सामग्री पर जाएँ

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

इंटीग्रेट करें

मॉडल id 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"

यह अनुरोध: $12.00 12,000 API क्रेडिट इसे इस पेज पर चलाएँ

API कुंजी प्राप्त करें
Lightricks ट्रेनिंग 1–60 s

एक शुरुआती इमेज और कंडीशनिंग ऑडियो से वीडियो बनाने वाला LTX 2.3 LoRA प्रशिक्षित करता है

Lightricks · फ़ाइल

आपका पहला परिणाम यहाँ आएगा

नीचे एक अनुरोध बनाएँ और उसे अपनी API कुंजी से चलाएँ। आउटपुट हमारे स्टोरेज में कॉपी किए जाते हैं और हमेशा के लिए या 7 दिन तक मुफ़्त में रखे जाते हैं।

अनुरोध बनाएँ

कंट्रोल मॉडल स्कीमा से जनरेट होते हैं। इन्हें बदलने पर कोड और कीमत अपडेट होती है।

resolution डिफ़ॉल्ट medium

प्रशिक्षण रिज़ॉल्यूशन। रिज़ॉल्यूशन बढ़ाने पर मेमोरी की आवश्यकता बढ़ती है।

aspect_ratio डिफ़ॉल्ट 1:1

प्रशिक्षण आस्पेक्ट रेशियो।

•आवश्यक

प्रशिक्षण डेटा वाली `.zip` का URL, चयनित प्रशिक्षण मोड के अनुसार व्यवस्थित। प्रत्येक मीडिया फ़ाइल के साथ समान बेस नाम वाला `.txt` कैप्शन हो सकता है।

डिफ़ॉल्ट 2000

प्रशिक्षण चरणों की कुल संख्या।

उन्नत 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
डिफ़ॉल्ट blurry, out of focus,...

मान्यकरण के दौरान लागू किया गया नकारात्मक प्रॉम्प्ट, जिसमें एकल-चरण पूर्वावलोकन प्रक्रिया का उपयोग होता है। चूँकि यह प्रक्रिया दो चरणों वाले डिस्टिल्ड प्रोडक्शन इन्फ़रेंस का अनुमान लगाती है, इसलिए इसका गाइडेंस और पूर्वावलोकन गुणवत्ता अंतिम परिणामों से अलग होती है।

rank डिफ़ॉल्ट 32

LoRA अनुकूलन रैंक, सेटिंग बढ़ने पर अधिक मेमोरी खपत के बदले अधिक क्षमता देता है।

validation_resolution डिफ़ॉल्ट high

मान्यकरण के दौरान उपयोग किया गया रिज़ॉल्यूशन।

validation_aspect_ratio डिफ़ॉल्ट 1:1

मान्यकरण के दौरान उपयोग किया गया आस्पेक्ट रेशियो।

डिफ़ॉल्ट

LoRA शैली सक्रियण वाक्यांश, प्रशिक्षण के दौरान कैप्शन की शुरुआत में डाला जाता है।

डिफ़ॉल्ट 0.0002

ऑप्टिमाइज़ेशन लर्निंग रेट।

डिफ़ॉल्ट 89

प्रत्येक प्रशिक्षण सैंपल के लिए फ़्रेम की संख्या। संख्या को 8 से विभाजित करने पर शेषफल 1 होना चाहिए; उदाहरण हैं 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97।

डिफ़ॉल्ट 24

प्रशिक्षण वीडियो की लक्ष्य फ़्रेम दर, फ़्रेम प्रति सेकंड में। LTX-2.3 की मूल दर 24 है।

डिफ़ॉल्ट 30

दृश्य-विभाजन ट्रिगर, सेकंड में अवधि के रूप में व्यक्त: केवल सीमा से लंबे वीडियो विभाजित किए जाते हैं।

डिफ़ॉल्ट 89

प्रत्येक मान्यकरण वीडियो के लिए फ़्रेम की संख्या।

डिफ़ॉल्ट 24

मान्यकरण वीडियो की लक्ष्य फ़्रेम दर, फ़्रेम प्रति सेकंड में; LTX-2.3 मूल रूप से 24 पर चलता है।

डिफ़ॉल्ट 1

स्पैशियो-टेम्पोरल गाइडेंस (STG) स्केल, जिसमें 1.0 अनुशंसित है और 0.0 STG को बंद करता है।

डिफ़ॉल्ट []

मान्यकरण प्रॉम्प्ट सूची, जिसमें प्रत्येक प्रॉम्प्ट को कंडीशनिंग ऑडियो ट्रैक के साथ जोड़ा गया है।

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

यह अनुरोध चलाएँ

आपकी key इसी ब्राउज़र में रहती है: इसे केवल Doitong API को भेजा जाता है और केवल तभी (localStorage) में सेव किया जाता है जब आप Remember चुनते हैं। API कुंजी प्राप्त करें

LTX 2.3 Trainer (V2) - Audio-to-Video के बारे में

`training_data_url` में मौजूद `.zip` से ऑडियो-टू-वीडियो निर्माण के लिए LoRA को प्रशिक्षित करता है। `rank` 8 से 128, `number_of_steps` 100 से 10000 और `number_of_frames` 9 से 121 तक होता है। `validation` अधिकतम 2 एंट्री स्वीकार करता है, जिनमें से प्रत्येक में कंडीशनिंग ऑडियो ट्रैक होता है। LoRA वेट्स, config फ़ाइल और वैकल्पिक प्रीव्यू आउटपुट करता है।

पैरामीटर

नामप्रकार डिफ़ॉल्टअनुमत विवरण
training_data_urlआवश्यक
प्रकारstring
प्रशिक्षण डेटा वाली `.zip` का URL, चयनित प्रशिक्षण मोड के अनुसार व्यवस्थित। प्रत्येक मीडिया फ़ाइल के साथ समान बेस नाम वाला `.txt` कैप्शन हो सकता है।
rankवैकल्पिक
प्रकारenum
डिफ़ॉल्ट32
8163264128
LoRA अनुकूलन रैंक, सेटिंग बढ़ने पर अधिक मेमोरी खपत के बदले अधिक क्षमता देता है।
number_of_stepsवैकल्पिक
प्रकारinteger
डिफ़ॉल्ट2000
100 – 10,000
प्रशिक्षण चरणों की कुल संख्या।
learning_rateवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट0.0002
0.000001 – 1
ऑप्टिमाइज़ेशन लर्निंग रेट।
number_of_framesवैकल्पिक
प्रकारinteger
डिफ़ॉल्ट89
9 – 121
प्रत्येक प्रशिक्षण सैंपल के लिए फ़्रेम की संख्या। संख्या को 8 से विभाजित करने पर शेषफल 1 होना चाहिए; उदाहरण हैं 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97।
frame_rateवैकल्पिक
प्रकारinteger
डिफ़ॉल्ट24
8 – 60
प्रशिक्षण वीडियो की लक्ष्य फ़्रेम दर, फ़्रेम प्रति सेकंड में। LTX-2.3 की मूल दर 24 है।
resolutionवैकल्पिक
प्रकारenum
डिफ़ॉल्टmedium
lowmediumhigh
प्रशिक्षण रिज़ॉल्यूशन। रिज़ॉल्यूशन बढ़ाने पर मेमोरी की आवश्यकता बढ़ती है।
aspect_ratioवैकल्पिक
प्रकारenum
डिफ़ॉल्ट1:1
16:91:19:16
प्रशिक्षण आस्पेक्ट रेशियो।
trigger_phraseवैकल्पिक
प्रकारstring
डिफ़ॉल्ट
LoRA शैली सक्रियण वाक्यांश, प्रशिक्षण के दौरान कैप्शन की शुरुआत में डाला जाता है।
auto_scale_inputवैकल्पिक
प्रकारboolean
डिफ़ॉल्टfalse
सक्षम होने पर अनुरोधित FPS और फ़्रेम संख्या से मेल खाने के लिए वीडियो का स्वचालित समायोजन; इमेज डेटासेट अपरिवर्तित रहते हैं।
split_input_into_scenesवैकल्पिक
प्रकारboolean
डिफ़ॉल्टfalse
अवधि सीमा से अधिक लंबे संश्लेषित प्रशिक्षण वीडियो के लिए दृश्य विभाजन। true होने पर, शुरुआती इमेज और ऑडियो को असेंबल करने के बाद विभाजन होता है।
split_input_duration_thresholdवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट30
1 – 60
दृश्य-विभाजन ट्रिगर, सेकंड में अवधि के रूप में व्यक्त: केवल सीमा से लंबे वीडियो विभाजित किए जाते हैं।
debug_datasetवैकल्पिक
प्रकारboolean
डिफ़ॉल्टfalse
पूर्ण प्रशिक्षण रन से पहले वीडियो, इमेज और कैप्शन की जाँच के लिए प्रीप्रोसेसिंग निरीक्षण मोड। इसे सक्षम करने पर ट्रेनर प्रोसेस किए गए प्रशिक्षण डेटासेट को डाउनलोड किए जा सकने वाले आर्काइव में लौटाता है, ताकि मैन्युअल समीक्षा की जा सके।
audio_normalizeवैकल्पिक
प्रकारboolean
डिफ़ॉल्टtrue
पूरे डेटासेट में स्तरों की संगति बनाए रखने के लिए कंडीशनिंग ऑडियो का पीक नॉर्मलाइज़ेशन।
audio_preserve_pitchवैकल्पिक
प्रकारboolean
डिफ़ॉल्टtrue
वीडियो की लंबाई से मेल खाने के लिए ऑडियो समायोजित करते समय पिच को बनाए रखना, उसे ट्रिम या पैड करने के बजाय।
validationवैकल्पिक
प्रकारobject[]
डिफ़ॉल्ट[]
≤ 2 आइटम
मान्यकरण प्रॉम्प्ट सूची, जिसमें प्रत्येक प्रॉम्प्ट को कंडीशनिंग ऑडियो ट्रैक के साथ जोड़ा गया है।
validation[].promptआवश्यक
प्रकारstring
मान्यकरण के दौरान उपयोग किया जाने वाला प्रॉम्प्ट।
validation[].image_urlआवश्यक
प्रकारurl · image
≥ 1 characters
इमेज का URL जिसे a2v सीधे अपने पहले फ़्रेम के रूप में उपयोग करता है, उस फ़्रेम को निर्माण करने के बजाय। a2v इमेज+ऑडियो -> वीडियो प्रक्रिया कंडीशनिंग के लिए दिए गए ऑडियो और इस इमेज, दोनों का उपयोग करती है।
validation[].audio_urlआवश्यक
प्रकारurl · audio
≥ 1 characters
वीडियो निर्माण को संचालित करने के लिए उपयोग किया जाने वाला कंडीशनिंग ऑडियो URL।
validation_negative_promptवैकल्पिक
प्रकारstring
डिफ़ॉल्टblurry, 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.
मान्यकरण के दौरान लागू किया गया नकारात्मक प्रॉम्प्ट, जिसमें एकल-चरण पूर्वावलोकन प्रक्रिया का उपयोग होता है। चूँकि यह प्रक्रिया दो चरणों वाले डिस्टिल्ड प्रोडक्शन इन्फ़रेंस का अनुमान लगाती है, इसलिए इसका गाइडेंस और पूर्वावलोकन गुणवत्ता अंतिम परिणामों से अलग होती है।
validation_number_of_framesवैकल्पिक
प्रकारinteger
डिफ़ॉल्ट89
9 – 121
प्रत्येक मान्यकरण वीडियो के लिए फ़्रेम की संख्या।
validation_frame_rateवैकल्पिक
प्रकारinteger
डिफ़ॉल्ट24
8 – 60
मान्यकरण वीडियो की लक्ष्य फ़्रेम दर, फ़्रेम प्रति सेकंड में; LTX-2.3 मूल रूप से 24 पर चलता है।
validation_resolutionवैकल्पिक
प्रकारenum
डिफ़ॉल्टhigh
lowmediumhigh
मान्यकरण के दौरान उपयोग किया गया रिज़ॉल्यूशन।
validation_aspect_ratioवैकल्पिक
प्रकारenum
डिफ़ॉल्ट1:1
16:91:19:16
मान्यकरण के दौरान उपयोग किया गया आस्पेक्ट रेशियो।
stg_scaleवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट1
0 – 3
स्पैशियो-टेम्पोरल गाइडेंस (STG) स्केल, जिसमें 1.0 अनुशंसित है और 0.0 STG को बंद करता है।
आवश्यक

