Avançar para o conteúdo

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

Integrar

ID do modelo ltx23-trainer-v2/a2a
# 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"

Este pedido: 4,60 $ 4600 créditos da API Executar nesta página

Obter chave de API
Lightricks · Ficheiro

O seu primeiro resultado aparece aqui

Crie um pedido abaixo e execute-o com a sua chave de API. As saídas são copiadas para o nosso armazenamento, guardadas para sempre ou durante 7 dias gratuitamente.

Criar um pedido

Os controlos são gerados a partir do esquema do modelo. O código e o preço são atualizados à medida que os altera.

resolution predefinição medium

Resolução de treino. Aumentar a resolução eleva os requisitos de memória.

aspect_ratio predefinição 1:1

Proporção de treino.

•obrigatório

URL para um `.zip` que contém dados de treino, organizados de acordo com o modo de treino selecionado. Cada ficheiro multimédia pode ter uma legenda `.txt` correspondente com o mesmo nome base.

predefinição 2000

Número total de passos de treino.

Avançado validation_negative_prompt · rank · validation_resolution · validation_aspect_ratio · trigger_phrase · learning_rate · number_of_frames · frame_rate · split_input_duration_threshold · audio_duration_seconds · validation_number_of_frames · validation_frame_rate · stg_scale · auto_scale_input · split_input_into_scenes · debug_dataset · audio_normalize · audio_preserve_pitch · validation
predefinição blurry, out of focus,...

Prompt negativo aplicado durante a validação, que usa um processo de pré-visualização de uma só fase. Como esse processo aproxima a inferência de produção destilada com duas fases, a sua orientação e qualidade de pré-visualização diferem dos resultados finais.

rank predefinição 32

Rank de adaptação LoRA, trocando um maior consumo de memória por maior capacidade à medida que a definição aumenta.

validation_resolution predefinição high

Resolução usada durante a validação.

validation_aspect_ratio predefinição 1:1

Proporção usada durante a validação.

predefinição

Frase de ativação do estilo LoRA, inserida no início das legendas durante o treino.

predefinição 0.0002

Taxa de aprendizagem da otimização.

predefinição 89

Contagem de frames de cada amostra de treino. Dividir a contagem por 8 deve deixar resto 1; exemplos incluem 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.

predefinição 24

Taxa de frames pretendida do vídeo de treino, em frames por segundo. A taxa nativa do LTX-2.3 é 24.

predefinição 30

Gatilho de divisão de cenas expresso como uma duração em segundos: apenas os vídeos superiores ao limite são divididos.

predefinição 5

Intervalo de duração do áudio em segundos, necessário nos modos apenas de áudio porque estes não têm uma contagem de frames de vídeo para calcular a duração. Este destino determina o tratamento do clip: o áudio excedente é cortado, enquanto os clips insuficientes são ignorados.

predefinição 89

Contagem de frames de cada vídeo de validação.

predefinição 24

Taxa de frames pretendida para vídeos de validação, em frames por segundo; o LTX-2.3 funciona nativamente a 24.

predefinição 1

Escala de orientação espaciotemporal (STG), com 1.0 recomendado e 0.0 a desativar o STG.

predefinição []

Lista de prompts de validação que associa cada prompt a um clip de áudio de referência.

POST /run/ltx23-trainer-v2/a2a?wait=20 cotação → 4,60 $
# 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-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"

Executar este pedido

A sua chave permanece neste navegador: é enviada apenas para a Doitong API e guardada em localStorage apenas se selecionar Lembrar. Obter uma chave de API

Sobre LTX 2.3 Trainer (V2) - Audio-to-Audio

Aperfeiçoa um LoRA para transformação de áudio em áudio a partir de um `.zip` de exemplos emparelhados 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 utilizada aqui, por isso forneça clipes previamente divididos. Devolve os pesos do LoRA e um ficheiro de configuração.

