Prijeđi na sadržaj

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

Integriraj

ID modela 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"

Ovaj zahtjev: 4,60 $ 4.600 API kredita Pokreni na ovoj stranici

Nabavi API ključ
Lightricks · Datoteka

Vaš prvi rezultat bit će ovdje

Izradite zahtjev u nastavku i pokrenite ga svojim API ključem. Izlazi se kopiraju u našu pohranu i čuvaju zauvijek ili 7 dana besplatno.

Izradi zahtjev

Kontrole se generiraju iz sheme modela. Kôd i cijena ažuriraju se dok ih mijenjate.

resolution zadano medium

Razlučivost obuke. Povećanje razlučivosti povećava zahtjeve za memorijom.

aspect_ratio zadano 1:1

Omjer stranica obuke.

•obavezno

URL datoteke `.zip` koja sadrži podatke za obuku, organizirane prema odabranom načinu obuke. Uz svaku medijsku datoteku može biti priložen opis `.txt` s odgovarajućim osnovnim nazivom.

zadano 2000

Ukupan broj koraka obuke.

Napredno 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
zadano blurry, out of focus,...

Negativni prompt primijenjen tijekom provjere, koja upotrebljava proces pregleda u jednoj fazi. Budući da taj proces približno oponaša destilirano produkcijsko zaključivanje u dvije faze, njegovo usmjeravanje i kvaliteta pregleda razlikuju se od konačnih rezultata.

rank zadano 32

Rang LoRA prilagodbe, pri čemu veća postavka povećava kapacitet uz veću potrošnju memorije.

validation_resolution zadano high

Razlučivost koja se upotrebljava tijekom provjere.

validation_aspect_ratio zadano 1:1

Omjer stranica koji se upotrebljava tijekom provjere.

zadano

Izraz za aktivaciju LoRA stila, umetnut na početak opisa tijekom obuke.

zadano 0.0002

Stopa učenja optimizacije.

zadano 89

Broj sličica za svaki uzorak obuke. Dijeljenjem broja s 8 ostatak mora biti 1; primjeri uključuju 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.

zadano 24

Ciljna brzina sličica videozapisa za obuku u sličicama u sekundi. Izvorna brzina za LTX-2.3 iznosi 24.

zadano 30

Okidač dijeljenja scena izražen trajanjem u sekundama: dijele se samo videozapisi dulji od praga.

zadano 5

Spremnik trajanja audija u sekundama, potreban za načine rada samo s audiom jer im nedostaje broj video sličica iz kojeg bi se izračunala duljina. Taj cilj određuje obradu isječka: višak audija se obrezuje, a prekratki se isječci preskaču.

zadano 89

Broj sličica za svaki video za provjeru.

zadano 24

Ciljna brzina sličica za videozapise provjere, u sličicama u sekundi; LTX-2.3 izvorno radi pri 24.

zadano 1

Skala prostorno-vremenskog usmjeravanja (STG), pri čemu se preporučuje 1.0, a 0.0 isključuje STG.

zadano []

Popis promptova za provjeru, pri čemu je svaki prompt uparen s referentnim audioisječkom.

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

Pokreni ovaj zahtjev

Vaš ključ ostaje u ovom pregledniku: šalje se samo Doitong API-ju i sprema u localStorage samo ako označite Zapamti. Nabavite API ključ

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

Dodatno trenira LoRA za pretvorbu audia u audio iz `.zip` datoteke uparenih primjera u `training_data_url`. `rank` je od 8 do 128, `number_of_steps` od 100 do 10000, a `audio_duration_seconds` od 0.5 do 60. Ovdje se ne koristi podjela scena, stoga proslijedite već podijeljene isječke. Vraća LoRA težine i konfiguracijsku datoteku.

