Sleppa yfir í efni

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

Tengja

Auðkenni líkans 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"

Þessi beiðni: 12,00 $ 12.000 API-inneignir Keyra á þessari síðu

Fá API-lykil
Lightricks · Skrá

Fyrsta niðurstaðan þín birtist hér

Búðu til beiðni hér að neðan og keyrðu hana með API-lyklinum þínum. Úttök eru afrituð í geymsluna okkar og geymd að eilífu eða 7 dagar án kostnaðar.

Búa til beiðni

Stýringar eru búnar til út frá líkanaskemanu. Kóðinn og verðið uppfærast þegar þú breytir þeim.

resolution sjálfgefið medium

Þjálfunarupplausn. Hærri upplausn eykur minnisþörf.

aspect_ratio sjálfgefið 1:1

Þjálfunarstærðarhlutfall.

•áskilið

URL á `.zip`-skrá sem inniheldur þjálfunargögn, skipulögð samkvæmt völdum þjálfunarham. Hver miðlunarskrá getur haft samsvarandi `.txt`-texta með sama grunnheiti.

sjálfgefið 2000

Heildarfjöldi þjálfunarskrefa.

Ítarlegt 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
sjálfgefið blurry, out of focus,...

Neikvæð kvaðning notuð við staðfestingu, sem notar forskoðunarferli í einu stigi. Þar sem ferlið líkir eftir eimuðum framleiðsluályktunum í tveimur stigum er leiðsögn þess og forskoðunargæði frábrugðin lokaútkomunni.

rank sjálfgefið 32

Aðlögunarstig LoRA, þar sem aukin minnisnotkun fæst gegn meiri getu eftir því sem stillingin hækkar.

validation_resolution sjálfgefið high

Upplausn notuð við staðfestingu.

validation_aspect_ratio sjálfgefið 1:1

Stærðarhlutfall notað við staðfestingu.

sjálfgefið

LoRA-stílvirkjunarsetning, sett fremst í texta við þjálfun.

sjálfgefið 0.0002

Lærhraði bestunar.

sjálfgefið 89

Fjöldi ramma í hverju þjálfunarsýni. Deiling fjöldans með 8 verður að skilja eftir afganginn 1; dæmi eru 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.

sjálfgefið 24

Markrammatíðni þjálfunarmyndbands í römmum á sekúndu. Innbyggð tíðni LTX-2.3 er 24.

sjálfgefið 30

Kveikja senuskiptingar gefin upp sem lengd í sekúndum: aðeins myndböndum sem eru lengri en þröskuldurinn er skipt.

sjálfgefið 89

Fjöldi ramma í hverju staðfestingarmyndbandi.

sjálfgefið 24

Markrammatíðni staðfestingarmyndbanda, í römmum á sekúndu; LTX-2.3 keyrir innbyggt við 24.

sjálfgefið 1

Spatio-Temporal Guidance (STG)-kvarði, þar sem mælt er með 1.0 en 0.0 slekkur á STG.

sjálfgefið []

Listi yfir staðfestingarkvaðningar þar sem hver kvaðning er pöruð við skilyrðishljóðrás.

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

Keyra þessa beiðni

Lykillinn þinn er áfram í þessum vafra: hann er aðeins sendur til Doitong API og vistaður í localStorage aðeins ef þú hakar við Muna. Fá API-lykil

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

Þjálfar LoRA fyrir hljóð-í-myndbandsmyndun úr `.zip` í `training_data_url`. `rank` er 8 til 128, `number_of_steps` 100 til 10000 og `number_of_frames` 9 til 121. `validation` tekur við allt að 2 færslum, hverri með skilyrðisgefandi hljóðrás. Skilar LoRA-þyngdum, stillingaskrá og valfrjálsri forskoðun.