Parâmetros

NomeTipo PredefiniçãoPermitido Descrição
training_data_urlobrigatório
Tipostring
URL para um `.zip` que contém dados de treino, organizados de acordo com o modo de treino selecionado. Cada ficheiro multimédia pode ter uma legenda `.txt` correspondente com o mesmo nome base.
rankopcional
Tipoenum
Predefinição32
8163264128
Rank de adaptação LoRA, trocando um maior consumo de memória por maior capacidade à medida que a definição aumenta.
number_of_stepsopcional
Tipointeger
Predefinição2000
100 – 10 000
Número total de passos de treino.
learning_rateopcional
Tiponumber
Predefinição0.0002
0,000001 – 1
Taxa de aprendizagem da otimização.
number_of_framesopcional
Tipointeger
Predefinição89
9 – 121
Contagem de frames de cada amostra de treino. Dividir a contagem por 8 deve deixar resto 1; exemplos incluem 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.
frame_rateopcional
Tipointeger
Predefinição24
8 – 60
Taxa de frames pretendida do vídeo de treino, em frames por segundo. A taxa nativa do LTX-2.3 é 24.
resolutionopcional
Tipoenum
Predefiniçãomedium
lowmediumhigh
Resolução de treino. Aumentar a resolução eleva os requisitos de memória.
aspect_ratioopcional
Tipoenum
Predefinição1:1
16:91:19:16
Proporção de treino.
trigger_phraseopcional
Tipostring
Predefinição
Frase de ativação do estilo LoRA, inserida no início das legendas durante o treino.
auto_scale_inputopcional
Tipoboolean
Predefiniçãofalse
Ajuste automático do vídeo para corresponder ao FPS e à contagem de frames pedidos quando ativado; os conjuntos de dados de imagens permanecem inalterados.
split_input_into_scenesopcional
Tipoboolean
Predefiniçãofalse
Controlo da divisão de cenas, ignorado durante a preparação de áudio de destino/referência emparelhado para a2a porque a divisão dessincronizaria o par. Mantenha-o desativado para a2a e forneça clips previamente divididos.
split_input_duration_thresholdopcional
Tiponumber
Predefinição30
1 – 60
Gatilho de divisão de cenas expresso como uma duração em segundos: apenas os vídeos superiores ao limite são divididos.
debug_datasetopcional
Tipoboolean
Predefiniçãofalse
Modo de inspeção do pré-processamento para verificar vídeos, imagens e legendas antes de uma execução completa do treino. Ativá-lo faz com que o treinador devolva o conjunto de dados de treino processado num arquivo transferível para revisão manual.
audio_normalizeopcional
Tipoboolean
Predefiniçãotrue
Normalização dos picos de áudio para manter níveis consistentes em todo o conjunto de dados.
audio_preserve_pitchopcional
Tipoboolean
Predefiniçãotrue
Preservação do tom durante o ajuste da duração do áudio, em vez de o cortar ou preencher.
audio_duration_secondsopcional
Tiponumber
Predefinição5
0,5 – 60
Intervalo de duração do áudio em segundos, necessário nos modos apenas de áudio porque estes não têm uma contagem de frames de vídeo para calcular a duração. Este destino determina o tratamento do clip: o áudio excedente é cortado, enquanto os clips insuficientes são ignorados.
validationopcional
Tipoobject[]
Predefinição[]
≤ 2 itens
Lista de prompts de validação que associa cada prompt a um clip de áudio de referência.
validation[].promptobrigatório
Tipostring
Prompt usado durante a validação.
validation[].reference_audio_urlobrigatório
Tipourl · audio
≥ 1 characters
URL do áudio de referência usado para condicionar a geração de áudio.
validation_negative_promptopcional
Tipostring
Predefiniçãoblurry, 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 pré-visualização de uma só fase. Como esse processo aproxima a inferência de produção destilada com duas fases, a sua orientação e qualidade de pré-visualização diferem dos resultados finais.
validation_number_of_framesopcional
Tipointeger
Predefinição89
9 – 121
Contagem de frames de cada vídeo de validação.
validation_frame_rateopcional
Tipointeger
Predefinição24
8 – 60
Taxa de frames pretendida para vídeos de validação, em frames por segundo; o LTX-2.3 funciona nativamente a 24.
validation_resolutionopcional
Tipoenum
Predefiniçãohigh
lowmediumhigh
Resolução usada durante a validação.
validation_aspect_ratioopcional
Tipoenum
Predefinição1:1
16:91:19:16
Proporção usada durante a validação.
stg_scaleopcional
Tiponumber
Predefinição1
0 – 3
Escala de orientação espaciotemporal (STG), com 1.0 recomendado e 0.0 a desativar o STG.
obrigatório

Resultado

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "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"
  }
}
Os seus ficheiros, a sua escolhaCada outputs[].url é uma cópia no nosso armazenamento: guardada para sempre (paga por GB-mês) ou durante 7 dias gratuitamente, conforme a definição da sua conta ou ?storage=.
A mesma estrutura em todos os modelostype, url, content_type, width, height e duration, tanto para imagens como para vídeo e áudio. output é o próprio objeto de resultado do modelo.
Campos do resultado
video
object {url, content_type, file_name, file_size} | nullPré-visualização combinada do vídeo da validação, quando disponível para endpoints que produzem vídeo.
audio
object {url, content_type, file_name, file_size} | nullÁudio combinado da validação, fornecido como pré-visualização quando disponível para estas rotas apenas 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 para pesos LoRA treinados no formato .safetensors.
config_file
object {url, content_type, file_name, file_size}Configuração da preparação do endpoint de inferência.
debug_dataset
object {url, content_type, file_name, file_size} | nullSaída de depuração disponível quando `debug_dataset` está ativado: um arquivo que pode ser transferido e contém os dados de treino após o pré-processamento.

Mais modelos: Treino

Para agentes de IA: esta página em Markdown está disponível em https://doitong.com/pt-PT/developers/models/ltx23-trainer-v2/a2a.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt