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

> Tränar en LTX 2.3 LoRA som skapar video från en startbild och konditioneringsljud

Tränar en LoRA för ljud-till-video-generering från en `.zip` i `training_data_url`. `rank` är 8 till 128, `number_of_steps` 100 till 10000 och `number_of_frames` 9 till 121. `validation` accepterar upp till 2 poster, var och en med ett konditioneringsljudspår. Resultatet innehåller LoRA-vikterna, en konfigurationsfil och en valfri förhandsvisning.

- Model id: `ltx23-trainer-v2/a2v`
- Made by: Lightricks
- Category: Training
- Output: file
- Price: $0.006 / step (cheapest run $12.00 (12000 API credits))
- Run: `POST https://api.doitong.com/v1/run/ltx23-trainer-v2/a2v`
- Quote: `POST https://api.doitong.com/v1/quote/ltx23-trainer-v2/a2v`
- Docs page: https://doitong.com/sv/developers/models/ltx23-trainer-v2/a2v

## Pricing

Price: **$0.006 / step**. Billed per training step (`number_of_steps`).

The full example input below costs $12.00 = 12000 API credits (2000 steps × 6 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/a2v` 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 till en `.zip` som innehåller träningsdata organiserade enligt det valda träningsläget. Varje mediefil kan ha en tillhörande `.txt`-bildtext med matchande basnamn. |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | LoRA-anpassningsrankning, där högre inställning byter ökad minnesförbrukning mot större kapacitet. |
| `number_of_steps` |  | integer | no | `2000` | 100 – 10,000 | Totalt antal träningssteg. |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | Inlärningshastighet för optimering. |
| `number_of_frames` |  | integer | no | `89` | 9 – 121 | Antal bildrutor i varje träningsprov. Division av antalet med 8 måste ge resten 1; exempel är 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97. |
| `frame_rate` |  | integer | no | `24` | 8 – 60 | Målbildfrekvens för träningsvideon i bildrutor per sekund. Den inbyggda frekvensen för LTX-2.3 är 24. |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | Träningsupplösning. Högre upplösning ökar minneskraven. |
| `aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | Träningsbildförhållande. |
| `trigger_phrase` |  | string | no | `` |  | Aktiveringsfras för LoRA-stil, infogad i början av bildtexterna under träningen. |
| `auto_scale_input` |  | boolean | no | `false` |  | Automatisk videojustering för att matcha begärd FPS och bildruteantal när den aktiveras; bilddataset förblir oförändrade. |
| `split_input_into_scenes` |  | boolean | no | `false` |  | Scenuppdelning för syntetiserade träningsvideor som överskrider varaktighetströskeln. När värdet är true sker uppdelningen efter att startbild och ljud har satts samman. |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | Utlösare för scenuppdelning uttryckt som en varaktighet i sekunder: endast videor som är längre än tröskeln delas upp. |
| `debug_dataset` |  | boolean | no | `false` |  | Inspektionsläge för förbehandling, för kontroll av videor, bilder och bildtexter före en fullständig träningskörning. När det aktiveras returnerar tränaren det bearbetade träningsdatasetet i ett nedladdningsbart arkiv för manuell granskning. |
| `audio_normalize` |  | boolean | no | `true` |  | Topnormalisering av konditioneringsljud för konsekventa nivåer genom hela datasetet. |
| `audio_preserve_pitch` |  | boolean | no | `true` |  | Bevarande av tonhöjd när ljudet justeras för att matcha videolängden, i stället för att klippa eller fylla ut det. |
| `validation` |  | array of object {prompt, image_url, audio_url} | no | `[]` | ≤ 2 items | Lista med valideringsprompter där varje prompt paras ihop med ett konditioneringsljudspår. |
| `validation[].prompt` |  | string | yes |  |  | Prompt som används under valideringen. |
| `validation[].image_url` |  | string (image URL) | yes |  | ≥ 1 characters | URL till en bild som a2v använder direkt som sin första bildruta i stället för att generera den bildrutan. Processen a2v bild+ljud -> video använder både det angivna ljudet och denna bild som konditionering. |
| `validation[].audio_url` |  | string (audio URL) | yes |  | ≥ 1 characters | URL till konditioneringsljudet som styr videogenereringen. |
| `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.` |  | Negativ prompt som tillämpas under valideringen, vilken använder en förhandsgranskningsprocess i ett steg. Eftersom processen approximerar destillerad produktionsinferens i två steg skiljer sig dess vägledning och förhandsgranskningskvalitet från slutresultaten. |
| `validation_number_of_frames` |  | integer | no | `89` | 9 – 121 | Antal bildrutor för varje valideringsvideo. |
| `validation_frame_rate` |  | integer | no | `24` | 8 – 60 | Målbildfrekvens för valideringsvideor i bildrutor per sekund; LTX-2.3 körs ursprungligen vid 24. |
| `validation_resolution` |  | enum (string) | no | `high` | `low`, `medium`, `high` | Upplösning som används under valideringen. |
| `validation_aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | Bildförhållande som används under valideringen. |
| `stg_scale` |  | number | no | `1` | 0 – 3 | Skala för spatio-temporal vägledning (STG), där 1.0 rekommenderas och 0.0 stänger av 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/a2v?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/a2v?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/a2v", 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/a2v",
      "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/a2v",
  "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": 12000,
    "usd": "12.00",
    "charged": 12000,
    "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 | Kombinerad videoförhandsgranskning från valideringen, när den är tillgänglig för ändpunkter som producerar video. |
| `audio` | object {url, content_type, file_name, file_size} \| null | Kombinerat ljud från valideringen, tillhandahållet som förhandsgranskning när det är tillgängligt för dessa ljudrutter: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a och /v2a. |
| `lora_file` | object {url, content_type, file_name, file_size} | URL till tränade LoRA-vikter i formatet .safetensors. |
| `config_file` | object {url, content_type, file_name, file_size} | Konfiguration för inställning av inferensändpunkten. |
| `debug_dataset` | object {url, content_type, file_name, file_size} \| null | Felsökningsutdata som är tillgängliga när `debug_dataset` är aktiverat: ett arkiv som kan laddas ned och innehåller träningsdata efter förbehandling. |

## 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) - 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/a2v
- 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/a2v
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/ltx23-trainer-v2/a2v