# LTX-2.3 22B Video to Video Trainer API

> Addestra una LoRA LTX-2.3 22B per la trasformazione video o la generazione condizionata da video a partire da video di riferimento

Addestra una LoRA sul modello LTX-2.3 22B per la trasformazione video, usando uno zip di video o immagini (mp4, mov, avi, mkv, png, jpg, jpeg); si consigliano almeno circa 10 file. `number_of_steps` va da 1 a 20000 (predefinito 2000) e `frame_rate` è 25 per impostazione predefinita. `first_frame_conditioning_p` è 0.1 per impostazione predefinita. La convalida accetta fino a 2 prompt con video di riferimento.

- Model id: `ltx23-v2v-trainer`
- Made by: Lightricks
- Category: Training
- Output: file
- Price: $0.0135 / step (cheapest run $27.00 (27000 API credits))
- Run: `POST https://api.doitong.com/v1/run/ltx23-v2v-trainer`
- Quote: `POST https://api.doitong.com/v1/quote/ltx23-v2v-trainer`
- Docs page: https://doitong.com/it/developers/models/ltx23-v2v-trainer

## Pricing

Price: **$0.0135 / step**. Billed per training step (`number_of_steps`).

The full example input below costs $27.00 = 27000 API credits (2000 steps × 13.5 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-v2v-trainer` 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 archivio ZIP per un dataset contenente esclusivamente immagini o esclusivamente video; i dataset con contenuti misti non sono supportati. Punta ad almeno 10 file, preferibilmente a una raccolta più ampia. Le estensioni accettate sono .png, .jpg, .jpeg per le immagini e .mp4, .mov, .avi, .mkv per i video. File di testo opzionali con didascalie possono accompagnare i contenuti multimediali; ogni file di didascalia deve avere lo stesso nome del relativo file multimediale. |
| `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` | 1 – 20,000 | Numero totale di passaggi di addestramento. |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | Tasso di apprendimento dell'ottimizzazione, che bilancia un possibile aumento della velocità di training con il rischio di overfitting quando viene aumentato. |
| `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 | `25` | 8 – 60 | Frequenza dei fotogrammi del video di destinazione, misurata in fotogrammi al secondo. |
| `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 | `true` |  | Suddivisione delle scene per i video che superano una soglia di durata, abilitata quando è true. |
| `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. |
| `first_frame_conditioning_p` |  | number | no | `0.1` | 0 – 1 | Favorisce la trasformazione video-to-video riducendo la frequenza con cui il training usa il condizionamento sul primo fotogramma; questo valore imposta tale probabilità. |
| `validation` |  | array of object {prompt, reference_video_url} | no | `[]` | ≤ 2 items | Elenco di input per la convalida contenente prompt abbinati a video di riferimento. |
| `validation[].prompt` |  | string | yes |  |  | Prompt usato durante la convalida. |
| `validation[].reference_video_url` |  | string (video URL) | yes |  | ≥ 1 characters | Fornisci tramite URL il video da trasformare durante la convalida IC-LoRA. |
| `validation_negative_prompt` |  | string | no | `worst quality, inconsistent motion, blurry, jittery, distorted` |  | Prompt negativo applicato durante la convalida. |
| `validation_number_of_frames` |  | integer | no | `89` | 9 – 121 | Numero di fotogrammi per ogni video di convalida. |
| `validation_frame_rate` |  | integer | no | `25` | 8 – 60 | Frequenza dei fotogrammi del video di convalida di destinazione, misurata in fotogrammi al secondo. |
| `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-v2v-trainer?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-v2v-trainer?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-v2v-trainer", 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-v2v-trainer",
      "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-v2v-trainer",
  "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": 27000,
    "usd": "27.00",
    "charged": 27000,
    "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
    },
    "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 | URL di eventuali video di convalida disponibili, mostrati insieme ai relativi video di riferimento. |
| `lora_file` | object {url, content_type, file_name, file_size} | URL del file dei pesi IC-LoRA addestrato 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 | Archivio di debug scaricabile, disponibile solo per gli input che abilitano `debug_dataset`; i relativi contenuti dei dati di training sono stati preelaborati e includono video in forma decodificata. |

## 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-v2v-trainer
- 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-v2v-trainer
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/ltx23-v2v-trainer