# LTX-2.3 22B Video to Video Trainer API

> ਹਵਾਲਾ ਵੀਡੀਓਜ਼ ਤੋਂ ਵੀਡੀਓ ਰੂਪਾਂਤਰਨ ਜਾਂ ਵੀਡੀਓ-ਕੰਡੀਸ਼ਨਡ ਜਨਰੇਸ਼ਨ ਲਈ LTX-2.3 22B LoRA ਟ੍ਰੇਨ ਕਰਦਾ ਹੈ

LTX-2.3 22B ਮਾਡਲ ’ਤੇ ਵੀਡੀਓ ਰੂਪਾਂਤਰਨ ਲਈ LoRA ਟ੍ਰੇਨ ਕਰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਵੀਡੀਓ ਜਾਂ ਚਿੱਤਰਾਂ ਦੀ zip (mp4, mov, avi, mkv, png, jpg, jpeg) ਵਰਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਘੱਟੋ-ਘੱਟ ਲਗਭਗ 10 ਫ਼ਾਈਲਾਂ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਹੈ। `number_of_steps` 1 ਤੋਂ 20000 ਤੱਕ ਜਾਂਦਾ ਹੈ (ਪੂਰਵ-ਨਿਰਧਾਰਤ 2000), ਅਤੇ `frame_rate` ਪੂਰਵ-ਨਿਰਧਾਰਤ ਤੌਰ ’ਤੇ 25 ਹੈ। `first_frame_conditioning_p` ਦਾ ਪੂਰਵ-ਨਿਰਧਾਰਤ ਮੁੱਲ 0.1 ਹੈ। ਵੈਲੀਡੇਸ਼ਨ ਰੈਫ਼ਰੈਂਸ ਵੀਡੀਓਆਂ ਵਾਲੇ ਵੱਧ ਤੋਂ ਵੱਧ 2 ਪ੍ਰੌਂਪਟ ਲੈਂਦੀ ਹੈ।

- 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/pa/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 |  |  | ਅਜਿਹੇ ਡੇਟਾਸੈੱਟ ਵਾਲੇ ZIP ਆਰਕਾਈਵ ਦਾ URL ਜਿਸ ਵਿੱਚ ਸਿਰਫ਼ ਚਿੱਤਰ ਜਾਂ ਸਿਰਫ਼ ਵੀਡੀਓ ਹੋਣ; ਮਿਲੇ-ਜੁਲੇ ਮੀਡੀਆ ਡੇਟਾਸੈੱਟ ਸਮਰਥਿਤ ਨਹੀਂ ਹਨ। 10 ਜਾਂ ਵੱਧ ਫ਼ਾਈਲਾਂ ਰੱਖੋ, ਤਰਜੀਹੀ ਤੌਰ 'ਤੇ ਇਸ ਤੋਂ ਵੱਡਾ ਸੰਗ੍ਰਹਿ। ਚਿੱਤਰਾਂ ਲਈ ਮਨਜ਼ੂਰਸ਼ੁਦਾ ਐਕਸਟੈਂਸ਼ਨ .png, .jpg, .jpeg ਅਤੇ ਵੀਡੀਓਜ਼ ਲਈ .mp4, .mov, .avi, .mkv ਹਨ। ਵਿਕਲਪਿਕ ਕੈਪਸ਼ਨ ਟੈਕਸਟ ਫ਼ਾਈਲਾਂ ਮੀਡੀਆ ਦੇ ਨਾਲ ਹੋ ਸਕਦੀਆਂ ਹਨ, ਅਤੇ ਹਰ ਕੈਪਸ਼ਨ ਫ਼ਾਈਲ ਦਾ ਨਾਮ ਉਸ ਨਾਲ ਸੰਬੰਧਿਤ ਮੀਡੀਆ ਫ਼ਾਈਲ ਵਰਗਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | LoRA ਅਨੁਕੂਲਨ ਰੈਂਕ, ਸੈਟਿੰਗ ਵਧਣ ਨਾਲ ਵੱਧ ਸਮਰੱਥਾ ਦੇ ਬਦਲੇ ਵੱਧ ਮੈਮੋਰੀ ਖਪਤ। |
| `number_of_steps` |  | integer | no | `2000` | 1 – 20,000 | ਟ੍ਰੇਨਿੰਗ ਪੜਾਵਾਂ ਦੀ ਕੁੱਲ ਗਿਣਤੀ। |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | ਓਪਟੀਮਾਈਜ਼ੇਸ਼ਨ learning rate, ਜੋ training ਵਿੱਚ ਸੰਭਾਵਿਤ ਤੇਜ਼ੀ ਅਤੇ ਇਸਨੂੰ ਵਧਾਉਣ 'ਤੇ overfitting ਦੇ ਖ਼ਤਰੇ ਵਿਚਕਾਰ ਸੰਤੁਲਨ ਬਣਾਉਂਦੀ ਹੈ। |
| `number_of_frames` |  | integer | no | `89` | 9 – 121 | ਹਰੇਕ ਟ੍ਰੇਨਿੰਗ ਨਮੂਨੇ ਲਈ ਫ੍ਰੇਮ ਗਿਣਤੀ। ਗਿਣਤੀ ਨੂੰ 8 ਨਾਲ ਭਾਗ ਦੇਣ 'ਤੇ ਬਾਕੀ 1 ਆਉਣਾ ਲਾਜ਼ਮੀ ਹੈ; ਉਦਾਹਰਨਾਂ ਵਿੱਚ 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97 ਸ਼ਾਮਲ ਹਨ। |
| `frame_rate` |  | integer | no | `25` | 8 – 60 | ਲਕਸ਼ਿਤ ਵੀਡੀਓ ਫ੍ਰੇਮ ਦਰ, ਫ੍ਰੇਮ ਪ੍ਰਤੀ ਸਕਿੰਟ ਵਿੱਚ ਮਾਪੀ ਜਾਂਦੀ ਹੈ। |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | ਟ੍ਰੇਨਿੰਗ ਰੈਜ਼ੋਲਿਊਸ਼ਨ। ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਵਧਾਉਣ ਨਾਲ ਮੈਮੋਰੀ ਦੀ ਲੋੜ ਵਧਦੀ ਹੈ। |
| `aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | ਟ੍ਰੇਨਿੰਗ ਪੱਖ ਅਨੁਪਾਤ। |
| `trigger_phrase` |  | string | no | `` |  | LoRA ਸ਼ੈਲੀ ਸਰਗਰਮੀ ਵਾਕੰਸ਼, ਟ੍ਰੇਨਿੰਗ ਦੌਰਾਨ ਕੈਪਸ਼ਨਾਂ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ। |
| `auto_scale_input` |  | boolean | no | `false` |  | ਚਾਲੂ ਹੋਣ 'ਤੇ ਬੇਨਤੀ ਕੀਤੀ FPS ਅਤੇ ਫ੍ਰੇਮ ਗਿਣਤੀ ਨਾਲ ਮੇਲ ਕਰਨ ਲਈ ਵੀਡੀਓ ਦਾ ਸਵੈਚਲਿਤ ਸਮਾਯੋਜਨ; ਚਿੱਤਰ ਡੇਟਾਸੈੱਟ ਅਣਬਦਲੇ ਰਹਿੰਦੇ ਹਨ। |
| `split_input_into_scenes` |  | boolean | no | `true` |  | ਮਿਆਦ ਦੀ ਹੱਦ ਤੋਂ ਵੱਧ ਲੰਬੇ ਵੀਡੀਓ ਲਈ ਦ੍ਰਿਸ਼ ਵੰਡਣਾ, ਜਦੋਂ true ਹੋਵੇ ਤਾਂ ਸਮਰੱਥ। |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਿਆਦ ਵਜੋਂ ਦਿੱਤਾ ਦ੍ਰਿਸ਼-ਵੰਡ ਟ੍ਰਿਗਰ: ਸਿਰਫ਼ ਸੀਮਾ ਤੋਂ ਲੰਬੇ ਵੀਡੀਓ ਵੰਡੇ ਜਾਂਦੇ ਹਨ। |
| `debug_dataset` |  | boolean | no | `false` |  | ਪੂਰੀ ਟ੍ਰੇਨਿੰਗ ਚਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਵੀਡੀਓ, ਚਿੱਤਰ ਅਤੇ ਕੈਪਸ਼ਨਾਂ ਦੀ ਜਾਂਚ ਲਈ ਪ੍ਰੀਪ੍ਰੋਸੈਸਿੰਗ ਨਿਰੀਖਣ ਮੋਡ। ਚਾਲੂ ਕਰਨ 'ਤੇ ਟ੍ਰੇਨਰ ਪ੍ਰੋਸੈਸ ਕੀਤਾ ਟ੍ਰੇਨਿੰਗ ਡੇਟਾਸੈੱਟ ਡਾਊਨਲੋਡਯੋਗ ਆਰਕਾਈਵ ਵਿੱਚ ਵਾਪਸ ਕਰਦਾ ਹੈ। |
| `first_frame_conditioning_p` |  | number | no | `0.1` | 0 – 1 | ਪਹਿਲੇ ਫ੍ਰੇਮ ਦੀ ਕੰਡੀਸ਼ਨਿੰਗ ਨੂੰ ਟ੍ਰੇਨਿੰਗ ਵਿੱਚ ਘੱਟ ਵਾਰ ਵਰਤ ਕੇ ਵੀਡੀਓ-ਟੂ-ਵੀਡੀਓ ਰੂਪਾਂਤਰਨ ਨੂੰ ਤਰਜੀਹ ਦਿਓ; ਇਹ ਮੁੱਲ ਉਹ ਸੰਭਾਵਨਾ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ। |
| `validation` |  | array of object {prompt, reference_video_url} | no | `[]` | ≤ 2 items | ਹਵਾਲਾ ਵੀਡੀਓਜ਼ ਨਾਲ ਜੋੜੇ ਪ੍ਰੌਂਪਟ ਵਾਲੀ ਵੈਧਤਾ ਇਨਪੁੱਟ ਸੂਚੀ। |
| `validation[].prompt` |  | string | yes |  |  | ਵੈਲੀਡੇਸ਼ਨ ਦੌਰਾਨ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਪ੍ਰੌਂਪਟ। |
| `validation[].reference_video_url` |  | string (video URL) | yes |  | ≥ 1 characters | IC-LoRA ਵੈਧਤਾ ਦੌਰਾਨ ਰੂਪਾਂਤਰਿਤ ਕੀਤੀ ਜਾਣ ਵਾਲੀ ਵੀਡੀਓ ਇਸਦੇ URL ਰਾਹੀਂ ਦਿਓ। |
| `validation_negative_prompt` |  | string | no | `worst quality, inconsistent motion, blurry, jittery, distorted` |  | validation ਦੌਰਾਨ ਲਾਗੂ ਕੀਤਾ ਜਾਣ ਵਾਲਾ ਨੈਗੇਟਿਵ ਪ੍ਰੌਂਪਟ। |
| `validation_number_of_frames` |  | integer | no | `89` | 9 – 121 | ਹਰੇਕ ਵੈਲੀਡੇਸ਼ਨ ਵੀਡੀਓ ਲਈ ਫ੍ਰੇਮ ਗਿਣਤੀ। |
| `validation_frame_rate` |  | integer | no | `25` | 8 – 60 | ਲਕਸ਼ਿਤ validation ਵੀਡੀਓ ਫ੍ਰੇਮ ਦਰ, ਫ੍ਰੇਮ ਪ੍ਰਤੀ ਸਕਿੰਟ ਵਿੱਚ ਮਾਪੀ ਜਾਂਦੀ ਹੈ। |
| `validation_resolution` |  | enum (string) | no | `high` | `low`, `medium`, `high` | ਵੈਲੀਡੇਸ਼ਨ ਦੌਰਾਨ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਰੈਜ਼ੋਲਿਊਸ਼ਨ। |
| `validation_aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | ਵੈਲੀਡੇਸ਼ਨ ਦੌਰਾਨ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਪੱਖ ਅਨੁਪਾਤ। |
| `stg_scale` |  | number | no | `1` | 0 – 3 | Spatio-Temporal Guidance (STG) ਸਕੇਲ, 1.0 ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ 0.0 STG ਬੰਦ ਕਰਦਾ ਹੈ। |