आउटपुट

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"
  }
}
आपकी फ़ाइलें, आपकी पसंदहर outputs[].url हमारे स्टोरेज में एक कॉपी है: हमेशा के लिए (प्रति GB-माह भुगतान) या 7 दिन तक मुफ़्त में, आपके अकाउंट की सेटिंग या ?storage= के अनुसार।
हर मॉडल पर एक जैसा आकारइमेज, वीडियो और ऑडियो सभी के लिए type, url, content_type, width, height और duration। output मॉडल का अपना परिणाम ऑब्जेक्ट है।
आउटपुट के फ़ील्ड
video
object {url, content_type, file_name, file_size} | nullमान्यकरण से संयुक्त वीडियो पूर्वावलोकन, जब वीडियो बनाने वाले एंडपॉइंट के लिए उपलब्ध हो।
audio
object {url, content_type, file_name, file_size} | nullमान्यकरण से संयुक्त ऑडियो, इन केवल-ऑडियो रूट के लिए उपलब्ध होने पर पूर्वावलोकन के रूप में दिया जाता है: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a, और /v2a।
lora_file
object {url, content_type, file_name, file_size}.safetensors फ़ॉर्मैट में प्रशिक्षित LoRA वेट का URL।
config_file
object {url, content_type, file_name, file_size}इन्फ़रेंस एंडपॉइंट सेटअप का कॉन्फ़िगरेशन।
debug_dataset
object {url, content_type, file_name, file_size} | null`debug_dataset` सक्षम होने पर उपलब्ध डिबग आउटपुट: एक डाउनलोड किया जा सकने वाला आर्काइव, जिसमें प्रीप्रोसेसिंग के बाद का प्रशिक्षण डेटा होता है।

और मॉडल: ट्रेनिंग

AI एजेंट के लिए: इस पेज का Markdown यहाँ है https://doitong.com/hi/developers/models/ltx23-trainer-v2/a2v.md. सभी मॉडल और गाइड: https://doitong.com/developers/llms.txt