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

> Дыбыссыз бейнеге сәйкес аудио немесе фоли жасайтын LoRA үйретеді

Бейнедегі экрандық әрекетке сәйкес келетін саундтрек жасайтын LoRA-ны үйретеді. Әрбір жаттығу клипінде аудио трек болуы керек, сондықтан дыбыссыз соңғы сегменттерді болдырмау үшін көріністерді бөлу әдепкі бойынша өшірілген. Валидация үлгілері (2-ге дейін) нұсқауды дыбыссыз бейнемен жұптайды. Деректер — `training_data_url` арқылы берілетін zip файлы.

- 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/kk/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 |  |  | Таңдалған оқыту режиміне сай ұйымдастырылған оқыту деректері бар `.zip` файлына URL. Әр медиада сәйкес негізгі аты бар `.txt` тақырыптамасы болуы мүмкін. |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | LoRA бейімделу рангі; мән артқан сайын жад тұтынуы өсіп, сыйымдылығы артады. |
| `number_of_steps` |  | integer | no | `2000` | 100 – 10,000 | Оқыту қадамдарының жалпы саны. |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | Оңтайландырудың оқыту жылдамдығы. |
| `number_of_frames` |  | integer | no | `89` | 9 – 121 | Әр оқыту үлгісіндегі кадр саны. Санды 8-ге бөлгенде қалдық 1 болуы керек; мысалдар: 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97. |
| `frame_rate` |  | integer | no | `24` | 8 – 60 | Оқыту бейнесінің мақсатты кадр жиілігі, секундына кадрмен. LTX-2.3 үшін жергілікті жиілік 24. |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | Оқыту ажыратымдылығы. Ажыратымдылықты арттыру жад талаптарын көбейтеді. |
| `aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | Оқыту арақатынасы. |
| `trigger_phrase` |  | string | no | `` |  | LoRA стилін іске қосу тіркесі; оқыту кезінде тақырыптамалардың басына енгізіледі. |
| `auto_scale_input` |  | boolean | no | `false` |  | Қосылғанда сұралған FPS пен кадр санына сәйкестендіретін бейнені автоматты реттеу; кескін деректер жинағы өзгеріссіз қалады. |
| `split_input_into_scenes` |  | boolean | no | `false` |  | true болғанда ұзын бейнелерді сахналар бойынша бөлуді басқарады. v2a үшін әдепкі мәні өшірулі, бұл a2v әрекетіне сәйкес келеді: модель аудио генерациялайтындықтан, әр клипте аудио жолы болуы керек. Бөлу соңында дыбыссыз сегменттер қалдырып, әр клиптің аудиосын валидациялау кезінде түсініксіз қате туындатуы мүмкін. |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | Секундпен көрсетілетін көріністі бөлу шегі: тек шектен ұзын бейнелер бөлінеді. |
| `debug_dataset` |  | boolean | no | `false` |  | Толық оқыту іске қосылғанға дейін бейнелерді, кескіндерді және тақырыптамаларды тексеруге арналған алдын ала өңдеуді тексеру режимі. Қосылғанда жаттықтырғыш қолмен тексеруге болатын жүктеп алынатын архивте өңделген оқыту деректер жинағын қайтарады. |
| `validation` |  | array of object {prompt, video_url} | no | `[]` | ≤ 2 items | Аудио генерациялауға арналған валидация деректері; нұсқау мен дыбыссыз бейнені қамтитын жазбалар тізімі түрінде беріледі. |
| `validation[].prompt` |  | string | yes |  |  | Тексеру кезінде пайдаланылатын нұсқау. |
| `validation[].video_url` |  | string (video URL) | yes |  | ≥ 1 characters | Модель аудио жасайтын дыбыссыз бейненің URL мекенжайы. |
| `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.` |  | Тексеру кезінде қолданылатын теріс нұсқау; тексеру бір кезеңді алдын ала қарау процесін пайдаланады. Бұл процесс екі кезеңді дистилляцияланған өндірістік inference-ті жуықтайтындықтан, оның нұсқауы мен алдын ала қарау сапасы соңғы нәтижелерден өзгеше. |
| `validation_number_of_frames` |  | integer | no | `89` | 9 – 121 | Әр тексеру бейнесіндегі кадр саны. |
| `validation_frame_rate` |  | integer | no | `24` | 8 – 60 | Тексеру бейнелерінің мақсатты кадр жиілігі, секундына кадрмен; LTX-2.3 жергілікті түрде 24 жиілігімен жұмыс істейді. |
| `validation_resolution` |  | enum (string) | no | `high` | `low`, `medium`, `high` | Тексеру кезінде пайдаланылатын ажыратымдылық. |
| `validation_aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | Тексеру кезінде пайдаланылатын арақатынас. |
| `stg_scale` |  | number | no | `1` | 0 – 3 | Кеңістіктік-уақыттық нұсқау (STG) масштабы; 1.0 ұсынылады, ал 0.0 STG мүмкіндігін өшіреді. |

## 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 | Қолжетімді болса, бейне өндіретін соңғы нүктелер үшін тексеруден алынған біріктірілген бейне алдын ала көрінісі. |
| `audio` | object {url, content_type, file_name, file_size} \| null | Қолжетімді болса, тек аудиоға арналған мына маршруттар үшін алдын ала көрініс ретінде берілетін тексерудің біріктірілген аудиосы: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a және /v2a. |
| `lora_file` | object {url, content_type, file_name, file_size} | .safetensors форматындағы оқытылған LoRA салмақтарына арналған URL. |
| `config_file` | object {url, content_type, file_name, file_size} | Inference соңғы нүктесін орнату конфигурациясы. |
| `debug_dataset` | object {url, content_type, file_name, file_size} \| null | `debug_dataset` қосылғанда қолжетімді жөндеу шығысы: алдын ала өңдеуден кейінгі оқыту деректері бар жүктеп алынатын архив. |

## 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