Vai al contenuto

LTX 2.3 Trainer (V2) - Audio+Video Reference Transformation

Integra

ID del modello ltx23-trainer-v2/av2av
# 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/av2av?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"

Questa richiesta: 13,60 $ 13.600 crediti API Esegui in questa pagina

Ottieni la chiave API
Lightricks Addestramento Input di riferimento1–60 s

Addestra una LoRA che associa video e audio di una clip di riferimento a una clip target appaiata, generando insieme entrambe le tracce

Lightricks · File

Il tuo primo risultato apparirà qui

Crea una richiesta qui sotto ed eseguila con la tua chiave API. Gli output vengono copiati nella nostra archiviazione, conservati per sempre oppure 7 giorni gratuitamente.

Crea una richiesta

I controlli vengono generati dallo schema del modello. Il codice e il prezzo si aggiornano mentre li modifichi.

resolution predefinito medium

Risoluzione di addestramento. Aumentare la risoluzione incrementa i requisiti di memoria.

aspect_ratio predefinito 1:1

Rapporto d'aspetto di addestramento.

•obbligatorio

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.

predefinito 2000

Numero totale di passaggi di addestramento.

Avanzate 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 · reference_downscale_factor · reference_temporal_scale_factor · auto_scale_input · split_input_into_scenes · debug_dataset · audio_normalize · audio_preserve_pitch · validation
predefinito blurry, out of focus,...

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.

rank predefinito 32

Rango di adattamento LoRA, che scambia un maggiore consumo di memoria con una capacità superiore all'aumentare del valore.

validation_resolution predefinito high

Risoluzione usata durante la convalida.

validation_aspect_ratio predefinito 1:1

Rapporto d'aspetto usato durante la convalida.

predefinito

Frase di attivazione dello stile LoRA, inserita all'inizio delle didascalie durante l'addestramento.

predefinito 0.0002

Tasso di apprendimento dell'ottimizzazione.

predefinito 89

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.

predefinito 24

Frequenza dei fotogrammi target del video di addestramento, in fotogrammi al secondo. La frequenza nativa per LTX-2.3 è 24.

predefinito 30

Trigger di suddivisione delle scene espresso come durata in secondi: vengono suddivisi solo i video più lunghi della soglia.

predefinito 89

Numero di fotogrammi per ogni video di convalida.

predefinito 24

Frequenza dei fotogrammi target per i video di convalida, in fotogrammi al secondo; LTX-2.3 opera nativamente a 24.

predefinito 1

Scala dello Spatio-Temporal Guidance (STG), con 1.0 consigliato e 0.0 che disattiva STG.

predefinito 1

Fattore di ridimensionamento per creare un proxy di controllo del video di riferimento approssimativo e a bassa risoluzione prima della codifica, mantenendo l'output alla risoluzione completa. Entrambe le dimensioni di riferimento devono essere divisibili per 32 prima e dopo la divisione per il fattore; il valore predefinito 1 conserva la risoluzione originale.

predefinito 1

Fattore di riduzione della frequenza dei fotogrammi del video di riferimento, con 1 come valore predefinito per preservare gli fps. Il sottocampionamento temporale tramite questo fattore riduce gli fps prima della codifica del video.

predefinito []

Elenco di prompt di convalida che abbina ogni prompt a un video e a un audio di riferimento.

POST /run/ltx23-trainer-v2/av2av?wait=20 preventivo → 13,60 $
# 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/av2av?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"

Esegui questa richiesta

La tua chiave rimane in questo browser: viene inviata solo al Doitong API e salvata in localStorage solo se selezioni Ricorda. Ottieni una chiave API

Informazioni su LTX 2.3 Trainer (V2) - Audio+Video Reference Transformation

Adatta una LoRA su clip appaiate, in cui ogni video di riferimento con il relativo audio è associato a una clip target. Fornisci uno zip tramite `training_data_url`, con didascalie .txt facoltative. La suddivisione in scene è disattivata per impostazione predefinita perché desincronizzerebbe le coppie iniziali/finali, quindi fornisci clip già tagliate. `rank` può variare da 8 a 128, gli step da 100 a 10000 e sono consentiti fino a 2 elementi di convalida.

