# LTX-2.3 22B Video to Video Trainer API

> Trenuje LoRA LTX-2.3 22B do transformacji wideo lub generowania warunkowanego wideo na podstawie filmów referencyjnych

Trenuje LoRA na modelu LTX-2.3 22B do transformacji wideo, używając archiwum zip filmów lub obrazów (mp4, mov, avi, mkv, png, jpg, jpeg); zalecane jest co najmniej około 10 plików. `number_of_steps` przyjmuje wartości od 1 do 20000 (domyślnie 2000), a `frame_rate` domyślnie wynosi 25. `first_frame_conditioning_p` domyślnie wynosi 0.1. Walidacja przyjmuje maksymalnie 2 prompty z filmami referencyjnymi.

- 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/pl/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 |  |  | URL archiwum ZIP zbioru danych zawierającego wyłącznie obrazy lub wyłącznie wideo; zbiory danych z mieszanymi mediami nie są obsługiwane. Zalecane jest 10 plików lub więcej, najlepiej większy zbiór. Akceptowane rozszerzenia to .png, .jpg, .jpeg dla obrazów oraz .mp4, .mov, .avi, .mkv dla wideo. Mediom mogą opcjonalnie towarzyszyć pliki tekstowe z podpisami, przy czym nazwa każdego pliku podpisu musi odpowiadać powiązanemu plikowi multimedialnemu. |
| `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` | 1 – 20,000 | Łączna liczba kroków treningu. |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | Współczynnik uczenia optymalizacji, równoważący możliwe przyspieszenie treningu z ryzykiem przeuczenia po zwiększeniu wartości. |
| `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 | `25` | 8 – 60 | Docelowa liczba klatek wideo, mierzona w klatkach na sekundę. |
| `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 | `true` |  | Podział scen dla wideo przekraczających próg czasu trwania, włączany, gdy true. |
| `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. |
| `first_frame_conditioning_p` |  | number | no | `0.1` | 0 – 1 | Preferuje transformację video-to-video przez zmniejszenie częstotliwości używania warunkowania pierwszą klatką podczas treningu; ta wartość określa to prawdopodobieństwo. |
| `validation` |  | array of object {prompt, reference_video_url} | no | `[]` | ≤ 2 items | Lista danych wejściowych do walidacji zawierająca prompty połączone z wideo referencyjnymi. |
| `validation[].prompt` |  | string | yes |  |  | Prompt używany podczas walidacji. |
| `validation[].reference_video_url` |  | string (video URL) | yes |  | ≥ 1 characters | Podaj przez URL wideo do transformacji podczas walidacji IC-LoRA. |
| `validation_negative_prompt` |  | string | no | `worst quality, inconsistent motion, blurry, jittery, distorted` |  | Negatywny prompt stosowany podczas walidacji. |
| `validation_number_of_frames` |  | integer | no | `89` | 9 – 121 | Liczba klatek każdego wideo walidacyjnego. |
| `validation_frame_rate` |  | integer | no | `25` | 8 – 60 | Docelowa liczba klatek wideo walidacyjnego, mierzona w klatkach na sekundę. |
| `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-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 | URL dowolnych dostępnych wideo walidacyjnych, wyświetlanych obok ich wideo referencyjnych. |
| `lora_file` | object {url, content_type, file_name, file_size} | URL pliku wag wytrenowanego IC-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 | Archiwum debugowania do pobrania, dostępne tylko dla danych wejściowych z włączonym `debug_dataset`; zawartość danych treningowych została wstępnie przetworzona i zawiera wideo w zdekodowanej postaci. |

## 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