Accéder au contenu

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

Intégrer

Identifiant du modèle ltx23-trainer-v2/a2a
# 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"

Cette requête: 4,60 $ 4 600 crédits API L'exécuter sur cette page

Obtenir une clé API
Lightricks Entraînement 1–60 s

Entraîne une LoRA LTX 2.3 qui transforme un clip audio de référence en clip audio cible à partir d’exemples appariés

Lightricks · Fichier

Votre premier résultat apparaîtra ici

Construisez une requête ci-dessous et exécutez-la avec votre clé API. Les sorties sont copiées dans notre stockage, conservées indéfiniment ou 7 jours gratuitement.

Créer une requête

Les contrôles sont générés à partir du schéma du modèle. Le code et le prix se mettent à jour lorsque vous les modifiez.

resolution par défaut medium

Résolution d’entraînement. Augmenter la résolution accroît les besoins en mémoire.

aspect_ratio par défaut 1:1

Rapport d’aspect d’entraînement.

•obligatoire

URL d’un `.zip` contenant les données d’entraînement, organisées selon le mode d’entraînement sélectionné. Chaque fichier média peut être accompagné d’une légende `.txt` portant le même nom de base.

par défaut 2000

Nombre total d’étapes d’entraînement.

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

Invite négative appliquée pendant la validation, qui utilise un processus de prévisualisation en une seule étape. Comme ce processus approxime l’inférence de production distillée en deux étapes, son guidage et sa qualité de prévisualisation diffèrent des résultats finaux.

rank par défaut 32

Rang d’adaptation LoRA, qui échange une consommation mémoire accrue contre une capacité supérieure lorsque la valeur augmente.

validation_resolution par défaut high

Résolution utilisée pendant la validation.

validation_aspect_ratio par défaut 1:1

Rapport d’aspect utilisé pendant la validation.

par défaut

Phrase d’activation du style LoRA, insérée au début des légendes pendant l’entraînement.

par défaut 0.0002

Taux d’apprentissage de l’optimisation.

par défaut 89

Nombre d’images de chaque échantillon d’entraînement. La division de ce nombre par 8 doit laisser un reste de 1 ; exemples : 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.

par défaut 24

Cadence cible de la vidéo d’entraînement, en images par seconde. La cadence native de LTX-2.3 est de 24.

par défaut 30

Déclencheur de découpage des scènes exprimé comme une durée en secondes : seules les vidéos plus longues que le seuil sont découpées.

par défaut 5

Tranche de durée audio en secondes, requise pour les modes audio uniquement, qui ne disposent pas d’un nombre d’images vidéo pour calculer la durée. Cette cible détermine le traitement des clips : l’audio excédentaire est tronqué, tandis que les clips trop courts sont ignorés.

par défaut 89

Nombre d’images de chaque vidéo de validation.

par défaut 24

Cadence cible des vidéos de validation, en images par seconde ; LTX-2.3 fonctionne nativement à 24.

par défaut 1

Échelle du guidage spatio-temporel (STG), avec 1.0 recommandé et 0.0 pour désactiver STG.

par défaut []

Liste d’invites de validation associant chaque invite à un clip audio de référence.

POST /run/ltx23-trainer-v2/a2a?wait=20 devis → 4,60 $
# 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"

Exécuter cette requête

Votre clé reste dans ce navigateur : elle est envoyée uniquement à la Doitong API et enregistrée dans localStorage uniquement si vous cochez Mémoriser. Obtenir une clé API

À propos de LTX 2.3 Trainer (V2) - Audio-to-Audio

Affûte une LoRA pour la transformation audio-audio à partir d’un `.zip` d’exemples appariés dans `training_data_url`. `rank` va de 8 à 128, `number_of_steps` de 100 à 10000 et `audio_duration_seconds` de 0.5 à 60. Le découpage par scène n’est pas utilisé ici : fournissez des clips déjà découpés. Renvoie les poids LoRA et un fichier de configuration.

Paramètres

NomType Par défautAutorisé Description
training_data_urlobligatoire
Typestring
URL d’un `.zip` contenant les données d’entraînement, organisées selon le mode d’entraînement sélectionné. Chaque fichier média peut être accompagné d’une légende `.txt` portant le même nom de base.
rankfacultatif
Typeenum
Par défaut32
8163264128
Rang d’adaptation LoRA, qui échange une consommation mémoire accrue contre une capacité supérieure lorsque la valeur augmente.
number_of_stepsfacultatif
Typeinteger
Par défaut2000
100 – 10 000
Nombre total d’étapes d’entraînement.
learning_ratefacultatif
Typenumber
Par défaut0.0002
0,000001 – 1
Taux d’apprentissage de l’optimisation.
number_of_framesfacultatif
Typeinteger
Par défaut89
9 – 121
Nombre d’images de chaque échantillon d’entraînement. La division de ce nombre par 8 doit laisser un reste de 1 ; exemples : 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.
frame_ratefacultatif
Typeinteger
Par défaut24
8 – 60
Cadence cible de la vidéo d’entraînement, en images par seconde. La cadence native de LTX-2.3 est de 24.
resolutionfacultatif
Typeenum
Par défautmedium
lowmediumhigh
Résolution d’entraînement. Augmenter la résolution accroît les besoins en mémoire.
aspect_ratiofacultatif
Typeenum
Par défaut1:1
16:91:19:16
Rapport d’aspect d’entraînement.
trigger_phrasefacultatif
Typestring
Par défaut
Phrase d’activation du style LoRA, insérée au début des légendes pendant l’entraînement.
auto_scale_inputfacultatif
Typeboolean
Par défautfalse
Ajustement automatique de la vidéo pour correspondre à la cadence et au nombre d’images demandés lorsqu’il est activé ; les jeux de données d’images restent inchangés.
split_input_into_scenesfacultatif
Typeboolean
Par défautfalse
Contrôle du découpage des scènes, ignoré pendant la préparation de l’audio cible/de référence apparié pour a2a, car le découpage désynchroniserait la paire. Désactivez-le pour a2a et fournissez au préalable des clips découpés.
split_input_duration_thresholdfacultatif
Typenumber
Par défaut30
1 – 60
Déclencheur de découpage des scènes exprimé comme une durée en secondes : seules les vidéos plus longues que le seuil sont découpées.
debug_datasetfacultatif
Typeboolean
Par défautfalse
Mode d’inspection du prétraitement permettant de vérifier les vidéos, les images et les légendes avant une exécution complète de l’entraînement. Son activation demande à l’entraîneur de renvoyer le jeu de données d’entraînement traité dans une archive téléchargeable pour une vérification manuelle.
audio_normalizefacultatif
Typeboolean
Par défauttrue
Normalisation des crêtes audio afin de maintenir des niveaux cohérents dans tout le jeu de données.
audio_preserve_pitchfacultatif
Typeboolean
Par défauttrue
Préservation de la hauteur lors de l’ajustement de la durée audio, plutôt que de tronquer ou de compléter.
audio_duration_secondsfacultatif
Typenumber
Par défaut5
0,5 – 60
Tranche de durée audio en secondes, requise pour les modes audio uniquement, qui ne disposent pas d’un nombre d’images vidéo pour calculer la durée. Cette cible détermine le traitement des clips : l’audio excédentaire est tronqué, tandis que les clips trop courts sont ignorés.
validationfacultatif
Typeobject[]
Par défaut[]
≤ 2 éléments
Liste d’invites de validation associant chaque invite à un clip audio de référence.
validation[].promptobligatoire
Typestring
Invite utilisée pendant la validation.
validation[].reference_audio_urlobligatoire
Typeurl · audio
≥ 1 characters
URL de l’audio de référence utilisée pour conditionner la génération audio.
validation_negative_promptfacultatif
Typestring
Par défautblurry, 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.
Invite négative appliquée pendant la validation, qui utilise un processus de prévisualisation en une seule étape. Comme ce processus approxime l’inférence de production distillée en deux étapes, son guidage et sa qualité de prévisualisation diffèrent des résultats finaux.
validation_number_of_framesfacultatif
Typeinteger
Par défaut89
9 – 121
Nombre d’images de chaque vidéo de validation.
validation_frame_ratefacultatif
Typeinteger
Par défaut24
8 – 60
Cadence cible des vidéos de validation, en images par seconde ; LTX-2.3 fonctionne nativement à 24.
validation_resolutionfacultatif
Typeenum
Par défauthigh
lowmediumhigh
Résolution utilisée pendant la validation.
validation_aspect_ratiofacultatif
Typeenum
Par défaut1:1
16:91:19:16
Rapport d’aspect utilisé pendant la validation.
stg_scalefacultatif
Typenumber
Par défaut1
0 – 3
Échelle du guidage spatio-temporel (STG), avec 1.0 recommandé et 0.0 pour désactiver STG.
obligatoire

Sortie

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "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"
  }
}
Vos fichiers, votre choixChaque outputs[].url est une copie sur notre stockage : conservée indéfiniment (facturation par Go-mois) ou 7 jours gratuitement, selon le réglage de votre compte ou ?storage=.
Une structure identique pour chaque modèletype, url, content_type, width, height et duration, pour les images, les vidéos et l'audio. output est l'objet de résultat propre au modèle.
Champs de sortie
video
object {url, content_type, file_name, file_size} | nullAperçu vidéo combiné issu de la validation, lorsqu’il est disponible pour les points de terminaison qui produisent une vidéo.
audio
object {url, content_type, file_name, file_size} | nullAudio combiné issu de la validation, fourni comme aperçu lorsqu’il est disponible pour ces routes audio uniquement : /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a et /v2a.
lora_file
object {url, content_type, file_name, file_size}URL des poids LoRA entraînés au format .safetensors.
config_file
object {url, content_type, file_name, file_size}Configuration de la mise en place du point de terminaison d’inférence.
debug_dataset
object {url, content_type, file_name, file_size} | nullSortie de débogage disponible lorsque `debug_dataset` est activé : une archive téléchargeable contenant les données d’entraînement après prétraitement.

Plus de modèles : Entraînement

Pour les agents IA : cette page au format Markdown est disponible à l'adresse https://doitong.com/fr-FR/developers/models/ltx23-trainer-v2/a2a.md. Tous les modèles et guides : https://doitong.com/developers/llms.txt