Parametri

NazivVrsta ZadanoDopušteno Opis
training_data_urlobavezno
Vrstastring
URL datoteke `.zip` koja sadrži podatke za obuku, organizirane prema odabranom načinu obuke. Uz svaku medijsku datoteku može biti priložen opis `.txt` s odgovarajućim osnovnim nazivom.
rankneobavezno
Vrstaenum
Zadano32
8163264128
Rang LoRA prilagodbe, pri čemu veća postavka povećava kapacitet uz veću potrošnju memorije.
number_of_stepsneobavezno
Vrstainteger
Zadano2000
100 – 10.000
Ukupan broj koraka obuke.
learning_rateneobavezno
Vrstanumber
Zadano0.0002
0,000001 – 1
Stopa učenja optimizacije.
number_of_framesneobavezno
Vrstainteger
Zadano89
9 – 121
Broj sličica za svaki uzorak obuke. Dijeljenjem broja s 8 ostatak mora biti 1; primjeri uključuju 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.
frame_rateneobavezno
Vrstainteger
Zadano24
8 – 60
Ciljna brzina sličica videozapisa za obuku u sličicama u sekundi. Izvorna brzina za LTX-2.3 iznosi 24.
resolutionneobavezno
Vrstaenum
Zadanomedium
lowmediumhigh
Razlučivost obuke. Povećanje razlučivosti povećava zahtjeve za memorijom.
aspect_rationeobavezno
Vrstaenum
Zadano1:1
16:91:19:16
Omjer stranica obuke.
trigger_phraseneobavezno
Vrstastring
Zadano
Izraz za aktivaciju LoRA stila, umetnut na početak opisa tijekom obuke.
auto_scale_inputneobavezno
Vrstaboolean
Zadanofalse
Automatsko prilagođavanje videa traženom FPS-u i broju sličica kada je omogućeno; skupovi podataka slika ostaju nepromijenjeni.
split_input_into_scenesneobavezno
Vrstaboolean
Zadanofalse
Kontrola dijeljenja scena, zanemarena tijekom pripreme uparenog ciljnog/referentnog audija za a2a jer bi dijeljenje desinkroniziralo par. Ostavite isključeno za a2a i unaprijed dostavite podijeljene isječke.
split_input_duration_thresholdneobavezno
Vrstanumber
Zadano30
1 – 60
Okidač dijeljenja scena izražen trajanjem u sekundama: dijele se samo videozapisi dulji od praga.
debug_datasetneobavezno
Vrstaboolean
Zadanofalse
Način pregleda pretprocesiranja za provjeru videozapisa, slika i opisa prije potpunog pokretanja obuke. Njegovim omogućivanjem alat za obuku vraća obrađeni skup podataka za obuku u arhivi dostupnoj za preuzimanje radi ručnog pregleda.
audio_normalizeneobavezno
Vrstaboolean
Zadanotrue
Normalizacija vršnih vrijednosti audija radi održavanja ujednačenih razina kroz cijeli skup podataka.
audio_preserve_pitchneobavezno
Vrstaboolean
Zadanotrue
Očuvanje visine tona tijekom prilagođavanja trajanja audija, umjesto obrezivanja ili dodavanja tišine.
audio_duration_secondsneobavezno
Vrstanumber
Zadano5
0,5 – 60
Spremnik trajanja audija u sekundama, potreban za načine rada samo s audiom jer im nedostaje broj video sličica iz kojeg bi se izračunala duljina. Taj cilj određuje obradu isječka: višak audija se obrezuje, a prekratki se isječci preskaču.
validationneobavezno
Vrstaobject[]
Zadano[]
≤ 2 stavke
Popis promptova za provjeru, pri čemu je svaki prompt uparen s referentnim audioisječkom.
validation[].promptobavezno
Vrstastring
Prompt koji se upotrebljava tijekom provjere.
validation[].reference_audio_urlobavezno
Vrstaurl · audio
≥ 1 characters
URL referentnog audija koji se upotrebljava za uvjetovanje generiranja audija.
validation_negative_promptneobavezno
Vrstastring
Zadanoblurry, 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.
Negativni prompt primijenjen tijekom provjere, koja upotrebljava proces pregleda u jednoj fazi. Budući da taj proces približno oponaša destilirano produkcijsko zaključivanje u dvije faze, njegovo usmjeravanje i kvaliteta pregleda razlikuju se od konačnih rezultata.
validation_number_of_framesneobavezno
Vrstainteger
Zadano89
9 – 121
Broj sličica za svaki video za provjeru.
validation_frame_rateneobavezno
Vrstainteger
Zadano24
8 – 60
Ciljna brzina sličica za videozapise provjere, u sličicama u sekundi; LTX-2.3 izvorno radi pri 24.
validation_resolutionneobavezno
Vrstaenum
Zadanohigh
lowmediumhigh
Razlučivost koja se upotrebljava tijekom provjere.
validation_aspect_rationeobavezno
Vrstaenum
Zadano1:1
16:91:19:16
Omjer stranica koji se upotrebljava tijekom provjere.
stg_scaleneobavezno
Vrstanumber
Zadano1
0 – 3
Skala prostorno-vremenskog usmjeravanja (STG), pri čemu se preporučuje 1.0, a 0.0 isključuje STG.
obavezno

Izlaz

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"
  }
}
Vaše datoteke, vaš izborSvaki outputs[].url kopija je u našoj pohrani: čuva se zauvijek (naplaćuje se po GB-mjesecu) ili 7 dana besplatno, prema postavci računa ili ?storage=.
Isti oblik na svakom modelutype, url, content_type, width, height i duration za slike, videozapise i zvuk. output je vlastiti objekt rezultata modela.
Polja izlaza
video
object {url, content_type, file_name, file_size} | nullKombinirani pregled videa iz provjere, kada je dostupan za krajnje točke koje proizvode video.
audio
object {url, content_type, file_name, file_size} | nullKombinirani audio iz provjere, dostupan kao pregled za ove rute samo s audiom: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a i /v2a.
lora_file
object {url, content_type, file_name, file_size}URL LoRA težina za obuku u formatu .safetensors.
config_file
object {url, content_type, file_name, file_size}Konfiguracija postavljanja krajnje točke za zaključivanje.
debug_dataset
object {url, content_type, file_name, file_size} | nullOtklanjanje pogrešaka dostupno kada je omogućeno `debug_dataset`: arhiva koja se može preuzeti i sadrži podatke za obuku nakon pretprocesiranja.

Više modela: Treniranje

Za AI agente: ova je stranica u Markdownu dostupna na https://doitong.com/hr/developers/models/ltx23-trainer-v2/a2a.md. Svi modeli i vodiči: https://doitong.com/developers/llms.txt