Parametri

NomeTipo PredefinitoConsentiti Descrizione
training_data_urlobbligatorio
Tipostring
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.
rankfacoltativo
Tipoenum
Predefinito32
8163264128
Rango di adattamento LoRA, che scambia un maggiore consumo di memoria con una capacità superiore all'aumentare del valore.
number_of_stepsfacoltativo
Tipointeger
Predefinito2000
100 – 10.000
Numero totale di passaggi di addestramento.
learning_ratefacoltativo
Tiponumber
Predefinito0.0002
0,000001 – 1
Tasso di apprendimento dell'ottimizzazione.
number_of_framesfacoltativo
Tipointeger
Predefinito89
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_ratefacoltativo
Tipointeger
Predefinito24
8 – 60
Frequenza dei fotogrammi target del video di addestramento, in fotogrammi al secondo. La frequenza nativa per LTX-2.3 è 24.
resolutionfacoltativo
Tipoenum
Predefinitomedium
lowmediumhigh
Risoluzione di addestramento. Aumentare la risoluzione incrementa i requisiti di memoria.
aspect_ratiofacoltativo
Tipoenum
Predefinito1:1
16:91:19:16
Rapporto d'aspetto di addestramento.
trigger_phrasefacoltativo
Tipostring
Predefinito
Frase di attivazione dello stile LoRA, inserita all'inizio delle didascalie durante l'addestramento.
auto_scale_inputfacoltativo
Tipoboolean
Predefinitofalse
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_scenesfacoltativo
Tipoboolean
Predefinitofalse
La suddivisione delle scene è disabilitata in av2av per mantenere sincronizzata la coppia _start/_end. Le clip devono essere suddivise in precedenza; la preparazione della coppia target/riferimento ignora l'impostazione di suddivisione delle scene.
split_input_duration_thresholdfacoltativo
Tiponumber
Predefinito30
1 – 60
Trigger di suddivisione delle scene espresso come durata in secondi: vengono suddivisi solo i video più lunghi della soglia.
debug_datasetfacoltativo
Tipoboolean
Predefinitofalse
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_normalizefacoltativo
Tipoboolean
Predefinitotrue
Normalizzazione dei picchi audio per mantenere livelli coerenti in tutto il dataset.
audio_preserve_pitchfacoltativo
Tipoboolean
Predefinitotrue
Conservazione dell'intonazione durante l'adattamento dell'audio alla durata del video, anziché tagliarlo.
validationfacoltativo
Tipoobject[]
Predefinito[]
≤ 2 elementi
Elenco di prompt di convalida che abbina ogni prompt a un video e a un audio di riferimento.
validation[].promptobbligatorio
Tipostring
Prompt usato durante la convalida.
validation[].reference_video_urlobbligatorio
Tipourl · video
≥ 1 characters
URL del video di riferimento usato per condizionare la generazione audio e video. La traccia audio del video funge anch'essa da riferimento audio.
validation[].reference_audio_urlfacoltativo
Tipourl · audio
Sostituisce facoltativamente la traccia audio di `reference_video_url` fornendo l'URL di un file audio di riferimento separato.
validation_negative_promptfacoltativo
Tipostring
Predefinitoblurry, 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_framesfacoltativo
Tipointeger
Predefinito89
9 – 121
Numero di fotogrammi per ogni video di convalida.
validation_frame_ratefacoltativo
Tipointeger
Predefinito24
8 – 60
Frequenza dei fotogrammi target per i video di convalida, in fotogrammi al secondo; LTX-2.3 opera nativamente a 24.
validation_resolutionfacoltativo
Tipoenum
Predefinitohigh
lowmediumhigh
Risoluzione usata durante la convalida.
validation_aspect_ratiofacoltativo
Tipoenum
Predefinito1:1
16:91:19:16
Rapporto d'aspetto usato durante la convalida.
stg_scalefacoltativo
Tiponumber
Predefinito1
0 – 3
Scala dello Spatio-Temporal Guidance (STG), con 1.0 consigliato e 0.0 che disattiva STG.
reference_downscale_factorfacoltativo
Tipointeger
Predefinito1
1 – 8
Fattore di ridimensionamento per creare un proxy di controllo del video di riferimento approssimativo e a bassa risoluzione prima della codifica, mantenendo l'output alla risoluzione completa. Entrambe le dimensioni di riferimento devono essere divisibili per 32 prima e dopo la divisione per il fattore; il valore predefinito 1 conserva la risoluzione originale.
reference_temporal_scale_factorfacoltativo
Tipointeger
Predefinito1
1 – 8
Fattore di riduzione della frequenza dei fotogrammi del video di riferimento, con 1 come valore predefinito per preservare gli fps. Il sottocampionamento temporale tramite questo fattore riduce gli fps prima della codifica del video.
obbligatorio

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ltx23-trainer-v2/av2av",
  "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": 13600,
    "usd": "13.60",
    "charged": 13600,
    "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"
  }
}
I tuoi file, la tua sceltaOgni outputs[].url è una copia nella nostra archiviazione: conservata per sempre (a pagamento per GB-mese) oppure 7 giorni gratuitamente, in base all'impostazione dell'account o a ?storage=.
Stessa struttura per ogni modellotype, url, content_type, width, height e duration, per immagini, video e audio. output è l'oggetto risultato del modello.
Campi dell'output
video
object {url, content_type, file_name, file_size} | nullAnteprima video combinata dalla convalida, quando disponibile per gli endpoint che producono video.
audio
object {url, content_type, file_name, file_size} | nullAudio 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} | nullOutput di debug disponibile quando `debug_dataset` è abilitato: un archivio scaricabile che contiene i dati di addestramento dopo il preprocessing.

Altri modelli: Addestramento

Per gli agenti AI: questa pagina in Markdown è disponibile all'indirizzo https://doitong.com/it/developers/models/ltx23-trainer-v2/av2av.md. Tutti i modelli e le guide: https://doitong.com/developers/llms.txt