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

> Trenuje LoRA LTX 2.3 mapującą referencyjny klip audio na docelowy klip audio na podstawie sparowanych przykładów

Dostraja LoRA do transformacji audio-to-audio z pliku `.zip` zawierającego sparowane przykłady w `training_data_url`. `rank` wynosi od 8 do 128, `number_of_steps` od 100 do 10000, a `audio_duration_seconds` od 0.5 do 60. Dzielenie scen nie jest tutaj używane, dlatego należy dostarczyć wcześniej podzielone klipy. Zwraca wagi LoRA i plik konfiguracyjny.

- Model id: `ltx23-trainer-v2/a2a`
- Made by: Lightricks
- Category: Training
- Output: file
- Price: $0.0023 / step (cheapest run $4.60 (4600 API credits))
- Run: `POST https://api.doitong.com/v1/run/ltx23-trainer-v2/a2a`
- Quote: `POST https://api.doitong.com/v1/quote/ltx23-trainer-v2/a2a`
- Docs page: https://doitong.com/pl/developers/models/ltx23-trainer-v2/a2a

## Pricing

Price: **$0.0023 / step**. Billed per training step (`number_of_steps`).

The full example input below costs $4.60 = 4600 API credits (2000 steps × 2.3 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/a2a` 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 |  |  | URL pliku `.zip` zawierającego dane treningowe uporządkowane zgodnie z wybranym trybem treningu. Każdy plik multimedialny może mieć towarzyszący plik `.txt` z podpisem i taką samą nazwą bazową. |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | Ranga adaptacji LoRA, która wraz ze wzrostem wartości wymienia większe zużycie pamięci na większą pojemność. |
| `number_of_steps` |  | integer | no | `2000` | 100 – 10,000 | Łączna liczba kroków treningu. |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | Współczynnik uczenia optymalizacji. |
| `number_of_frames` |  | integer | no | `89` | 9 – 121 | Liczba klatek w każdej próbce treningowej. Dzielenie tej liczby przez 8 musi pozostawiać resztę 1; przykłady to 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97. |
| `frame_rate` |  | integer | no | `24` | 8 – 60 | Docelowa liczba klatek na sekundę wideo treningowego. Natywna wartość dla LTX-2.3 to 24. |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | Rozdzielczość treningu. Zwiększenie rozdzielczości podnosi wymagania pamięciowe. |
| `aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | Proporcje treningu. |
| `trigger_phrase` |  | string | no | `` |  | Fraza aktywująca styl LoRA, wstawiana na początku podpisów podczas treningu. |
| `auto_scale_input` |  | boolean | no | `false` |  | Automatyczne dostosowanie wideo do żądanej liczby FPS i klatek po włączeniu; zbiory obrazów pozostają niezmienione. |
| `split_input_into_scenes` |  | boolean | no | `false` |  | Sterowanie podziałem scen, ignorowane podczas przygotowywania sparowanego audio docelowego/referencyjnego dla a2a, ponieważ podział rozsynchronizowałby parę. Pozostaw wyłączone dla a2a i dostarcz wcześniej podzielone klipy. |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | Wyzwalacz podziału scen wyrażony jako czas trwania w sekundach: dzielone są tylko wideo dłuższe od tego progu. |
| `debug_dataset` |  | boolean | no | `false` |  | Tryb inspekcji przetwarzania wstępnego do sprawdzania wideo, obrazów i podpisów przed pełnym treningiem. Włączenie powoduje zwrócenie przez trenera przetworzonego zbioru treningowego w archiwum do pobrania i ręcznej weryfikacji. |
| `audio_normalize` |  | boolean | no | `true` |  | Normalizacja szczytów audio zapewniająca spójne poziomy w całym zbiorze. |
| `audio_preserve_pitch` |  | boolean | no | `true` |  | Zachowanie wysokości dźwięku podczas dopasowywania czasu trwania audio zamiast przycinania lub dopełniania. |
| `audio_duration_seconds` |  | number | no | `5` | 0.5 – 60 | Przedział czasu trwania audio w sekundach, wymagany w trybach tylko audio, ponieważ nie mają one liczby klatek wideo do obliczenia długości. Wartość docelowa określa obsługę klipu: nadmiarowe audio jest przycinane, a zbyt krótkie klipy są pomijane. |
| `validation` |  | array of object {prompt, reference_audio_url} | no | `[]` | ≤ 2 items | Lista promptów walidacyjnych, z których każdy jest powiązany z referencyjnym klipem audio. |
| `validation[].prompt` |  | string | yes |  |  | Prompt używany podczas walidacji. |
| `validation[].reference_audio_url` |  | string (audio URL) | yes |  | ≥ 1 characters | URL referencyjnego audio używanego do uwarunkowania generowania audio. |
| `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.` |  | Prompt negatywny stosowany podczas walidacji, która używa jednoetapowego procesu podglądu. Ponieważ proces ten przybliża destylowane wnioskowanie produkcyjne z dwoma etapami, jego wskazówki i jakość podglądu różnią się od wyników końcowych. |
| `validation_number_of_frames` |  | integer | no | `89` | 9 – 121 | Liczba klatek każdego wideo walidacyjnego. |
| `validation_frame_rate` |  | integer | no | `24` | 8 – 60 | Docelowa liczba klatek na sekundę dla wideo walidacyjnych; LTX-2.3 działa natywnie z wartością 24. |
| `validation_resolution` |  | enum (string) | no | `high` | `low`, `medium`, `high` | Rozdzielczość używana podczas walidacji. |
| `validation_aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | Proporcje używane podczas walidacji. |
| `stg_scale` |  | number | no | `1` | 0 – 3 | Skala wskazówek czasoprzestrzennych (STG); zalecana wartość to 1.0, a 0.0 wyłącza STG. |

## 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/a2a?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/a2a?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/a2a", 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/a2a",
      "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/a2a",
  "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": 4600,
    "usd": "4.60",
    "charged": 4600,
    "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 | Połączony podgląd wideo z walidacji, gdy jest dostępny dla endpointów generujących wideo. |
| `audio` | object {url, content_type, file_name, file_size} \| null | Połączone audio z walidacji, udostępniane jako podgląd, gdy jest dostępne dla tych tras tylko audio: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a i /v2a. |
| `lora_file` | object {url, content_type, file_name, file_size} | URL wytrenowanych wag LoRA w formacie .safetensors. |
| `config_file` | object {url, content_type, file_name, file_size} | Konfiguracja ustawień endpointu wnioskowania. |
| `debug_dataset` | object {url, content_type, file_name, file_size} \| null | Wynik debugowania dostępny po włączeniu `debug_dataset`: archiwum do pobrania zawierające dane treningowe po przetwarzaniu wstępnym. |

## 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 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
- [LTX 2.3 Trainer (V2) - Forward Audio Extension](https://doitong.com/developers/models/ltx23-trainer-v2/audio-extend-prefix.md) (`ltx23-trainer-v2/audio-extend-prefix`): $0.0022 / step

## Links

- HTML page: https://doitong.com/developers/models/ltx23-trainer-v2/a2a
- 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/a2a
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/ltx23-trainer-v2/a2a