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

> LoRA-t tanít, amely a néma videóhoz illeszkedő hangot vagy foley-hangot generál

LoRA-t tanít, amely a videóban látható történésekhez illeszkedő hangsávot készít. Minden tanítási klipnek tartalmaznia kell hangsávot, ezért a jelenetfelosztás alapértelmezés szerint ki van kapcsolva a néma, végükön lévő szegmensek elkerüléséhez. A validációs minták (legfeljebb 2) mindegyike egy promptot párosít egy néma videóval. Az adatok zipként érkeznek a `training_data_url` címen keresztül.

- Model id: `ltx23-trainer-v2/v2a`
- Made by: Lightricks
- Category: Training
- Output: file
- Price: $0.0049 / step (cheapest run $9.80 (9800 API credits))
- Run: `POST https://api.doitong.com/v1/run/ltx23-trainer-v2/v2a`
- Quote: `POST https://api.doitong.com/v1/quote/ltx23-trainer-v2/v2a`
- Docs page: https://doitong.com/hu/developers/models/ltx23-trainer-v2/v2a

## Pricing

Price: **$0.0049 / step**. Billed per training step (`number_of_steps`).

The full example input below costs $9.80 = 9800 API credits (2000 steps × 4.9 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/v2a` 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 |  |  | A kiválasztott tanítási mód szerint rendezett tanítóadatokat tartalmazó `.zip` URL-je. Minden médiafájlhoz tartozhat azonos alapnevű `.txt` feliratfájl. |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | A LoRA-adaptáció rangja; a magasabb érték nagyobb kapacitást biztosít a memóriafelhasználás növekedése árán. |
| `number_of_steps` |  | integer | no | `2000` | 100 – 10,000 | A tanítási lépések teljes száma. |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | Az optimalizálás tanulási sebessége. |
| `number_of_frames` |  | integer | no | `89` | 9 – 121 | Az egyes tanítási minták képkockaszáma. A számot 8-cal osztva 1 maradékot kell kapni; például 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97. |
| `frame_rate` |  | integer | no | `24` | 8 – 60 | A tanítóvideó célzott képkockasebessége képkocka/másodpercben. Az LTX-2.3 natív sebessége 24. |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | A tanítási felbontás. A felbontás növelése növeli a memóriaigényt. |
| `aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | A tanítási képarány. |
| `trigger_phrase` |  | string | no | `` |  | A LoRA-stílus aktiválási kifejezése, amely a tanítás során a feliratok elejére kerül. |
| `auto_scale_input` |  | boolean | no | `false` |  | A videó automatikus igazítása a kért FPS-hez és képkockaszámhoz, ha engedélyezve van; a képadatkészletek változatlanok maradnak. |
| `split_input_into_scenes` |  | boolean | no | `false` |  | true esetén a hosszú videók jelenetek szerinti felosztását vezérli. v2a esetén alapértelmezetten ki van kapcsolva, az a2v működésével egyezően: minden kliphez hangsáv szükséges, mivel a modell hangot generál. A felosztás néma szakaszokat hagyhat a végén, amelyek félrevezető hibát okozhatnak a klipek hangjának egyenkénti validálásakor. |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | A jelenetfelosztás aktiválása másodpercben megadott időtartamként: csak a küszöbértéknél hosszabb videók kerülnek felosztásra. |
| `debug_dataset` |  | boolean | no | `false` |  | Előfeldolgozási ellenőrzési mód videók, képek és feliratok vizsgálatához teljes tanítási futás előtt. Engedélyezésekor a tanító visszaadja az előfeldolgozott tanítóadatkészletet manuális ellenőrzéshez letölthető archívumban. |
| `validation` |  | array of object {prompt, video_url} | no | `[]` | ≤ 2 items | Validálási adatok hanggeneráláshoz, promptot és néma videót tartalmazó bejegyzések listájaként megadva. |
| `validation[].prompt` |  | string | yes |  |  | Az érvényesítés során használt prompt. |
| `validation[].video_url` |  | string (video URL) | yes |  | ≥ 1 characters | Annak a néma videónak az URL-je, amelyhez a modell hangot készít. |
| `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.` |  | Az érvényesítés során alkalmazott negatív prompt, amely egylépcsős előnézeti folyamatot használ. Mivel ez a folyamat a kétlépcsős desztillált éles következtetést közelíti, a vezérlése és az előnézet minősége eltér a végleges eredménytől. |
| `validation_number_of_frames` |  | integer | no | `89` | 9 – 121 | Az egyes érvényesítési videók képkockaszáma. |
| `validation_frame_rate` |  | integer | no | `24` | 8 – 60 | Az érvényesítési videók célzott képkockasebessége képkocka/másodpercben; az LTX-2.3 natív sebessége 24. |
| `validation_resolution` |  | enum (string) | no | `high` | `low`, `medium`, `high` | Az érvényesítés során használt felbontás. |
| `validation_aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | Az érvényesítés során használt képarány. |
| `stg_scale` |  | number | no | `1` | 0 – 3 | A Spatio-Temporal Guidance (STG) skálája; az ajánlott érték 1.0, a 0.0 pedig kikapcsolja az STG-t. |

## 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/v2a?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/v2a?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/v2a", 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/v2a",
      "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/v2a",
  "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": 9800,
    "usd": "9.80",
    "charged": 9800,
    "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 | Az érvényesítés kombinált videóelőnézete, ha elérhető a videót előállító végpontoknál. |
| `audio` | object {url, content_type, file_name, file_size} \| null | Az érvényesítés kombinált hangja, előnézetként megadva, ha elérhető ezeknél a csak hangot használó útvonalaknál: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a és /v2a. |
| `lora_file` | object {url, content_type, file_name, file_size} | A betanított LoRA-súlyok URL-je .safetensors formátumban. |
| `config_file` | object {url, content_type, file_name, file_size} | A következtetési végpont beállításának konfigurációja. |
| `debug_dataset` | object {url, content_type, file_name, file_size} \| null | A `debug_dataset` engedélyezésekor elérhető hibakeresési kimenet: letölthető archívum, amely az előfeldolgozás utáni tanítóadatokat tartalmazza. |

## 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/v2a
- 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/v2a
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/ltx23-trainer-v2/v2a