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

> Kouluttaa LoRA-mallin, joka tuottaa vastaavan ääniraidan tai foley-äänen äänettömälle videolle

Kouluttaa LoRA-mallin, joka tuottaa videon ruudulla näkyvää toimintaa vastaavan ääniraidan. Jokaisessa koulutusleikkeessä on säilytettävä ääniraita, joten kohtausten jako on oletuksena pois käytöstä äänettömien loppuosien välttämiseksi. Validointinäytteissä (enintään 2) yhdistetään kussakin kehote ja äänetön video. Data toimitetaan zip-tiedostona `training_data_url`-parametrin kautta.

- Model id: `ltx23-trainer-v2/v2a`
- Made by: Lightricks
- Category: Training
- Output: file
- Price: $0.0049 / step (cheapest run $9.80 (9800 API credits))
- Run: `POST https://api.doitong.com/v1/run/ltx23-trainer-v2/v2a`
- Quote: `POST https://api.doitong.com/v1/quote/ltx23-trainer-v2/v2a`
- Docs page: https://doitong.com/fi/developers/models/ltx23-trainer-v2/v2a

## Pricing

Price: **$0.0049 / step**. Billed per training step (`number_of_steps`).

The full example input below costs $9.80 = 9800 API credits (2000 steps × 4.9 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/v2a` 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-osoite `.zip`-tiedostoon, joka sisältää valitun koulutustilan mukaisesti järjestetyn koulutusdatan. Jokaisella mediatiedostolla voi olla vastaavan perusnimen sisältävä `.txt`-kuvateksti. |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | LoRA-sovittimen aste, jossa suurempi arvo lisää kapasiteettia mutta myös muistinkulutusta. |
| `number_of_steps` |  | integer | no | `2000` | 100 – 10,000 | Koulutusvaiheiden kokonaismäärä. |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | Optimoinnin oppimisnopeus. |
| `number_of_frames` |  | integer | no | `89` | 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_rate` |  | integer | no | `24` | 8 – 60 | Koulutusvideon tavoiteruutunopeus ruutuina sekunnissa. LTX-2.3:n natiivinopeus on 24. |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | Koulutusresoluutio. Resoluut ion suurentaminen lisää muistivaatimuksia. |
| `aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | Koulutuksen kuvasuhde. |
| `trigger_phrase` |  | string | no | `` |  | LoRA-tyylin aktivointilause, joka lisätään kuvatekstien alkuun koulutuksen aikana. |
| `auto_scale_input` |  | boolean | no | `false` |  | Videon automaattinen säätö pyydetyn FPS:n ja ruutumäärän mukaiseksi käyttöönotettuna; kuvatietojoukot säilyvät muuttumattomina. |
| `split_input_into_scenes` |  | boolean | no | `false` |  | Ohjaa pitkien videoiden kohtausperusteista jakamista arvolla true. v2a-tilassa oletus on poissa käytöstä a2v:n mukaisesti: jokaisella leikkeellä on oltava ääniraita, koska malli generoi ääntä. Jakaminen voi jättää loppuun äänettömiä osia, jotka aiheuttavat epäselvän virheen leikekohtaisen äänen validoinnin aikana. |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | Kohtausten jakamisen laukaisin keston avulla ilmaistuna: vain kynnysarvoa pidemmät videot jaetaan. |
| `debug_dataset` |  | boolean | no | `false` |  | Esikäsittelyn tarkastustila videoiden, kuvien ja kuvatekstien tarkistamiseen ennen täyttä koulutusajoa. Käyttöönotettuna kouluttaja palauttaa käsitellyn koulutustietojoukon ladattavana arkistona manuaalista tarkistusta varten. |
| `validation` |  | array of object {prompt, video_url} | no | `[]` | ≤ 2 items | Äänen generoinnin validointitiedot toimitetaan listana alkioita, jotka sisältävät kehotteen ja äänettömän videon. |
| `validation[].prompt` |  | string | yes |  |  | Validoinnin aikana käytettävä kehote. |
| `validation[].video_url` |  | string (video URL) | yes |  | ≥ 1 characters | Äänettömän videon URL, jolle malli luo äänen. |
| `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.` |  | 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_frames` |  | integer | no | `89` | 9 – 121 | Kunkin validointivideon ruutumäärä. |
| `validation_frame_rate` |  | integer | no | `24` | 8 – 60 | Validointivideoiden tavoiteruutunopeus ruutuina sekunnissa; LTX-2.3:n natiivinopeus on 24. |
| `validation_resolution` |  | enum (string) | no | `high` | `low`, `medium`, `high` | Validoinnissa käytettävä resoluutio. |
| `validation_aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | Validoinnissa käytettävä kuvasuhde. |
| `stg_scale` |  | number | no | `1` | 0 – 3 | Spatiaalisen ja ajallisen ohjauksen (STG) asteikko; suositeltu arvo on 1.0 ja arvo 0.0 poistaa STG:n käytöstä. |

## 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/v2a?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/v2a?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/v2a", 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/v2a",
      "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/v2a",
  "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": 9800,
    "usd": "9.80",
    "charged": 9800,
    "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 | Validoinnin yhdistetty videon esikatselu, kun se on käytettävissä videota tuottaville päätepisteille. |
| `audio` | object {url, content_type, file_name, file_size} \| null | Validoinnin 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} \| null | Kun `debug_dataset` on käytössä saatavilla oleva vianmääritystuloste: ladattava arkisto, joka sisältää esikäsittelyn jälkeisen koulutusdatan. |

## 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/v2a
- 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/v2a
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/ltx23-trainer-v2/v2a