Léim chuig an ábhar

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

Comhtháthú

Aitheantas na samhla 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"

An t-iarratas seo: $4.60 4,600 gcreidmheas API Rith ar an leathanach seo

Faigh eochair API
Lightricks Oiliúint 1–60 s

Traenálann sé LoRA LTX 2.3 a mhapálann gearrthóg fuaime tagartha go gearrthóg fuaime sprice ó shamplaí péireáilte

Lightricks · Comhad

Beidh do chéad toradh anseo

Tóg iarratas thíos agus rith é le d’eochair API. Cóipeáiltear na haschuir chuig ár stóráil, coinnithe go deo nó ar feadh 7 lá saor in aisce.

Tóg iarratas

Gintear na rialtáin ó scéim na samhla. Nuashonraítear an cód agus an praghas de réir mar a athraíonn tú iad.

resolution réamhshocrú medium

Taifeach na hoiliúna. Méadaíonn méadú an taifigh riachtanais chuimhne.

aspect_ratio réamhshocrú 1:1

Cóimheas gnéithe na hoiliúna.

•riachtanach

URL chuig `.zip` ina bhfuil sonraí oiliúna, eagraithe de réir an mhóid oiliúna roghnaithe. D’fhéadfadh comhad `.txt` fotheidealaithe le bunainm comhfhreagrach a bheith ag gabháil le gach comhad meán.

réamhshocrú 2000

Líon iomlán na gcéimeanna oiliúna.

Ardleibhéal 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
réamhshocrú blurry, out of focus,...

Leid dhiúltach a chuirtear i bhfeidhm le linn bailíochtaithe, a úsáideann próiseas réamhamhairc aonchéime. Toisc go ndéanann an próiseas sin tátal táirgthe driogtha dhá chéim a chomhfhogasú, bíonn a threoir agus a cháilíocht réamhamhairc éagsúil leis na torthaí deiridh.

rank réamhshocrú 32

Rang oiriúnaithe LoRA, a mhalartaíonn tomhaltas cuimhne méadaithe ar acmhainn níos mó de réir mar a ardaíonn an socrú.

validation_resolution réamhshocrú high

Taifeach a úsáidtear le linn bailíochtaithe.

validation_aspect_ratio réamhshocrú 1:1

Cóimheas gnéithe a úsáidtear le linn bailíochtaithe.

réamhshocrú

Frása gníomhachtaithe stíle LoRA, curtha isteach ag tús na bhfotheideal le linn na hoiliúna.

réamhshocrú 0.0002

Ráta foghlama optamaithe.

réamhshocrú 89

Líon frámaí gach sampla oiliúna. Caithfidh fuílleach 1 a bheith ann nuair a roinntear an líon ar 8; mar shampla 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.

réamhshocrú 24

Spriocráta fráma físeáin na hoiliúna i bhfrámaí sa soicind. Is é 24 an ráta dúchasach do LTX-2.3.

réamhshocrú 30

Truicear scoilteadh radharcanna léirithe mar fhad i soicindí: ní scoiltear ach físeáin atá níos faide ná an tairseach.

réamhshocrú 5

Buicéad fad fuaime i soicindí, riachtanach do mhóid fuaime amháin toisc nach bhfuil líon frámaí físeáin acu chun an fad a ríomh. Cinneann an sprioc seo láimhseáil na ngearrthóg: bearrtar fuaim bhreise, agus scipeáiltear gearrthóga atá ró-ghearr.

réamhshocrú 89

Líon frámaí gach físeáin bhailíochtaithe.

réamhshocrú 24

Spriocráta fráma na bhfíseán bailíochtaithe, i bhfrámaí sa soicind; ritheann LTX-2.3 go dúchasach ag 24.

réamhshocrú 1

Scála Spatio-Temporal Guidance (STG), le 1.0 molta agus 0.0 ag casadh STG as.

réamhshocrú []

Liosta leideanna bailíochtaithe a phéireálann gach leid le gearrthóg fuaime tagartha.

