# LTX 2.3 Trainer (V2) - Keyframe Interpolation API

> ऐसा LoRA प्रशिक्षित करता है जो पहले और अंतिम कीफ़्रेम के बीच गति जनरेट करता है, वैकल्पिक रूप से मध्य कीफ़्रेम के साथ

कीफ़्रेम इंटरपोलेशन के लिए LoRA को प्रशिक्षित करता है: इनफ़रेंस के समय आप पहले और अंतिम फ़्रेम देते हैं और मॉडल उनके बीच का वीडियो जनरेट करता है। पहले, मध्य और अंतिम फ़्रेम पर प्रशिक्षण के लिए `include_middle_keyframe` सक्षम करें; इसके बाद प्रत्येक वैलिडेशन सैंपल में `middle_image_url` देना आवश्यक है। डेटा `training_data_url` के माध्यम से zip के रूप में आता है, जिसमें अधिकतम 2 वैलिडेशन एंट्री हो सकती हैं।

- Model id: `ltx23-trainer-v2/interpolate`
- Made by: Lightricks
- Category: Training
- Output: file
- Price: $0.0024 / step (cheapest run $4.80 (4800 API credits))
- Run: `POST https://api.doitong.com/v1/run/ltx23-trainer-v2/interpolate`
- Quote: `POST https://api.doitong.com/v1/quote/ltx23-trainer-v2/interpolate`
- Docs page: https://doitong.com/hi/developers/models/ltx23-trainer-v2/interpolate

## Pricing

Price: **$0.0024 / step**. Billed per training step (`number_of_steps`).

The full example input below costs $4.80 = 4800 API credits (2000 steps × 2.4 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/interpolate` 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 |  |  | 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। |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | LoRA अनुकूलन रैंक, सेटिंग बढ़ने पर अधिक मेमोरी खपत के बदले अधिक क्षमता देता है। |
| `number_of_steps` |  | integer | no | `2000` | 100 – 10,000 | प्रशिक्षण चरणों की कुल संख्या। |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | ऑप्टिमाइज़ेशन लर्निंग रेट। |
| `number_of_frames` |  | integer | no | `89` | 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_rate` |  | integer | no | `24` | 8 – 60 | प्रशिक्षण वीडियो की लक्ष्य फ़्रेम दर, फ़्रेम प्रति सेकंड में। LTX-2.3 की मूल दर 24 है। |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | प्रशिक्षण रिज़ॉल्यूशन। रिज़ॉल्यूशन बढ़ाने पर मेमोरी की आवश्यकता बढ़ती है। |
| `aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | प्रशिक्षण आस्पेक्ट रेशियो। |
| `trigger_phrase` |  | string | no | `` |  | LoRA शैली सक्रियण वाक्यांश, प्रशिक्षण के दौरान कैप्शन की शुरुआत में डाला जाता है। |
| `auto_scale_input` |  | boolean | no | `false` |  | 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_scenes` |  | boolean | no | `true` |  | निर्धारित अवधि सीमा से अधिक लंबे वीडियो के लिए सीन विभाजन, true होने पर सक्षम। |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | दृश्य-विभाजन ट्रिगर, सेकंड में अवधि के रूप में व्यक्त: केवल सीमा से लंबे वीडियो विभाजित किए जाते हैं। |
| `debug_dataset` |  | boolean | no | `false` |  | 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। |
| `validation` |  | array of object {prompt, start_image_url, end_image_url, middle_image_url} | no | `[]` | ≤ 2 items | सूची के रूप में दिया गया सत्यापन डेटा; एक प्रविष्टि में कीफ़्रेम इमेज और एक प्रॉम्प्ट होता है। |
| `validation[].prompt` |  | string | yes |  |  | मान्यकरण के दौरान उपयोग किया जाने वाला प्रॉम्प्ट। |
| `validation[].start_image_url` |  | string (image URL) | yes |  | ≥ 1 characters | प्रारंभिक फ़्रेम के लिए कीफ़्रेम इमेज URL। |
| `validation[].end_image_url` |  | string (image URL) | yes |  | ≥ 1 characters | अंतिम फ़्रेम के लिए कीफ़्रेम इमेज URL। |
| `validation[].middle_image_url` |  | string (image URL) \| null | no |  |  | पहले+मध्य+अंतिम इंटरपोलेशन के लिए मध्य-कीफ़्रेम इमेज URL। `include_middle_keyframe=true` के साथ चलने के लिए यह आवश्यक है; अन्यथा यह वैकल्पिक है। |
| `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.` |  | 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_frames` |  | integer | no | `89` | 9 – 121 | प्रत्येक मान्यकरण वीडियो के लिए फ़्रेम की संख्या। |
| `validation_frame_rate` |  | integer | no | `24` | 8 – 60 | मान्यकरण वीडियो की लक्ष्य फ़्रेम दर, फ़्रेम प्रति सेकंड में; LTX-2.3 मूल रूप से 24 पर चलता है। |
| `validation_resolution` |  | enum (string) | no | `high` | `low`, `medium`, `high` | मान्यकरण के दौरान उपयोग किया गया रिज़ॉल्यूशन। |
| `validation_aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | मान्यकरण के दौरान उपयोग किया गया आस्पेक्ट रेशियो। |
| `stg_scale` |  | number | no | `1` | 0 – 3 | स्पैशियो-टेम्पोरल गाइडेंस (STG) स्केल, जिसमें 1.0 अनुशंसित है और 0.0 STG को बंद करता है। |
| `include_middle_keyframe` |  | boolean | no | `false` |  | वीडियो निर्माण के लिए मध्य-कीफ़्रेम समावेशन: true के लिए हर validation sample में `middle_image_url` आवश्यक है और केवल पहले और आखिरी फ़्रेम के बजाय मध्य फ़्रेम को भी पहले और आखिरी फ़्रेम के साथ रखा जाता है। |

## 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/interpolate?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/interpolate?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/interpolate", 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/interpolate",
      "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/interpolate",
  "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": 4800,
    "usd": "4.80",
    "charged": 4800,
    "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 | मान्यकरण से संयुक्त वीडियो पूर्वावलोकन, जब वीडियो बनाने वाले एंडपॉइंट के लिए उपलब्ध हो। |
| `audio` | object {url, content_type, file_name, file_size} \| null | मान्यकरण 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। |

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