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

> Addestra una LoRA LTX 2.3 che associa una clip audio di riferimento a una clip audio target da esempi appaiati

Ottimizza una LoRA per la trasformazione da audio ad audio a partire da un `.zip` di esempi appaiati in `training_data_url`. `rank` va da 8 a 128, `number_of_steps` da 100 a 10000 e `audio_duration_seconds` da 0.5 a 60. Qui non viene usata la suddivisione in scene, quindi fornisci clip già suddivise. Restituisce i pesi LoRA e un file di configurazione.

- Model id: `ltx23-trainer-v2/a2a`
- Made by: Lightricks
- Category: Training
- Output: file
- Price: $0.0023 / step (cheapest run $4.60 (4600 API credits))
- Run: `POST https://api.doitong.com/v1/run/ltx23-trainer-v2/a2a`
- Quote: `POST https://api.doitong.com/v1/quote/ltx23-trainer-v2/a2a`
- Docs page: https://doitong.com/it/developers/models/ltx23-trainer-v2/a2a

## Pricing

Price: **$0.0023 / step**. Billed per training step (`number_of_steps`).

The full example input below costs $4.60 = 4600 API credits (2000 steps × 2.3 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/a2a` 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 |  |  | URL di un `.zip` contenente dati di addestramento, organizzati secondo la modalità di addestramento selezionata. Ogni file multimediale può avere una didascalia `.txt` associata con lo stesso nome di base. |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | Rango di adattamento LoRA, che scambia un maggiore consumo di memoria con una capacità superiore all'aumentare del valore. |
| `number_of_steps` |  | integer | no | `2000` | 100 – 10,000 | Numero totale di passaggi di addestramento. |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | Tasso di apprendimento dell'ottimizzazione. |
| `number_of_frames` |  | integer | no | `89` | 9 – 121 | Numero di fotogrammi per ogni campione di addestramento. Dividendo il numero per 8 si deve ottenere resto 1; esempi: 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97. |
| `frame_rate` |  | integer | no | `24` | 8 – 60 | Frequenza dei fotogrammi target del video di addestramento, in fotogrammi al secondo. La frequenza nativa per LTX-2.3 è 24. |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | Risoluzione di addestramento. Aumentare la risoluzione incrementa i requisiti di memoria. |
| `aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | Rapporto d'aspetto di addestramento. |
| `trigger_phrase` |  | string | no | `` |  | Frase di attivazione dello stile LoRA, inserita all'inizio delle didascalie durante l'addestramento. |
| `auto_scale_input` |  | boolean | no | `false` |  | Regolazione automatica del video per adattarlo agli FPS e al numero di fotogrammi richiesti quando abilitata; i dataset di immagini restano invariati. |
| `split_input_into_scenes` |  | boolean | no | `false` |  | Controllo della suddivisione delle scene, ignorato durante la preparazione dell'audio target/di riferimento abbinato per a2a, poiché la suddivisione desincronizzerebbe la coppia. Lascialo disattivato per a2a e fornisci clip già suddivise. |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | Trigger di suddivisione delle scene espresso come durata in secondi: vengono suddivisi solo i video più lunghi della soglia. |
| `debug_dataset` |  | boolean | no | `false` |  | Modalità di ispezione del preprocessing per controllare video, immagini e didascalie prima di un'esecuzione completa dell'addestramento. Abilitandola, il trainer restituisce il dataset di addestramento elaborato in un archivio scaricabile per la revisione manuale. |
| `audio_normalize` |  | boolean | no | `true` |  | Normalizzazione dei picchi audio per mantenere livelli coerenti in tutto il dataset. |
| `audio_preserve_pitch` |  | boolean | no | `true` |  | Conservazione dell'intonazione durante l'adattamento della durata dell'audio, anziché tagliare o aggiungere silenzio. |
| `audio_duration_seconds` |  | number | no | `5` | 0.5 – 60 | Bucket della durata audio in secondi, richiesto per le modalità solo audio perché non dispongono di un numero di fotogrammi video da cui calcolare la durata. Questo valore target determina la gestione delle clip: l'audio in eccesso viene tagliato, mentre le clip troppo brevi vengono saltate. |
| `validation` |  | array of object {prompt, reference_audio_url} | no | `[]` | ≤ 2 items | Elenco di prompt di convalida che abbina ogni prompt a una clip audio di riferimento. |
| `validation[].prompt` |  | string | yes |  |  | Prompt usato durante la convalida. |
| `validation[].reference_audio_url` |  | string (audio URL) | yes |  | ≥ 1 characters | URL dell'audio di riferimento usato per condizionare la generazione audio. |
| `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.` |  | Prompt negativo applicato durante la convalida, che usa un processo di anteprima a singolo passaggio. Poiché questo processo approssima l'inferenza di produzione distillata in due passaggi, la guida e la qualità dell'anteprima differiscono dai risultati finali. |
| `validation_number_of_frames` |  | integer | no | `89` | 9 – 121 | Numero di fotogrammi per ogni video di convalida. |
| `validation_frame_rate` |  | integer | no | `24` | 8 – 60 | Frequenza dei fotogrammi target per i video di convalida, in fotogrammi al secondo; LTX-2.3 opera nativamente a 24. |
| `validation_resolution` |  | enum (string) | no | `high` | `low`, `medium`, `high` | Risoluzione usata durante la convalida. |
| `validation_aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | Rapporto d'aspetto usato durante la convalida. |
| `stg_scale` |  | number | no | `1` | 0 – 3 | Scala dello Spatio-Temporal Guidance (STG), con 1.0 consigliato e 0.0 che disattiva STG. |

## 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/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"
```

### 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/a2a?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/a2a", 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/a2a",
      "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/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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `video` | object {url, content_type, file_name, file_size} \| null | Anteprima video combinata dalla convalida, quando disponibile per gli endpoint che producono video. |
| `audio` | object {url, content_type, file_name, file_size} \| null | Audio combinato dalla convalida, fornito come anteprima quando disponibile per questi percorsi solo audio: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a e /v2a. |
| `lora_file` | object {url, content_type, file_name, file_size} | URL dei pesi LoRA addestrati in formato .safetensors. |
| `config_file` | object {url, content_type, file_name, file_size} | Configurazione per l'impostazione dell'endpoint di inferenza. |
| `debug_dataset` | object {url, content_type, file_name, file_size} \| null | Output di debug disponibile quando `debug_dataset` è abilitato: un archivio scaricabile che contiene i dati di addestramento dopo il preprocessing. |

## 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 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
- [LTX 2.3 Trainer (V2) - Forward Audio Extension](https://doitong.com/developers/models/ltx23-trainer-v2/audio-extend-prefix.md) (`ltx23-trainer-v2/audio-extend-prefix`): $0.0022 / step

## Links

- HTML page: https://doitong.com/developers/models/ltx23-trainer-v2/a2a
- 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/a2a
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/ltx23-trainer-v2/a2a