ਸਮੱਗਰੀ ਵੱਲ ਜਾਓ

LTX-2.3 22B Video Trainer

ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ

ਮਾਡਲ id ltx23-video-trainer
# 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-video-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"

ਇਹ ਬੇਨਤੀ: $9.60 9,600 API ਕ੍ਰੈਡਿਟ ਇਸ ਪੰਨੇ ’ਤੇ ਚਲਾਓ

API ਕੁੰਜੀ ਲਵੋ
Lightricks ਟ੍ਰੇਨਿੰਗ 1–60 s #ltx2.3-video#fine-tuning

ਵਿਕਲਪਿਕ ਆਡੀਓ ਸਮੇਤ ਕਸਟਮ ਵੀਡੀਓ ਸ਼ੈਲੀਆਂ ਅਤੇ ਪ੍ਰਭਾਵਾਂ ਲਈ LTX-2.3 22B LoRA ਟ੍ਰੇਨ ਕਰਦਾ ਹੈ

Lightricks · ਫ਼ਾਈਲ

ਤੁਹਾਡਾ ਪਹਿਲਾ ਨਤੀਜਾ ਇੱਥੇ ਹੋਵੇਗਾ

ਹੇਠਾਂ ਬੇਨਤੀ ਬਣਾਓ ਅਤੇ ਆਪਣੀ API ਕੁੰਜੀ ਨਾਲ ਚਲਾਓ। ਆਉਟਪੁੱਟ ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਕਾਪੀ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਹਮੇਸ਼ਾ ਲਈ ਜਾਂ ਮੁਫ਼ਤ ਵਿੱਚ 7 ਦਿਨ ਤੱਕ ਰੱਖੇ ਜਾਂਦੇ ਹਨ।

ਰਿਕਵੈਸਟ ਬਣਾਓ

ਕੰਟਰੋਲ ਮਾਡਲ ਸਕੀਮਾ ਤੋਂ ਤਿਆਰ ਹੁੰਦੇ ਹਨ। ਤੁਸੀਂ ਬਦਲਾਅ ਕਰਦੇ ਹੀ ਕੋਡ ਅਤੇ ਕੀਮਤ ਅੱਪਡੇਟ ਹੋ ਜਾਂਦੇ ਹਨ।

resolution ਡਿਫ਼ਾਲਟ medium

ਟ੍ਰੇਨਿੰਗ ਰੈਜ਼ੋਲਿਊਸ਼ਨ। ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਵਧਾਉਣ ਨਾਲ ਮੈਮੋਰੀ ਦੀ ਲੋੜ ਵਧਦੀ ਹੈ।

aspect_ratio ਡਿਫ਼ਾਲਟ 1:1

ਟ੍ਰੇਨਿੰਗ ਪੱਖ ਅਨੁਪਾਤ।

•ਲੋੜੀਂਦਾ

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।

ਡਿਫ਼ਾਲਟ 2000

ਟ੍ਰੇਨਿੰਗ ਪੜਾਵਾਂ ਦੀ ਕੁੱਲ ਗਿਣਤੀ।

ਉੱਨਤ validation_negative_prompt · rank · validation_resolution · validation_aspect_ratio · trigger_phrase · learning_rate · number_of_frames · frame_rate · split_input_duration_threshold · first_frame_conditioning_p · validation_number_of_frames · validation_frame_rate · stg_scale · auto_scale_input · split_input_into_scenes · debug_dataset · with_audio · audio_normalize · audio_preserve_pitch · generate_audio_in_validation · validation
ਡਿਫ਼ਾਲਟ worst quality, incons...

