# LTX-2.3 22B Video to Video Trainer API

> ရည်ညွှန်းဗီဒီယိုများမှ ဗီဒီယိုပြောင်းလဲမှု သို့မဟုတ် ဗီဒီယိုအခြေအနေဖြင့် ဖန်တီးမှုအတွက် LTX-2.3 22B LoRA ကို လေ့ကျင့်သည်

ဗီဒီယိုပြောင်းလဲမှုအတွက် LTX-2.3 22B မော်ဒယ်ပေါ်တွင် LoRA ကို လေ့ကျင့်ပြီး ဗီဒီယို သို့မဟုတ် ပုံများပါ zip (mp4, mov, avi, mkv, png, jpg, jpeg) ကို အသုံးပြုသည်။ ဖိုင် 10 ခုခန့် အနည်းဆုံး ရှိရန် အကြံပြုသည်။ `number_of_steps` သည် 1 မှ 20000 (မူလတန်ဖိုး 2000) ဖြစ်ပြီး `frame_rate` မူလတန်ဖိုးမှာ 25 ဖြစ်သည်။ `first_frame_conditioning_p` မူလတန်ဖိုးမှာ 0.1 ဖြစ်သည်။ အတည်ပြုမှုတွင် ရည်ညွှန်းဗီဒီယိုပါသော ပရောမ့် 2 ခုအထိ လက်ခံသည်။

