# LTX 2.3 Trainer (V2) - Keyframe Interpolation API

> 첫 키프레임과 마지막 키프레임 사이의 움직임을 생성하고 선택적으로 중간 키프레임도 사용하는 LoRA를 학습합니다

키프레임 보간용 LoRA를 학습합니다. 추론 시 첫 프레임과 마지막 프레임을 제공하면 모델이 그 사이의 비디오를 생성합니다. `include_middle_keyframe`을 활성화하면 첫 번째, 중간 및 마지막 프레임으로 학습하며, 이후 모든 검증 샘플에 `middle_image_url`을 제공해야 합니다. 데이터는 `training_data_url`을 통해 zip으로 제공하며 검증 항목은 최대 2개입니다.

- Model id: `ltx23-trainer-v2/interpolate`
- Made by: Lightricks
- Category: Training
- Output: file
- Price: $0.0024 / step (cheapest run $4.80 (4800 API credits))
- Run: `POST https://api.doitong.com/v1/run/ltx23-trainer-v2/interpolate`
- Quote: `POST https://api.doitong.com/v1/quote/ltx23-trainer-v2/interpolate`
- Docs page: https://doitong.com/ko/developers/models/ltx23-trainer-v2/interpolate

## Pricing

Price: **$0.0024 / step**. Billed per training step (`number_of_steps`).

The full example input below costs $4.80 = 4800 API credits (2000 steps × 2.4 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/interpolate` 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 |  |  | 선택한 학습 모드에 따라 구성된 학습 데이터가 포함된 `.zip`의 URL입니다. 각 미디어 파일에는 동일한 기본 이름의 `.txt` 캡션이 함께 있을 수 있습니다. |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | LoRA 적응 순위입니다. 값이 높아질수록 메모리 사용량이 증가하는 대신 용량이 커집니다. |
| `number_of_steps` |  | integer | no | `2000` | 100 – 10,000 | 전체 학습 단계 수입니다. |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | 최적화 학습률입니다. |
| `number_of_frames` |  | integer | no | `89` | 9 – 121 | 각 학습 샘플의 프레임 수입니다. 이 수를 8로 나눈 나머지는 1이어야 하며, 예로 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97이 있습니다. |
| `frame_rate` |  | integer | no | `24` | 8 – 60 | 학습 동영상의 목표 프레임 속도이며 초당 프레임 수로 표시합니다. LTX-2.3의 기본 속도는 24입니다. |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | 학습 해상도입니다. 해상도를 높이면 메모리 요구량이 증가합니다. |
| `aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | 학습 화면비입니다. |
| `trigger_phrase` |  | string | no | `` |  | 학습 중 캡션 시작 부분에 삽입하는 LoRA 스타일 활성화 문구입니다. |
| `auto_scale_input` |  | boolean | no | `false` |  | 활성화하면 요청된 FPS와 프레임 수에 맞게 동영상을 자동 조정합니다. 이미지 데이터세트는 변경되지 않습니다. |
| `split_input_into_scenes` |  | boolean | no | `true` |  | 길이 임계값을 초과하는 동영상의 장면 분할이며 true이면 활성화됩니다. |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | 초 단위의 길이로 표현하는 장면 분할 트리거입니다. 임계값보다 긴 동영상만 분할됩니다. |
| `debug_dataset` |  | boolean | no | `false` |  | 전체 학습 실행 전에 동영상, 이미지 및 캡션을 확인하는 전처리 검사 모드입니다. 활성화하면 트레이너가 처리된 학습 데이터세트를 다운로드 가능한 아카이브로 반환하여 수동 검토할 수 있습니다. |
| `validation` |  | array of object {prompt, start_image_url, end_image_url, middle_image_url} | no | `[]` | ≤ 2 items | 프롬프트와 키프레임 이미지를 결합한 항목 목록으로 제공되는 검증 데이터입니다. |
| `validation[].prompt` |  | string | yes |  |  | 검증 중 사용하는 프롬프트입니다. |
| `validation[].start_image_url` |  | string (image URL) | yes |  | ≥ 1 characters | 초기 프레임용 키프레임 이미지 URL입니다. |
| `validation[].end_image_url` |  | string (image URL) | yes |  | ≥ 1 characters | 최종 프레임용 키프레임 이미지 URL입니다. |
| `validation[].middle_image_url` |  | string (image URL) \| null | no |  |  | 첫 프레임+중간 프레임+마지막 프레임 보간에 사용할 중간 키프레임 이미지 URL입니다. `include_middle_keyframe=true`인 실행에는 필요하며, 그 외에는 선택 사항입니다. |
| `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.` |  | 검증 중 적용하는 부정 프롬프트입니다. 검증은 단일 단계 미리보기 프로세스를 사용합니다. 이 프로세스는 두 단계를 사용하는 증류된 프로덕션 추론을 근사하므로 가이던스와 미리보기 품질이 최종 결과와 다릅니다. |
| `validation_number_of_frames` |  | integer | no | `89` | 9 – 121 | 각 검증 동영상의 프레임 수입니다. |
| `validation_frame_rate` |  | integer | no | `24` | 8 – 60 | 검증 동영상의 목표 프레임 속도이며 초당 프레임 수로 표시합니다. LTX-2.3의 기본 속도는 24입니다. |
| `validation_resolution` |  | enum (string) | no | `high` | `low`, `medium`, `high` | 검증 중 사용하는 해상도입니다. |
| `validation_aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | 검증 중 사용하는 화면비입니다. |
| `stg_scale` |  | number | no | `1` | 0 – 3 | 시공간 가이던스(STG) 스케일입니다. 권장값은 1.0이며 0.0으로 설정하면 STG가 꺼집니다. |
| `include_middle_keyframe` |  | boolean | no | `false` |  | 동영상 생성에서 중간 키프레임을 포함할지 설정합니다. true이면 모든 검증 샘플에 `middle_image_url`이 필요하고, 첫 프레임과 마지막 프레임만 사용하는 대신 중간 프레임도 유지합니다. |

## 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/interpolate?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/interpolate?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/interpolate", 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/interpolate",
      "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/interpolate",
  "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": 4800,
    "usd": "4.80",
    "charged": 4800,
    "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 | 가능한 경우 동영상을 생성하는 엔드포인트에서 제공하는 검증용 결합 동영상 미리보기입니다. |
| `audio` | object {url, content_type, file_name, file_size} \| null | 가능한 경우 다음 오디오 전용 경로에서 미리보기로 제공하는 검증용 결합 오디오입니다: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a 및 /v2a. |
| `lora_file` | object {url, content_type, file_name, file_size} | .safetensors 형식의 학습된 LoRA 가중치 URL입니다. |
| `config_file` | object {url, content_type, file_name, file_size} | 추론 엔드포인트 설정 구성입니다. |
| `debug_dataset` | object {url, content_type, file_name, file_size} \| null | `debug_dataset`이 활성화되었을 때 사용할 수 있는 디버그 출력입니다. 전처리 후 학습 데이터가 포함된 다운로드 가능한 아카이브입니다. |

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