POST /run/ltx23-trainer-v2/a2a?wait=20 luachan → $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"

Rith an t-iarratas seo

Fanann d'eochair sa bhrabhsálaí seo: seoltar chuig Doitong API amháin í agus sábháiltear (localStorage) í ach amháin má chuireann tú tic le Meabhraigh. Faigh eochair API

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

Mionchoigeartaíonn sé LoRA le haghaidh claochlú fuaime-go-fuaim ó `.zip` de shamplaí péireáilte in `training_data_url`. Is é `rank` 8 go 128, `number_of_steps` 100 go 10000, agus `audio_duration_seconds` 0.5 go 60. Ní úsáidtear deighilt radharcanna anseo, mar sin soláthair gearrthóga réamhroinnte. Filleann sé meáchain LoRA agus comhad cumraíochta.

Paraiméadair

AinmCineál RéamhshocrúCeadaithe Cur síos
training_data_urlriachtanach
Cineálstring
URL chuig `.zip` ina bhfuil sonraí oiliúna, eagraithe de réir an mhóid oiliúna roghnaithe. D’fhéadfadh comhad `.txt` fotheidealaithe le bunainm comhfhreagrach a bheith ag gabháil le gach comhad meán.
rankroghnach
Cineálenum
Réamhshocrú32
8163264128
Rang oiriúnaithe LoRA, a mhalartaíonn tomhaltas cuimhne méadaithe ar acmhainn níos mó de réir mar a ardaíonn an socrú.
number_of_stepsroghnach
Cineálinteger
Réamhshocrú2000
100 – 10,000
Líon iomlán na gcéimeanna oiliúna.
learning_rateroghnach
Cineálnumber
Réamhshocrú0.0002
0.000001 – 1
Ráta foghlama optamaithe.
number_of_framesroghnach
Cineálinteger
Réamhshocrú89
9 – 121
Líon frámaí gach sampla oiliúna. Caithfidh fuílleach 1 a bheith ann nuair a roinntear an líon ar 8; mar shampla 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.
frame_rateroghnach
Cineálinteger
Réamhshocrú24
8 – 60
Spriocráta fráma físeáin na hoiliúna i bhfrámaí sa soicind. Is é 24 an ráta dúchasach do LTX-2.3.
resolutionroghnach
Cineálenum
Réamhshocrúmedium
lowmediumhigh
Taifeach na hoiliúna. Méadaíonn méadú an taifigh riachtanais chuimhne.
aspect_ratioroghnach
Cineálenum
Réamhshocrú1:1
16:91:19:16
Cóimheas gnéithe na hoiliúna.
trigger_phraseroghnach
Cineálstring
Réamhshocrú
Frása gníomhachtaithe stíle LoRA, curtha isteach ag tús na bhfotheideal le linn na hoiliúna.
auto_scale_inputroghnach
Cineálboolean
Réamhshocrúfalse
Coigeartú uathoibríoch físeáin chun an FPS agus líon frámaí iarrtha a mheaitseáil nuair a chumasaítear é; fanann tacair sonraí íomhánna gan athrú.
split_input_into_scenesroghnach
Cineálboolean
Réamhshocrúfalse
Rialú scoilteadh radharcanna, déantar neamhaird de le linn ullmhú fuaime sprioc/tagartha péireáilte do a2a mar go ndéanfadh scoilteadh an péire a dhíchrochshioncronú. Coinnigh as é le haghaidh a2a agus soláthair gearrthóga scoilte roimh ré.
split_input_duration_thresholdroghnach
Cineálnumber
Réamhshocrú30
1 – 60
Truicear scoilteadh radharcanna léirithe mar fhad i soicindí: ní scoiltear ach físeáin atá níos faide ná an tairseach.
debug_datasetroghnach
Cineálboolean
Réamhshocrúfalse
Mód iniúchta réamhphróiseála chun físeáin, íomhánna agus fotheidil a sheiceáil roimh rith iomlán oiliúna. Má chumasaítear é, cuireann an traenálaí an tacar sonraí oiliúna próiseáilte ar ais i gcartlann is féidir a íoslódáil lena athbhreithniú de láimh.
audio_normalizeroghnach
Cineálboolean
Réamhshocrútrue
Normalú buaicphointe fuaime chun leibhéil chomhsheasmhacha a choinneáil ar fud an tacair sonraí.
audio_preserve_pitchroghnach
Cineálboolean
Réamhshocrútrue
Caomhnú tuinairde agus fad na fuaime á oiriúnú, seachas bearradh nó stuáil.
audio_duration_secondsroghnach
Cineálnumber
Réamhshocrú5
0.5 – 60
Buicéad fad fuaime i soicindí, riachtanach do mhóid fuaime amháin toisc nach bhfuil líon frámaí físeáin acu chun an fad a ríomh. Cinneann an sprioc seo láimhseáil na ngearrthóg: bearrtar fuaim bhreise, agus scipeáiltear gearrthóga atá ró-ghearr.
validationroghnach
Cineálobject[]
Réamhshocrú[]
≤ 2 mhír
Liosta leideanna bailíochtaithe a phéireálann gach leid le gearrthóg fuaime tagartha.
validation[].promptriachtanach
Cineálstring
Leid a úsáidtear le linn bailíochtaithe.
validation[].reference_audio_urlriachtanach
Cineálurl · audio
≥ 1 characters
URL fuaime tagartha a úsáidtear chun giniúint fuaime a cho nëlladh.
validation_negative_promptroghnach
Cineálstring
Réamhshocrúblurry, 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.
Leid dhiúltach a chuirtear i bhfeidhm le linn bailíochtaithe, a úsáideann próiseas réamhamhairc aonchéime. Toisc go ndéanann an próiseas sin tátal táirgthe driogtha dhá chéim a chomhfhogasú, bíonn a threoir agus a cháilíocht réamhamhairc éagsúil leis na torthaí deiridh.
validation_number_of_framesroghnach
Cineálinteger
Réamhshocrú89
9 – 121
Líon frámaí gach físeáin bhailíochtaithe.
validation_frame_rateroghnach
Cineálinteger
Réamhshocrú24
8 – 60
Spriocráta fráma na bhfíseán bailíochtaithe, i bhfrámaí sa soicind; ritheann LTX-2.3 go dúchasach ag 24.
validation_resolutionroghnach
Cineálenum
Réamhshocrúhigh
lowmediumhigh
Taifeach a úsáidtear le linn bailíochtaithe.
validation_aspect_ratioroghnach
Cineálenum
Réamhshocrú1:1
16:91:19:16
Cóimheas gnéithe a úsáidtear le linn bailíochtaithe.
stg_scaleroghnach
Cineálnumber
Réamhshocrú1
0 – 3
Scála Spatio-Temporal Guidance (STG), le 1.0 molta agus 0.0 ag casadh STG as.
riachtanach