## 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 | ਉਪਲਬਧ validation ਵੀਡੀਓਜ਼ ਲਈ URL, ਜੋ ਉਨ੍ਹਾਂ ਦੀਆਂ reference ਵੀਡੀਓਜ਼ ਦੇ ਨਾਲ ਦਿਖਾਇਆ ਜਾਂਦਾ ਹੈ। |
| `lora_file` | object {url, content_type, file_name, file_size} | .safetensors ਫਾਰਮੈਟ ਵਿੱਚ trained IC-LoRA weight ਫ਼ਾਈਲ ਦਾ URL। |
| `config_file` | object {url, content_type, file_name, file_size} | ਇਨਫ਼ਰੈਂਸ ਐਂਡਪੋਇੰਟ ਸੈਟਅੱਪ ਲਈ ਕਾਨਫ਼ਿਗਰੇਸ਼ਨ। |
| `debug_dataset` | object {url, content_type, file_name, file_size} \| null | ਡਾਊਨਲੋਡ ਕਰਨ ਯੋਗ debug ਆਰਕਾਈਵ, ਜੋ ਸਿਰਫ਼ `debug_dataset` ਸਮਰੱਥ ਕਰਨ ਵਾਲੇ ਇਨਪੁੱਟ ਲਈ ਉਪਲਬਧ ਹੈ; ਇਸ ਵਿੱਚ training ਡੇਟਾ ਦੀ ਸਮੱਗਰੀ ਪਹਿਲਾਂ ਤੋਂ preprocess ਕੀਤੀ ਹੋਈ ਹੈ ਅਤੇ ਵੀਡੀਓ decoded ਰੂਪ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ। |

## 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