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

> Treina uma LoRA do LTX 2.3 que mapeia um clipe de áudio de referência para um clipe de áudio alvo a partir de exemplos pareados

Ajusta uma LoRA para transformação de áudio em áudio a partir de um `.zip` de exemplos pareados em `training_data_url`. `rank` é de 8 a 128, `number_of_steps` de 100 a 10000 e `audio_duration_seconds` de 0.5 a 60. A divisão de cenas não é usada aqui; forneça clipes previamente divididos. Retorna os pesos da LoRA e um arquivo de configuração.

- 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/pt-BR/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 de um `.zip` contendo dados de treinamento, organizados de acordo com o modo de treinamento selecionado. Cada arquivo de mídia pode ter uma legenda `.txt` correspondente com o mesmo nome-base. |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | Rank de adaptação LoRA, trocando maior consumo de memória por maior capacidade à medida que a configuração aumenta. |
| `number_of_steps` |  | integer | no | `2000` | 100 – 10,000 | Quantidade total de etapas de treinamento. |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | Taxa de aprendizado da otimização. |
| `number_of_frames` |  | integer | no | `89` | 9 – 121 | Quantidade de quadros de cada amostra de treinamento. Dividir a quantidade por 8 deve deixar resto 1; exemplos incluem 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97. |
| `frame_rate` |  | integer | no | `24` | 8 – 60 | Taxa de quadros alvo do vídeo de treinamento em quadros por segundo. A taxa nativa do LTX-2.3 é 24. |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | Resolução de treinamento. Aumentar a resolução eleva os requisitos de memória. |
| `aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | Proporção de treinamento. |
| `trigger_phrase` |  | string | no | `` |  | Frase de ativação do estilo LoRA, inserida no início das legendas durante o treinamento. |
| `auto_scale_input` |  | boolean | no | `false` |  | Ajuste automático do vídeo para corresponder ao FPS e à quantidade de quadros solicitados quando ativado; conjuntos de dados de imagens permanecem inalterados. |
| `split_input_into_scenes` |  | boolean | no | `false` |  | Controle de divisão de cenas, ignorado durante a preparação de áudio de destino/referência pareado para a2a porque a divisão dessincronizaria o par. Mantenha-o desativado para a2a e forneça clipes já divididos. |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | Gatilho de divisão de cenas expresso como uma duração em segundos: somente vídeos mais longos que o limite são divididos. |
| `debug_dataset` |  | boolean | no | `false` |  | Modo de inspeção do pré-processamento para verificar vídeos, imagens e legendas antes de uma execução completa de treinamento. Ativá-lo faz o treinador retornar o conjunto de dados de treinamento processado em um arquivo compactado para análise manual. |
| `audio_normalize` |  | boolean | no | `true` |  | Normalização dos picos de áudio para manter níveis consistentes em todo o conjunto de dados. |
| `audio_preserve_pitch` |  | boolean | no | `true` |  | Preservação do tom durante o ajuste da duração do áudio, em vez de cortá-lo ou preenchê-lo. |
| `audio_duration_seconds` |  | number | no | `5` | 0.5 – 60 | Bloco de duração do áudio em segundos, obrigatório para modos somente de áudio porque eles não têm uma quantidade de quadros de vídeo para calcular a duração. Esse destino determina o tratamento do clipe: o áudio excedente é cortado, enquanto clipes mais curtos são ignorados. |
| `validation` |  | array of object {prompt, reference_audio_url} | no | `[]` | ≤ 2 items | Lista de prompts de validação associando cada prompt a um clipe de áudio de referência. |
| `validation[].prompt` |  | string | yes |  |  | Prompt usado durante a validação. |
| `validation[].reference_audio_url` |  | string (audio URL) | yes |  | ≥ 1 characters | URL do áudio de referência usada para condicionar a geração de áudio. |
| `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 negativo aplicado durante a validação, que usa um processo de prévia de uma única etapa. Como esse processo aproxima a inferência de produção destilada com duas etapas, sua orientação e qualidade de prévia diferem dos resultados finais. |
| `validation_number_of_frames` |  | integer | no | `89` | 9 – 121 | Quantidade de quadros de cada vídeo de validação. |
| `validation_frame_rate` |  | integer | no | `24` | 8 – 60 | Taxa de quadros alvo dos vídeos de validação, em quadros por segundo; o LTX-2.3 opera nativamente a 24. |
| `validation_resolution` |  | enum (string) | no | `high` | `low`, `medium`, `high` | Resolução usada durante a validação. |
| `validation_aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | Proporção usada durante a validação. |
| `stg_scale` |  | number | no | `1` | 0 – 3 | Escala de orientação espaço-temporal (STG), com 1.0 recomendado e 0.0 desativando o 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 | Prévia de vídeo combinada da validação, quando disponível para endpoints que produzem vídeo. |
| `audio` | object {url, content_type, file_name, file_size} \| null | Áudio combinado da validação, fornecido como prévia quando disponível para estas rotas somente de áudio: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a e /v2a. |
| `lora_file` | object {url, content_type, file_name, file_size} | URL dos pesos LoRA treinados no formato .safetensors. |
| `config_file` | object {url, content_type, file_name, file_size} | Configuração para a instalação do endpoint de inferência. |
| `debug_dataset` | object {url, content_type, file_name, file_size} \| null | Saída de depuração disponível quando `debug_dataset` está ativado: um arquivo compactado que pode ser baixado e contém os dados de treinamento após o pré-processamento. |

## 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