validation ਦੌਰਾਨ ਲਾਗੂ ਕੀਤਾ ਜਾਣ ਵਾਲਾ ਨੈਗੇਟਿਵ ਪ੍ਰੌਂਪਟ।

rank ਡਿਫ਼ਾਲਟ 32

LoRA ਅਨੁਕੂਲਨ ਰੈਂਕ, ਸੈਟਿੰਗ ਵਧਣ ਨਾਲ ਵੱਧ ਸਮਰੱਥਾ ਦੇ ਬਦਲੇ ਵੱਧ ਮੈਮੋਰੀ ਖਪਤ।

validation_resolution ਡਿਫ਼ਾਲਟ high

ਵੈਲੀਡੇਸ਼ਨ ਦੌਰਾਨ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਰੈਜ਼ੋਲਿਊਸ਼ਨ।

validation_aspect_ratio ਡਿਫ਼ਾਲਟ 1:1

ਵੈਲੀਡੇਸ਼ਨ ਦੌਰਾਨ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਪੱਖ ਅਨੁਪਾਤ।

ਡਿਫ਼ਾਲਟ

LoRA ਸ਼ੈਲੀ ਸਰਗਰਮੀ ਵਾਕੰਸ਼, ਟ੍ਰੇਨਿੰਗ ਦੌਰਾਨ ਕੈਪਸ਼ਨਾਂ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ।

ਡਿਫ਼ਾਲਟ 0.0002

ਓਪਟੀਮਾਈਜ਼ੇਸ਼ਨ learning rate, ਜੋ training ਵਿੱਚ ਸੰਭਾਵਿਤ ਤੇਜ਼ੀ ਅਤੇ ਇਸਨੂੰ ਵਧਾਉਣ 'ਤੇ overfitting ਦੇ ਖ਼ਤਰੇ ਵਿਚਕਾਰ ਸੰਤੁਲਨ ਬਣਾਉਂਦੀ ਹੈ।

ਡਿਫ਼ਾਲਟ 89

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।

ਡਿਫ਼ਾਲਟ 25

ਲਕਸ਼ਿਤ ਵੀਡੀਓ ਫ੍ਰੇਮ ਦਰ, ਫ੍ਰੇਮ ਪ੍ਰਤੀ ਸਕਿੰਟ ਵਿੱਚ ਮਾਪੀ ਜਾਂਦੀ ਹੈ।

ਡਿਫ਼ਾਲਟ 30

ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਿਆਦ ਵਜੋਂ ਦਿੱਤਾ ਦ੍ਰਿਸ਼-ਵੰਡ ਟ੍ਰਿਗਰ: ਸਿਰਫ਼ ਸੀਮਾ ਤੋਂ ਲੰਬੇ ਵੀਡੀਓ ਵੰਡੇ ਜਾਂਦੇ ਹਨ।

ਡਿਫ਼ਾਲਟ 0.5

training ਵਿੱਚ first-frame conditioning ਕਿੰਨੀ ਵਾਰ ਵਰਤੀ ਜਾਂਦੀ ਹੈ, ਇਹ ਵਧਾ ਕੇ image-to-video ਕਾਰਗੁਜ਼ਾਰੀ ਸੁਧਾਰੋ; ਇਹ ਮੁੱਲ ਉਸ ਸੰਭਾਵਨਾ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ।

ਡਿਫ਼ਾਲਟ 89

ਹਰੇਕ ਵੈਲੀਡੇਸ਼ਨ ਵੀਡੀਓ ਲਈ ਫ੍ਰੇਮ ਗਿਣਤੀ।

ਡਿਫ਼ਾਲਟ 25

ਲਕਸ਼ਿਤ validation ਵੀਡੀਓ ਫ੍ਰੇਮ ਦਰ, ਫ੍ਰੇਮ ਪ੍ਰਤੀ ਸਕਿੰਟ ਵਿੱਚ ਮਾਪੀ ਜਾਂਦੀ ਹੈ।

ਡਿਫ਼ਾਲਟ 1

Spatio-Temporal Guidance (STG) ਸਕੇਲ, 1.0 ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ 0.0 STG ਬੰਦ ਕਰਦਾ ਹੈ।

ਡਿਫ਼ਾਲਟ []