- 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/my/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 |  |  | ပုံများသာ သို့မဟုတ် ဗီဒီယိုများသာ ပါဝင်သော dataset ၏ ZIP archive URL။ မီဒီယာရောနှောထားသော dataset များကို မပံ့ပိုးပါ။ ဖိုင် 10 ခု သို့မဟုတ် ထို့ထက်ပိုရန်၊ ဖြစ်နိုင်ပါက ပိုမိုများပြားသော စုစည်းမှုဖြစ်ရန် ရည်ရွယ်ပါ။ လက်ခံသည့် extension များမှာ ပုံများအတွက် .png, .jpg, .jpeg နှင့် ဗီဒီယိုများအတွက် .mp4, .mov, .avi, .mkv ဖြစ်သည်။ မီဒီယာဖိုင်နှင့် ကိုက်ညီအောင် အမည်ပေးထားသော caption text ဖိုင်များကို မီဒီယာနှင့်အတူ ရွေးချယ်ထည့်သွင်းနိုင်သည်။ |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | LoRA adaptation rank။ ဆက်တင်မြင့်လာသည်နှင့် မှတ်ဉာဏ်သုံးစွဲမှု တိုးလာသော်လည်း စွမ်းရည်ပိုမိုမြင့်မားလာသည်။ |
| `number_of_steps` |  | integer | no | `2000` | 1 – 20,000 | လေ့ကျင့်ရေးအဆင့် စုစုပေါင်းအရေအတွက်။ |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | Optimization learning rate။ တိုးမြှင့်သည့်အခါ လေ့ကျင့်မှုမြန်ဆန်လာနိုင်ခြင်းနှင့် overfitting ဖြစ်နိုင်ခြေတို့ကို ချိန်ညှိသည်။ |
| `number_of_frames` |  | integer | no | `89` | 9 – 121 | လေ့ကျင့်ရေးနမူနာတစ်ခုစီအတွက် ဖရိမ်အရေအတွက်။ အရေအတွက်ကို 8 ဖြင့်စားပါက အကြွင်း 1 ကျန်ရမည်။ ဥပမာများမှာ 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97 ဖြစ်သည်။ |
| `frame_rate` |  | integer | no | `25` | 8 – 60 | ပစ်မှတ်ဗီဒီယို ဖရိမ် rate၊ ဖရိမ်များ per စက္ကန့် ဖြင့် တိုင်းတာသည်။ |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | လေ့ကျင့်ရေး ရုပ်ထွက်အရည်အသွေး။ ရုပ်ထွက်အရည်အသွေး မြှင့်တင်ခြင်းက မှတ်ဉာဏ်လိုအပ်ချက်ကို တိုးစေသည်။ |
| `aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | လေ့ကျင့်ရေး aspect ratio။ |
| `trigger_phrase` |  | string | no | `` |  | လေ့ကျင့်ရေးအတွင်း caption များ၏ အစတွင် ထည့်သွင်းသည့် LoRA style activation စကားစု။ |
| `auto_scale_input` |  | boolean | no | `false` |  | ဖွင့်ထားပါက တောင်းဆိုထားသော FPS နှင့် ဖရိမ်အရေအတွက်နှင့် ကိုက်ညီစေရန် ဗီဒီယိုကို အလိုအလျောက်ချိန်ညှိသည်။ ပုံဒေတာအစုများကို မပြောင်းလဲပါ။ |
| `split_input_into_scenes` |  | boolean | no | `true` |  | ကြာချိန်သတ်မှတ်ချက်ထက် ကျော်လွန်သော ဗီဒီယိုများအတွက် အခန်းခွဲခြင်းကို true ဖြစ်သည့်အခါ ဖွင့်ပေးသည်။ |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | စက္ကန့်ဖြင့် ဖော်ပြသော scene ခွဲခြားမှု အစပျိုးတန်ဖိုး။ သတ်မှတ်ချက်ထက် ပိုရှည်သော ဗီဒီယိုများကိုသာ ခွဲသည်။ |
| `debug_dataset` |  | boolean | no | `false` |  | လေ့ကျင့်ရေးအပြည့် မလုပ်ဆောင်မီ ဗီဒီယိုများ၊ ပုံများနှင့် caption များကို စစ်ဆေးရန် ကြိုတင်လုပ်ဆောင်မှု စစ်ဆေးရေးမုဒ်။ ဖွင့်ထားပါက trainer သည် လက်ဖြင့်စစ်ဆေးရန် ဒေါင်းလုဒ်လုပ်နိုင်သော archive ထဲတွင် ပြင်ဆင်ပြီး လေ့ကျင့်ရေးဒေတာအစုကို ပြန်ပေးသည်။ |
| `first_frame_conditioning_p` |  | number | no | `0.1` | 0 – 1 | training တွင် ပထမဖရိမ် conditioning အသုံးပြုသည့် အကြိမ်ရေကို လျှော့ချခြင်းဖြင့် video-to-video ပြောင်းလဲမှုကို ဦးစားပေးသည်။ ဤတန်ဖိုးက ထို probability ကို သတ်မှတ်သည်။ |
| `validation` |  | array of object {prompt, reference_video_url} | no | `[]` | ≤ 2 items | ပရောမ့်များကို ရည်ညွှန်းဗီဒီယိုများဖြင့် တွဲဖက်ထားသော validation ထည့်သွင်းချက်စာရင်း။ |
| `validation[].prompt` |  | string | yes |  |  | Validation အတွင်း အသုံးပြုမည့် ပရောမ့်။ |
| `validation[].reference_video_url` |  | string (video URL) | yes |  | ≥ 1 characters | IC-LoRA validation အတွင်း ပြောင်းလဲမည့် ဗီဒီယိုကို ၎င်း၏ URL မှတစ်ဆင့် ပေးပါ။ |
| `validation_negative_prompt` |  | string | no | `worst quality, inconsistent motion, blurry, jittery, distorted` |  | Validation အတွင်း အသုံးပြုသည့် negative ပရောမ့်။ |
| `validation_number_of_frames` |  | integer | no | `89` | 9 – 121 | Validation ဗီဒီယိုတစ်ခုစီအတွက် ဖရိမ်အရေအတွက်။ |
| `validation_frame_rate` |  | integer | no | `25` | 8 – 60 | ပစ်မှတ် validation ဗီဒီယို ဖရိမ် rate၊ ဖရိမ်များ per စက္ကန့် ဖြင့် တိုင်းတာသည်။ |
| `validation_resolution` |  | enum (string) | no | `high` | `low`, `medium`, `high` | Validation အတွင်း အသုံးပြုမည့် ရုပ်ထွက်အရည်အသွေး။ |
| `validation_aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | Validation အတွင်း အသုံးပြုမည့် aspect ratio။ |
| `stg_scale` |  | number | no | `1` | 0 – 3 | Spatio-Temporal Guidance (STG) scale။ 1.0 ကို အကြံပြုထားပြီး 0.0 သည် STG ကို ပိတ်သည်။ |

## 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 | ရရှိနိုင်သော validation ဗီဒီယိုများ၏ URL၊ ၎င်းတို့၏ reference ဗီဒီယိုများနှင့်အတူ ပြသသည်။ |
| `lora_file` | object {url, content_type, file_name, file_size} | .safetensors ဖော်မတ်ရှိ လေ့ကျင့်ပြီး IC-LoRA weight ဖိုင်၏ URL။ |
| `config_file` | object {url, content_type, file_name, file_size} | Inference Endpoint တည်ဆောက်မှုအတွက် configuration။ |
| `debug_dataset` | object {url, content_type, file_name, file_size} \| null | `debug_dataset` ကို ဖွင့်ထားသော ထည့်သွင်းချက်များအတွက်သာ ရရှိနိုင်သည့် ဒေါင်းလုဒ်လုပ်နိုင်သော debug archive။ ၎င်း၏ training-data အကြောင်းအရာများကို ကြိုတင်ပြုပြင်ထားပြီး decoded ပုံစံဖြင့် ဗီဒီယိုများ ပါဝင်သည်။ |

## 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