# LTX-2.3 22B Video to Video Trainer API

> Tränar en LTX-2.3 22B LoRA för videotransformation eller videogenerering villkorad av referensvideor

Tränar en LoRA på LTX-2.3 22B-modellen för videotransformation med ett zip-arkiv av videor eller bilder (mp4, mov, avi, mkv, png, jpg, jpeg); minst cirka 10 filer rekommenderas. `number_of_steps` går från 1 till 20000 (standardvärde 2000) och `frame_rate` är som standard 25. `first_frame_conditioning_p` är som standard 0.1. Valideringen tar emot upp till 2 prompter med referensvideor.

- 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/sv/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 till ZIP-arkiv för en datauppsättning som uteslutande innehåller bilder eller uteslutande videor; blandade mediedatauppsättningar stöds inte. Sikta på 10 filer eller fler, helst en större samling. Godkända filändelser är .png, .jpg, .jpeg för bilder och .mp4, .mov, .avi, .mkv för videor. Valfria textfiler med bildtexter kan medfölja medierna, där varje bildtextfil har samma namn som den tillhörande mediefilen. |
| `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` | 1 – 20,000 | Totalt antal träningssteg. |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | Inlärningshastighet för optimering, som balanserar en möjlig hastighetsökning i träningen mot risken för överanpassning när den höjs. |
| `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 | `25` | 8 – 60 | Målfrekvens för videons bildrutor, mätt i bildrutor per sekund. |
| `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 | `true` |  | Scenuppdelning för videor som överskrider en varaktighetströskel, aktiverad när värdet är true. |
| `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. |
| `first_frame_conditioning_p` |  | number | no | `0.1` | 0 – 1 | Gynna video-till-video-transformering genom att minska hur ofta träningen använder villkor på den första bildrutan; detta värde anger sannolikheten. |
| `validation` |  | array of object {prompt, reference_video_url} | no | `[]` | ≤ 2 items | Lista över valideringsindata som innehåller prompter parade med referensvideor. |
| `validation[].prompt` |  | string | yes |  |  | Prompt som används under valideringen. |
| `validation[].reference_video_url` |  | string (video URL) | yes |  | ≥ 1 characters | Ange videon som ska transformeras under IC-LoRA-validering via dess URL. |
| `validation_negative_prompt` |  | string | no | `worst quality, inconsistent motion, blurry, jittery, distorted` |  | Negativ prompt som används vid validering. |
| `validation_number_of_frames` |  | integer | no | `89` | 9 – 121 | Antal bildrutor för varje valideringsvideo. |
| `validation_frame_rate` |  | integer | no | `25` | 8 – 60 | Målfrekvens för valideringsvideons bildrutor, mätt i bildrutor per sekund. |
| `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-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 för tillgängliga valideringsvideor, som visas tillsammans med deras referensvideor. |
| `lora_file` | object {url, content_type, file_name, file_size} | URL till den tränade IC-LoRA-viktfilen 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 | Nedladdningsbart felsökningsarkiv, endast tillgängligt för indata som aktiverar `debug_dataset`; dess träningsdatainnehåll har förbehandlats och innehåller videor i avkodad form. |

## 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