Training validation ਪ੍ਰੌਂਪਟ ਸੂਚੀ, ਜਿਸ ਦੇ ਇਨਪੁੱਟ ਜਾਂ ਤਾਂ ਸਾਰੇ ਚਿੱਤਰ ਸ਼ਾਮਲ ਕਰਨ ਜਾਂ ਸਾਰੇ ਚਿੱਤਰ ਨਾ ਸ਼ਾਮਲ ਕਰਨ।

POST /run/ltx23-video-trainer?wait=20 ਕੋਟ → $9.60
# 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-video-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"

ਇਹ ਬੇਨਤੀ ਚਲਾਓ

ਤੁਹਾਡੀ key ਇਸ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਰਹਿੰਦੀ ਹੈ: ਇਹ ਸਿਰਫ਼ Doitong API ਨੂੰ ਭੇਜੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਸਿਰਫ਼ ਤਾਂ ਹੀ (localStorage) ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਹੁੰਦੀ ਹੈ ਜੇ ਤੁਸੀਂ Remember ਚੁਣੋ। API ਕੁੰਜੀ ਪ੍ਰਾਪਤ ਕਰੋ

LTX-2.3 22B Video Trainer ਬਾਰੇ

ਵੀਡੀਓ ਜਾਂ ਚਿੱਤਰਾਂ ਦੇ zip ਤੋਂ ਕਸਟਮ ਸ਼ੈਲੀਆਂ ਅਤੇ ਪ੍ਰਭਾਵਾਂ ਲਈ LTX-2.3 22B ਮਾਡਲ ’ਤੇ LoRA ਟ੍ਰੇਨ ਕਰਦਾ ਹੈ; ਆਦਰਸ਼ ਤੌਰ ’ਤੇ 10 ਜਾਂ ਵੱਧ ਫ਼ਾਈਲਾਂ ਹੋਣ। `number_of_steps` 100 ਤੋਂ 6000 ਤੱਕ ਹੁੰਦਾ ਹੈ (ਡਿਫ਼ਾਲਟ 2000), `frame_rate` ਡਿਫ਼ਾਲਟ 25 ਹੈ ਅਤੇ `first_frame_conditioning_p` ਡਿਫ਼ਾਲਟ 0.5 ਹੈ। `with_audio` ਆਡੀਓ ਟ੍ਰੇਨਿੰਗ ਨੂੰ ਲਾਜ਼ਮੀ ਜਾਂ ਬੰਦ ਕਰਦਾ ਹੈ, ਅਤੇ `generate_audio_in_validation` ਪ੍ਰੀਵਿਊ ਵਿੱਚ ਆਡੀਓ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦਾ ਹੈ।

ਪੈਰਾਮੀਟਰ

ਨਾਮਕਿਸਮ ਡਿਫ਼ਾਲਟਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵੇਰਵਾ
training_data_urlਲੋੜੀਂਦਾ
ਕਿਸਮstring
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।
rankਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟ32
8163264128
LoRA ਅਨੁਕੂਲਨ ਰੈਂਕ, ਸੈਟਿੰਗ ਵਧਣ ਨਾਲ ਵੱਧ ਸਮਰੱਥਾ ਦੇ ਬਦਲੇ ਵੱਧ ਮੈਮੋਰੀ ਖਪਤ।
number_of_stepsਵਿਕਲਪਿਕ
ਕਿਸਮinteger
ਡਿਫ਼ਾਲਟ2000
100 – 6,000
ਟ੍ਰੇਨਿੰਗ ਪੜਾਵਾਂ ਦੀ ਕੁੱਲ ਗਿਣਤੀ।
learning_rateਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ0.0002
0.000001 – 1
ਓਪਟੀਮਾਈਜ਼ੇਸ਼ਨ learning rate, ਜੋ training ਵਿੱਚ ਸੰਭਾਵਿਤ ਤੇਜ਼ੀ ਅਤੇ ਇਸਨੂੰ ਵਧਾਉਣ 'ਤੇ overfitting ਦੇ ਖ਼ਤਰੇ ਵਿਚਕਾਰ ਸੰਤੁਲਨ ਬਣਾਉਂਦੀ ਹੈ।
number_of_framesਵਿਕਲਪਿਕ
ਕਿਸਮinteger
ਡਿਫ਼ਾਲਟ89
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_rateਵਿਕਲਪਿਕ
ਕਿਸਮinteger
ਡਿਫ਼ਾਲਟ25
8 – 60
ਲਕਸ਼ਿਤ ਵੀਡੀਓ ਫ੍ਰੇਮ ਦਰ, ਫ੍ਰੇਮ ਪ੍ਰਤੀ ਸਕਿੰਟ ਵਿੱਚ ਮਾਪੀ ਜਾਂਦੀ ਹੈ।
resolutionਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟmedium
lowmediumhigh
ਟ੍ਰੇਨਿੰਗ ਰੈਜ਼ੋਲਿਊਸ਼ਨ। ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਵਧਾਉਣ ਨਾਲ ਮੈਮੋਰੀ ਦੀ ਲੋੜ ਵਧਦੀ ਹੈ।
aspect_ratioਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟ1:1
16:91:19:16
ਟ੍ਰੇਨਿੰਗ ਪੱਖ ਅਨੁਪਾਤ।
trigger_phraseਵਿਕਲਪਿਕ
ਕਿਸਮstring
ਡਿਫ਼ਾਲਟ
LoRA ਸ਼ੈਲੀ ਸਰਗਰਮੀ ਵਾਕੰਸ਼, ਟ੍ਰੇਨਿੰਗ ਦੌਰਾਨ ਕੈਪਸ਼ਨਾਂ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ।
auto_scale_inputਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟfalse
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_scenesਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟtrue
ਮਿਆਦ ਦੀ ਹੱਦ ਤੋਂ ਵੱਧ ਲੰਬੇ ਵੀਡੀਓ ਲਈ ਦ੍ਰਿਸ਼ ਵੰਡਣਾ, ਜਦੋਂ true ਹੋਵੇ ਤਾਂ ਸਮਰੱਥ।
split_input_duration_thresholdਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ30
1 – 60
ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਿਆਦ ਵਜੋਂ ਦਿੱਤਾ ਦ੍ਰਿਸ਼-ਵੰਡ ਟ੍ਰਿਗਰ: ਸਿਰਫ਼ ਸੀਮਾ ਤੋਂ ਲੰਬੇ ਵੀਡੀਓ ਵੰਡੇ ਜਾਂਦੇ ਹਨ।
debug_datasetਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟfalse
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।
with_audioਵਿਕਲਪਿਕ
ਕਿਸਮboolean | null
ਵੀਡੀਓ training ਦੇ ਨਾਲ ਆਡੀਓ training ਲਾਜ਼ਮੀ ਕਰਨ ਲਈ True, ਜਾਂ ਆਡੀਓ ਹਟਾਉਣ ਲਈ False ਚੁਣੋ। setting ਨੂੰ ਇਸਦੇ ਪੂਰਵ-ਨਿਰਧਾਰਤ None 'ਤੇ ਛੱਡਣ ਨਾਲ ਦਿੱਤੀਆਂ ਵੀਡੀਓਜ਼ ਵਿੱਚ ਆਡੀਓ ਹੋਣ ਜਾਂ ਨਾ ਹੋਣ ਦੇ ਆਧਾਰ 'ਤੇ ਚੋਣ ਆਪਣੇ ਆਪ ਹੁੰਦੀ ਹੈ।
audio_normalizeਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟtrue
ਪੀਕ-ਐਂਪਲੀਟਿਊਡ ਨਾਰਮਲਾਈਜ਼ੇਸ਼ਨ, ਜੋ peaks ਨੂੰ ਇੱਕ ਸਾਂਝੇ ਪੱਧਰ 'ਤੇ ਲਿਆ ਕੇ ਪੂਰੇ ਡੇਟਾਸੈੱਟ ਵਿੱਚ ਆਡੀਓ ਪੱਧਰ ਇਕਸਾਰ ਕਰਨ ਲਈ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
audio_preserve_pitchਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟtrue
ਆਡੀਓ ਅਤੇ ਵੀਡੀਓ ਦੀ ਲੰਬਾਈ ਵੱਖ ਹੋਣ 'ਤੇ pitch preservation: ਸਮਰੱਥ ਹੋਣ 'ਤੇ time stretching ਜਾਂ compression ਵਰਤੀ ਜਾਂਦੀ ਹੈ; ਅਸਮਰੱਥ ਹੋਣ 'ਤੇ trimming ਜਾਂ silence padding ਵਰਤੀ ਜਾਂਦੀ ਹੈ।
first_frame_conditioning_pਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ0.5
0 – 1
training ਵਿੱਚ first-frame conditioning ਕਿੰਨੀ ਵਾਰ ਵਰਤੀ ਜਾਂਦੀ ਹੈ, ਇਹ ਵਧਾ ਕੇ image-to-video ਕਾਰਗੁਜ਼ਾਰੀ ਸੁਧਾਰੋ; ਇਹ ਮੁੱਲ ਉਸ ਸੰਭਾਵਨਾ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ।
validationਵਿਕਲਪਿਕ
ਕਿਸਮobject[]
ਡਿਫ਼ਾਲਟ[]
≤ 2 ਆਈਟਮਾਂ
Training validation ਪ੍ਰੌਂਪਟ ਸੂਚੀ, ਜਿਸ ਦੇ ਇਨਪੁੱਟ ਜਾਂ ਤਾਂ ਸਾਰੇ ਚਿੱਤਰ ਸ਼ਾਮਲ ਕਰਨ ਜਾਂ ਸਾਰੇ ਚਿੱਤਰ ਨਾ ਸ਼ਾਮਲ ਕਰਨ।
validation[].promptਲੋੜੀਂਦਾ
ਕਿਸਮstring
ਵੈਲੀਡੇਸ਼ਨ ਦੌਰਾਨ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਪ੍ਰੌਂਪਟ।
validation[].image_urlਵਿਕਲਪਿਕ
ਕਿਸਮurl · image
image-to-video validation ਲਈ ਚਿੱਤਰ, ਸਿਰਫ਼ ਉਦੋਂ ਮਨਜ਼ੂਰ ਹੈ ਜਦੋਂ ਹਰ ਹੋਰ validation ਇਨਪੁੱਟ ਵਿੱਚ ਵੀ ਚਿੱਤਰ ਸ਼ਾਮਲ ਹੋਵੇ।
validation_negative_promptਵਿਕਲਪਿਕ
ਕਿਸਮstring
ਡਿਫ਼ਾਲਟworst quality, inconsistent motion, blurry, jittery, distorted
validation ਦੌਰਾਨ ਲਾਗੂ ਕੀਤਾ ਜਾਣ ਵਾਲਾ ਨੈਗੇਟਿਵ ਪ੍ਰੌਂਪਟ।
validation_number_of_framesਵਿਕਲਪਿਕ
ਕਿਸਮinteger
ਡਿਫ਼ਾਲਟ89
9 – 121
ਹਰੇਕ ਵੈਲੀਡੇਸ਼ਨ ਵੀਡੀਓ ਲਈ ਫ੍ਰੇਮ ਗਿਣਤੀ।
validation_frame_rateਵਿਕਲਪਿਕ
ਕਿਸਮinteger
ਡਿਫ਼ਾਲਟ25
8 – 60
ਲਕਸ਼ਿਤ validation ਵੀਡੀਓ ਫ੍ਰੇਮ ਦਰ, ਫ੍ਰੇਮ ਪ੍ਰਤੀ ਸਕਿੰਟ ਵਿੱਚ ਮਾਪੀ ਜਾਂਦੀ ਹੈ।
validation_resolutionਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟhigh
lowmediumhigh
ਵੈਲੀਡੇਸ਼ਨ ਦੌਰਾਨ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਰੈਜ਼ੋਲਿਊਸ਼ਨ।
validation_aspect_ratioਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟ1:1
16:91:19:16
ਵੈਲੀਡੇਸ਼ਨ ਦੌਰਾਨ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਪੱਖ ਅਨੁਪਾਤ।
stg_scaleਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ1
0 – 3
Spatio-Temporal Guidance (STG) ਸਕੇਲ, 1.0 ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ 0.0 STG ਬੰਦ ਕਰਦਾ ਹੈ।
generate_audio_in_validationਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟtrue
ਇਹ ਨਿਯੰਤਰਿਤ ਕਰਦਾ ਹੈ ਕਿ validation samples ਵਿੱਚ ਸਿਰਜਿਆ ਹੋਇਆ ਆਡੀਓ ਸ਼ਾਮਲ ਹੋਵੇ ਜਾਂ ਨਹੀਂ।
ਲੋੜੀਂਦਾ

ਆਉਟਪੁੱਟ

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ltx23-video-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": 9600,
    "usd": "9.60",
    "charged": 9600,
    "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"
  }
}
ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ, ਤੁਹਾਡੀ ਚੋਣਹਰ outputs[].url ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਇੱਕ ਕਾਪੀ ਹੈ: ਹਮੇਸ਼ਾ ਲਈ ਰੱਖੀ ਜਾਂਦੀ ਹੈ (ਪ੍ਰਤੀ GB-ਮਹੀਨਾ ਭੁਗਤਾਨ) ਜਾਂ 7 ਦਿਨ ਤੱਕ ਮੁਫ਼ਤ, ਤੁਹਾਡੀ ਖਾਤਾ ਸੈਟਿੰਗ ਜਾਂ ?storage= ਅਨੁਸਾਰ।
ਹਰ ਮਾਡਲ ’ਤੇ ਇੱਕੋ ਜਿਹਾ ਰੂਪਤਸਵੀਰਾਂ, ਵੀਡੀਓ ਅਤੇ ਆਡੀਓ ਸਭ ਲਈ type, url, content_type, width, height ਅਤੇ duration। output ਮਾਡਲ ਦਾ ਆਪਣਾ ਨਤੀਜਾ ਆਬਜੈਕਟ ਹੈ।
ਆਉਟਪੁੱਟ ਦੇ ਫ਼ੀਲਡ
video
object {url, content_type, file_name, file_size} | nullਉਪਲਬਧ validation ਵੀਡੀਓਜ਼ ਲਈ URL।
lora_file
object {url, content_type, file_name, file_size}.safetensors ਫਾਰਮੈਟ ਵਿੱਚ ਟ੍ਰੇਨ ਕੀਤੇ LoRA ਵਜ਼ਨਾਂ 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} | nullਡਾਊਨਲੋਡ ਕਰਨ ਯੋਗ debug ਆਰਕਾਈਵ, ਜੋ ਸਿਰਫ਼ `debug_dataset` ਸਮਰੱਥ ਵਾਲੇ ਇਨਪੁੱਟ ਲਈ ਵਾਪਸ ਕੀਤਾ ਜਾਂਦਾ ਹੈ; ਇਸ ਵਿੱਚ preprocessed training ਡੇਟਾਸੈੱਟ, decoded ਆਡੀਓ ਅਤੇ ਵੀਡੀਓ ਸਮੇਤ, ਹੁੰਦਾ ਹੈ।

AI ਏਜੰਟਾਂ ਲਈ: ਇਹ ਪੰਨਾ Markdown ਵਜੋਂ ਇੱਥੇ ਹੈ https://doitong.com/pa/developers/models/ltx23-video-trainer.md. ਸਾਰੇ ਮਾਡਲ ਅਤੇ ਗਾਈਡ: https://doitong.com/developers/llms.txt