Færibreytur

HeitiGerð SjálfgefiðLeyfilegt Lýsing
training_data_urláskilið
Gerðstring
URL á `.zip`-skrá sem inniheldur þjálfunargögn, skipulögð samkvæmt völdum þjálfunarham. Hver miðlunarskrá getur haft samsvarandi `.txt`-texta með sama grunnheiti.
rankvalfrjálst
Gerðenum
Sjálfgefið32
8163264128
Aðlögunarstig LoRA, þar sem aukin minnisnotkun fæst gegn meiri getu eftir því sem stillingin hækkar.
number_of_stepsvalfrjálst
Gerðinteger
Sjálfgefið2000
100 – 10.000
Heildarfjöldi þjálfunarskrefa.
learning_ratevalfrjálst
Gerðnumber
Sjálfgefið0.0002
0,000001 – 1
Lærhraði bestunar.
number_of_framesvalfrjálst
Gerðinteger
Sjálfgefið89
9 – 121
Fjöldi ramma í hverju þjálfunarsýni. Deiling fjöldans með 8 verður að skilja eftir afganginn 1; dæmi eru 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.
frame_ratevalfrjálst
Gerðinteger
Sjálfgefið24
8 – 60
Markrammatíðni þjálfunarmyndbands í römmum á sekúndu. Innbyggð tíðni LTX-2.3 er 24.
resolutionvalfrjálst
Gerðenum
Sjálfgefiðmedium
lowmediumhigh
Þjálfunarupplausn. Hærri upplausn eykur minnisþörf.
aspect_ratiovalfrjálst
Gerðenum
Sjálfgefið1:1
16:91:19:16
Þjálfunarstærðarhlutfall.
trigger_phrasevalfrjálst
Gerðstring
Sjálfgefið
LoRA-stílvirkjunarsetning, sett fremst í texta við þjálfun.
auto_scale_inputvalfrjálst
Gerðboolean
Sjálfgefiðfalse
Sjálfvirk aðlögun myndbands að umbeðinni FPS og rammtölu þegar hún er virk; myndgagnasöfn haldast óbreytt.
split_input_into_scenesvalfrjálst
Gerðboolean
Sjálfgefiðfalse
Senuskipting fyrir tilbúin þjálfunarmyndbönd sem fara yfir lengdarþröskuldinn. Þegar gildið er true fer skipting fram eftir samsetningu upphafsmyndar og hljóðs.
split_input_duration_thresholdvalfrjálst
Gerðnumber
Sjálfgefið30
1 – 60
Kveikja senuskiptingar gefin upp sem lengd í sekúndum: aðeins myndböndum sem eru lengri en þröskuldurinn er skipt.
debug_datasetvalfrjálst
Gerðboolean
Sjálfgefiðfalse
Skoðunarhamur forvinnslu til að yfirfara myndbönd, myndir og texta áður en full þjálfun keyrir. Þegar hann er virkur skilar þjálfarinn unnu þjálfunargagnasafni í skráasafni sem hægt er að hlaða niður til handvirkrar yfirferðar.
audio_normalizevalfrjálst
Gerðboolean
Sjálfgefiðtrue
Hámarksstöðlun skilyrðishljóðs til að halda stigum samræmdum í öllu gagnasafninu.
audio_preserve_pitchvalfrjálst
Gerðboolean
Sjálfgefiðtrue
Varðveisla tónhæðar við aðlögun hljóðs að lengd myndbands í stað þess að klippa eða fylla út.
validationvalfrjálst
Gerðobject[]
Sjálfgefið[]
≤ 2 atriði
Listi yfir staðfestingarkvaðningar þar sem hver kvaðning er pöruð við skilyrðishljóðrás.
validation[].promptáskilið
Gerðstring
Kvaðning notuð við staðfestingu.
validation[].image_urláskilið
Gerðurl · image
≥ 1 characters
URL myndar sem a2v notar beint sem fyrsta ramma í stað þess að mynda þann ramma. a2v-mynda+hljóð -> myndbandsferlið notar bæði gefna hljóðið og þessa mynd sem skilyrðingu.
validation[].audio_urláskilið
Gerðurl · audio
≥ 1 characters
URL skilyrðishljóðs sem notað er til að stýra myndbandsefnisgerð.
validation_negative_promptvalfrjálst
Gerðstring
Sjálfgefiðblurry, 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.
Neikvæð kvaðning notuð við staðfestingu, sem notar forskoðunarferli í einu stigi. Þar sem ferlið líkir eftir eimuðum framleiðsluályktunum í tveimur stigum er leiðsögn þess og forskoðunargæði frábrugðin lokaútkomunni.
validation_number_of_framesvalfrjálst
Gerðinteger
Sjálfgefið89
9 – 121
Fjöldi ramma í hverju staðfestingarmyndbandi.
validation_frame_ratevalfrjálst
Gerðinteger
Sjálfgefið24
8 – 60
Markrammatíðni staðfestingarmyndbanda, í römmum á sekúndu; LTX-2.3 keyrir innbyggt við 24.
validation_resolutionvalfrjálst
Gerðenum
Sjálfgefiðhigh
lowmediumhigh
Upplausn notuð við staðfestingu.
validation_aspect_ratiovalfrjálst
Gerðenum
Sjálfgefið1:1
16:91:19:16
Stærðarhlutfall notað við staðfestingu.
stg_scalevalfrjálst
Gerðnumber
Sjálfgefið1
0 – 3
Spatio-Temporal Guidance (STG)-kvarði, þar sem mælt er með 1.0 en 0.0 slekkur á STG.
áskilið

Úttak

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"
  }
}
Skrárnar þínar, þitt valHvert outputs[].url er afrit í geymslunni okkar: geymt að eilífu (greitt fyrir hvert GB-mánuðargildi) eða 7 dagar án kostnaðar, eftir stillingu aðgangsins þíns eða ?storage=.
Sama lögun í öllum líkönumtype, url, content_type, width, height og duration, jafnt fyrir myndir, myndbönd og hljóð. output er eigið niðurstöðuhlutur líkansins.
Reitir úttaks
video
object {url, content_type, file_name, file_size} | nullSameinuð myndbandsforskoðun úr staðfestingu, þegar hún er tiltæk fyrir endapunkta sem búa til myndband.
audio
object {url, content_type, file_name, file_size} | nullSameinað hljóð úr staðfestingu, gefið sem forskoðun þegar það er tiltækt fyrir þessar hljóðeingöngu-leiðir: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a og /v2a.
lora_file
object {url, content_type, file_name, file_size}URL á þjálfaðar LoRA-vigtir á .safetensors-sniði.
config_file
object {url, content_type, file_name, file_size}Uppsetning fyrir uppsetningu ályktunarendapunkts.
debug_dataset
object {url, content_type, file_name, file_size} | nullVilluleitarúttak sem er tiltækt þegar `debug_dataset` er virkt: skráasafn sem hægt er að hlaða niður og inniheldur þjálfunargögnin eftir forvinnslu.

Fleiri líkön: Þjálfun

Fyrir gervigreindarþjóna: þessi síða á Markdown-sniði er á https://doitong.com/is/developers/models/ltx23-trainer-v2/a2v.md. Öll líkön og leiðbeiningar: https://doitong.com/developers/llms.txt