Passer au contenu

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

Intégrer

Identifiant du modèle 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"

Cette requête: 12,00 $ 12 000 crédits API L’exécuter sur cette page

Obtenir une clé API
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

Ratio d’aspect d’entraînement.

•requis

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 · 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,...

Prompt négatif appliqué pendant la validation, qui utilise un processus d’aperçu en une seule étape. Comme ce processus approxime l’inférence de production distillée en deux étapes, son guidage et la qualité de son aperçu diffèrent des résultats finaux.

rank par défaut 32

Rang d’adaptation LoRA, échangeant une consommation mémoire accrue contre une capacité supérieure à mesure que la valeur augmente.

validation_resolution par défaut high

Résolution utilisée pendant la validation.

validation_aspect_ratio par défaut 1:1

Ratio 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

Fréquence d’images cible de la vidéo d’entraînement, en images par seconde. La fréquence native de LTX-2.3 est 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 89

Nombre d’images de chaque vidéo de validation.

par défaut 24

Fréquence d’images 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 désactivant le STG.

par défaut []

Liste de prompts de validation associant chaque prompt à une piste audio de conditionnement.

POST /run/ltx23-trainer-v2/a2v?wait=20 devis → 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"

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-Video

Entraîne une LoRA pour la génération audio-vidéo à partir d'un `.zip` dans `training_data_url`. `rank` va de 8 à 128, `number_of_steps` de 100 à 10000 et `number_of_frames` de 9 à 121. `validation` accepte jusqu'à 2 entrées, chacune avec une piste audio de conditionnement. Produit les poids de la LoRA, le fichier de configuration et un aperçu facultatif.

Paramètres

NomType Par défautAutorisé Description
training_data_urlrequis
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, échangeant une consommation mémoire accrue contre une capacité supérieure à mesure que 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
Fréquence d’images cible de la vidéo d’entraînement, en images par seconde. La fréquence native de LTX-2.3 est 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
Ratio 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 aux FPS 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
Découpage des scènes pour les vidéos d’entraînement synthétisées dépassant le seuil de durée. Lorsque la valeur est true, le découpage intervient après l’assemblage de l’image de départ et de l’audio.
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 pour vérifier les vidéos, les images et les légendes avant un entraînement complet. Son activation fait renvoyer par l’entraîneur le jeu de données d’entraînement traité dans une archive téléchargeable pour examen manuel.
audio_normalizefacultatif
Typeboolean
Par défauttrue
Normalisation des crêtes de l’audio de conditionnement pour 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 l’audio à la durée vidéo, plutôt que de le tronquer ou de le compléter.
validationfacultatif
Typeobject[]
Par défaut[]
≤ 2 éléments
Liste de prompts de validation associant chaque prompt à une piste audio de conditionnement.
validation[].promptrequis
Typestring
Prompt utilisé pendant la validation.
validation[].image_urlrequis
Typeurl · image
≥ 1 characters
URL d’une image qu’a2v utilise directement comme première image au lieu de la générer. Le processus image+audio -> vidéo de a2v utilise à la fois l’audio fourni et cette image comme conditionnement.
validation[].audio_urlrequis
Typeurl · audio
≥ 1 characters
URL de l’audio de conditionnement utilisée pour piloter la génération vidéo.
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.
Prompt négatif appliqué pendant la validation, qui utilise un processus d’aperçu en une seule étape. Comme ce processus approxime l’inférence de production distillée en deux étapes, son guidage et la qualité de son aperçu 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
Fréquence d’images 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
Ratio 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 désactivant le STG.
requis

Sortie

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"
  }
}
Vos fichiers, votre choixChaque outputs[].url est une copie dans notre stockage : conservée indéfiniment (facturation au Go-mois) ou 7 jours gratuitement, selon le réglage de votre compte ou ?storage=.
Même structure pour chaque modèletype, url, content_type, width, height et duration, pour les images, vidéos et fichiers audio. output est le propre objet de résultat du 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 : 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 https://doitong.com/fr/developers/models/ltx23-trainer-v2/a2v.md. Tous les modèles et guides : https://doitong.com/developers/llms.txt