
16:91:19:16
Koulutuksen kuvasuhde.
trigger_phrasevalinnainen
Tyyppistring
Oletus
LoRA-tyylin aktivointilause, joka lisätään kuvatekstien alkuun koulutuksen aikana.
auto_scale_inputvalinnainen
Tyyppiboolean
Oletusfalse
Videon automaattinen säätö pyydetyn FPS:n ja ruutumäärän mukaiseksi käyttöönotettuna; kuvatietojoukot säilyvät muuttumattomina.
split_input_into_scenesvalinnainen
Tyyppiboolean
Oletusfalse
Kynnysarvon ylittävien syntetisoitujen koulutusvideoiden kohtausten jakaminen. Kun arvo on true, jakaminen tapahtuu aloituskuvan ja äänen yhdistämisen jälkeen.
split_input_duration_thresholdvalinnainen
Tyyppinumber
Oletus30
1 – 60
Kohtausten jakamisen laukaisin keston avulla ilmaistuna: vain kynnysarvoa pidemmät videot jaetaan.
debug_datasetvalinnainen
Tyyppiboolean
Oletusfalse
Esikäsittelyn tarkastustila videoiden, kuvien ja kuvatekstien tarkistamiseen ennen täyttä koulutusajoa. Käyttöönotettuna kouluttaja palauttaa käsitellyn koulutustietojoukon ladattavana arkistona manuaalista tarkistusta varten.
audio_normalizevalinnainen
Tyyppiboolean
Oletustrue
Ehdollistamisäänen huipputason normalisointi yhtenäisten tasojen säilyttämiseksi koko tietojoukossa.
audio_preserve_pitchvalinnainen
Tyyppiboolean
Oletustrue
Sävelkorkeuden säilyttäminen äänen sovittamisessa videon pituuteen leikkaamisen tai täyttämisen sijaan.
validationvalinnainen
Tyyppiobject[]
Oletus[]
≤ 2 kohdetta
Validointikehotteiden luettelo, jossa kukin kehote yhdistetään ehdollistamisääniraitaan.
validation[].promptpakollinen
Tyyppistring
Validoinnin aikana käytettävä kehote.
validation[].image_urlpakollinen
Tyyppiurl · image
≥ 1 characters
Kuvan URL, jota a2v käyttää suoraan ensimmäisenä ruutuna sen sijaan, että ruutu generoidaan. A2v:n kuva+ääni -> video -prosessi käyttää sekä annettua ääntä että tätä kuvaa ehdollistamiseen.
validation[].audio_urlpakollinen
Tyyppiurl · audio
≥ 1 characters
Videogeneroinnin ohjaamiseen käytettävän ehdollistamisäänen URL.
validation_negative_promptvalinnainen
Tyyppistring
Oletusblurry, 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.
Validoinnissa käytettävä negatiivinen kehote, joka käyttää yksivaiheista esikatseluprosessia. Koska tämä prosessi arvioi kaksivaiheista tuotantopäättelyä, sen ohjaus ja esikatselun laatu poikkeavat lopullisista tuloksista.
validation_number_of_framesvalinnainen
Tyyppiinteger
Oletus89
9 – 121
Kunkin validointivideon ruutumäärä.
validation_frame_ratevalinnainen
Tyyppiinteger
Oletus24
8 – 60
Validointivideoiden tavoiteruutunopeus ruutuina sekunnissa; LTX-2.3:n natiivinopeus on 24.
validation_resolutionvalinnainen
Tyyppienum
Oletushigh
lowmediumhigh
Validoinnissa käytettävä resoluutio.
validation_aspect_ratiovalinnainen
Tyyppienum
Oletus1:1
16:91:19:16
Validoinnissa käytettävä kuvasuhde.
stg_scalevalinnainen
Tyyppinumber
Oletus1
0 – 3
Spatiaalisen ja ajallisen ohjauksen (STG) asteikko; suositeltu arvo on 1.0 ja arvo 0.0 poistaa STG:n käytöstä.
pakollinen

Tulos

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ltx23-trainer-v2/a2v",
  "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": 12000,
    "usd": "12.00",
    "charged": 12000,
    "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"
  }
}
Tiedostosi, valintasiJokainen outputs[].url on kopio tallennustilassamme: säilytetään ikuisesti (maksetaan gigatavu-kuukauden mukaan) tai 7 päivää ilmaiseksi tiliasetuksesi tai ?storage= perusteella.
Sama rakenne kaikissa malleissatype, url, content_type, width, height ja duration kuville, videolle ja äänelle. output on mallin oma tulosobjekti.
Tuloksen kentät
video
object {url, content_type, file_name, file_size} | nullValidoinnin yhdistetty videon esikatselu, kun se on käytettävissä videota tuottaville päätepisteille.
audio
object {url, content_type, file_name, file_size} | nullValidoinnin yhdistetty ääni, joka annetaan esikatseluna seuraaville vain ääntä käsitteleville reiteille, kun se on käytettävissä: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a ja /v2a.
lora_file
object {url, content_type, file_name, file_size}Koulutettujen LoRA-painojen URL `.safetensors`-muodossa.
config_file
object {url, content_type, file_name, file_size}Päättelypäätepisteen määrityksen asetukset.
debug_dataset
object {url, content_type, file_name, file_size} | nullKun `debug_dataset` on käytössä saatavilla oleva vianmääritystuloste: ladattava arkisto, joka sisältää esikäsittelyn jälkeisen koulutusdatan.

Lisää malleja: Koulutus

Tekoälyagenteille: tämän sivun Markdown-muoto on osoitteessa https://doitong.com/fi/developers/models/ltx23-trainer-v2/a2v.md. Kaikki mallit ja oppaat: https://doitong.com/developers/llms.txt