Aschur

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"
  }
}
Do chuid comhad, do roghaIs cóip ar ár stóráil é gach outputs[].url: coinnithe go deo (íoctha in aghaidh GB-mhí) nó ar feadh 7 lá saor in aisce, de réir shocrú do chuntais nó ?storage=.
An cruth céanna ar gach samhailtype, url, content_type, width, height agus duration, d'íomhánna, d'fhíseáin agus d'fhuaim araon. Is é output réad toraidh na samhla féin.
Réimsí aschuir
video
object {url, content_type, file_name, file_size} | nullRéamhamharc comhcheangailte físeáin ón mbailíochtú, nuair atá sé ar fáil do chríochphointí a tháirgeann físeán.
audio
object {url, content_type, file_name, file_size} | nullFuaim chomhcheangailte ón mbailíochtú, curtha ar fáil mar réamhamharc nuair atá sí ar fáil do na bealaí fuaime amháin seo: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a, agus /v2a.
lora_file
object {url, content_type, file_name, file_size}URL do mheáchain LoRA oilte i bhformáid .safetensors.
config_file
object {url, content_type, file_name, file_size}Cumraíocht le haghaidh socrú an chríochphointe tátail.
debug_dataset
object {url, content_type, file_name, file_size} | nullAschur dífhabhtaithe ar fáil nuair atá `debug_dataset` cumasaithe: cartlann is féidir a íoslódáil ina bhfuil na sonraí oiliúna tar éis na réamhphróiseála.

Tuilleadh samhlacha: Oiliúint

Do ghníomhairí AI: tá an leathanach seo mar Markdown ag https://doitong.com/ga/developers/models/ltx23-trainer-v2/a2a.md. Gach samhail agus treoir: https://doitong.com/developers/llms.txt