உள்ளடக்கத்திற்குச் செல்க

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

ஒருங்கிணை

மாடல் id 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"

இந்தக் கோரிக்கை: $4.60 4,600 API கிரெடிட்கள் இந்தப் பக்கத்தில் இயக்குங்கள்

API விசையைப் பெறுக
Lightricks பயிற்சி 1–60 s

இணைக்கப்பட்ட எடுத்துக்காட்டுகளிலிருந்து குறிப்பு ஆடியோ கிளிப்பை இலக்கு ஆடியோ கிளிப்பாக மாற்றும் LTX 2.3 LoRA-வைப் பயிற்றுவிக்கிறது

Lightricks · கோப்பு

உங்கள் முதல் முடிவு இங்கே வரும்

கீழே ஒரு கோரிக்கையை உருவாக்கி, உங்கள் API விசையுடன் இயக்குங்கள். வெளியீடுகள் எங்கள் சேமிப்பகத்தில் நகலெடுக்கப்பட்டு, நிரந்தரமாக அல்லது இலவசமாக 7 நாட்கள் வைக்கப்படும்.

கோரிக்கையை உருவாக்கு

மாடல் ஸ்கீமாவிலிருந்து கட்டுப்பாடுகள் உருவாக்கப்படுகின்றன. அவற்றை மாற்றும்போது குறியீடும் விலையும் புதுப்பிக்கப்படும்.

resolution இயல்புநிலை medium

பயிற்சித் தெளிவுத்திறன். தெளிவுத்திறனை அதிகரிப்பது நினைவகத் தேவைகளை அதிகரிக்கும்.

aspect_ratio இயல்புநிலை 1:1

பயிற்சி விகிதக்கூறு.

•தேவை

தேர்ந்தெடுக்கப்பட்ட பயிற்சிப் பயன்முறையின்படி ஒழுங்கமைக்கப்பட்ட பயிற்சித் தரவைக் கொண்ட `.zip` இன் URL. ஒவ்வொரு ஊடகக் கோப்புடனும் பொருந்தும் அடிப்படைப் பெயரைக் கொண்ட `.txt` தலைப்புக் கோப்பு இருக்கலாம்.

இயல்புநிலை 2000

பயிற்சிப் படிகளின் மொத்த எண்ணிக்கை.

மேம்பட்டவை 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
இயல்புநிலை blurry, out of focus,...

சரிபார்ப்பின்போது பயன்படுத்தப்படும் எதிர்மறை ப்ராம்ப்ட்; இது ஒற்றைக் கட்ட முன்னோட்டச் செயல்முறையைப் பயன்படுத்துகிறது. அந்தச் செயல்முறை இரண்டு கட்டங்களைக் கொண்ட சுருக்கப்பட்ட உற்பத்தி ஊகத்தை தோராயமாகப் பின்பற்றுவதால், அதன் வழிகாட்டலும் முன்னோட்டத் தரமும் இறுதி முடிவுகளிலிருந்து மாறுபடும்.

rank இயல்புநிலை 32

LoRA தழுவல் தரவரிசை; அமைப்பு அதிகரிக்கும்போது அதிக நினைவகப் பயன்பாட்டிற்கு மாற்றாக அதிக திறனை வழங்குகிறது.

validation_resolution இயல்புநிலை high

சரிபார்ப்பின்போது பயன்படுத்தப்படும் தெளிவுத்திறன்.

validation_aspect_ratio இயல்புநிலை 1:1

சரிபார்ப்பின்போது பயன்படுத்தப்படும் விகிதக்கூறு.

இயல்புநிலை

LoRA பாணி செயல்படுத்தும் சொற்றொடர்; பயிற்சியின்போது தலைப்புகளின் தொடக்கத்தில் செருகப்படும்.

இயல்புநிலை 0.0002

மேம்படுத்தல் கற்றல் வீதம்.

இயல்புநிலை 89

ஒவ்வொரு பயிற்சி மாதிரிக்குமான ஃப்ரேம் எண்ணிக்கை. இந்த எண்ணிக்கையை 8-ஆல் வகுத்தால் மீதி 1 ஆக இருக்க வேண்டும்; எடுத்துக்காட்டுகள்: 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.

இயல்புநிலை 24

ஒரு வினாடிக்கான ஃப்ரேம்களில் பயிற்சி வீடியோவின் இலக்கு ஃப்ரேம் வீதம். LTX-2.3-க்கான இயல்புநிலை வீதம் 24.

இயல்புநிலை 30

வினாடிகளில் வெளிப்படுத்தப்படும் காட்சி-பிரிப்புத் தூண்டல்; வரம்பைவிட நீளமான வீடியோக்கள் மட்டுமே பிரிக்கப்படும்.

இயல்புநிலை 5

வினாடிகளில் ஆடியோ நீளத் தொகுதி; வீடியோ ஃப்ரேம் எண்ணிக்கையிலிருந்து நீளத்தைக் கணக்கிட முடியாத ஆடியோ-மட்டும் பயன்முறைகளுக்கு இது தேவை. இந்த இலக்கு கிளிப் கையாளுதலைத் தீர்மானிக்கும்: அதிகப்படியான ஆடியோ வெட்டப்படும்; குறைவான நீளமுள்ள கிளிப்புகள் தவிர்க்கப்படும்.

இயல்புநிலை 89

ஒவ்வொரு சரிபார்ப்பு வீடியோவிற்குமான ஃப்ரேம் எண்ணிக்கை.

இயல்புநிலை 24

சரிபார்ப்பு வீடியோக்களுக்கான இலக்கு ஃப்ரேம் வீதம், ஒரு வினாடிக்கான ஃப்ரேம்களில்; LTX-2.3 இயல்பாக 24 இல் இயங்குகிறது.

இயல்புநிலை 1

Spatio-Temporal Guidance (STG) அளவுகோல்; 1.0 பரிந்துரைக்கப்படுகிறது, 0.0 STG-ஐ முடக்கும்.

இயல்புநிலை []

ஒவ்வொரு ப்ராம்ப்ட்டையும் ஒரு குறிப்பு ஆடியோ கிளிப்புடன் இணைக்கும் சரிபார்ப்பு ப்ராம்ப்ட் பட்டியல்.

POST /run/ltx23-trainer-v2/a2a?wait=20 விலை → $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"

இந்தக் கோரிக்கையை இயக்கு

உங்கள் key இந்த உலாவியில் மட்டுமே இருக்கும்: அது Doitong API-க்கு மட்டும் அனுப்பப்படும்; Remember-ஐத் தேர்ந்தெடுத்தால் மட்டுமே (localStorage)-ல் சேமிக்கப்படும். API விசையைப் பெறுங்கள்

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

`training_data_url` இல் உள்ள இணைக்கப்பட்ட எடுத்துக்காட்டுகளின் `.zip` கோப்பிலிருந்து ஆடியோ-ஆடியோ மாற்றத்திற்கான LoRA-வை நுணுக்கமாகப் பயிற்றுவிக்கிறது. `rank` 8 முதல் 128 வரையிலும், `number_of_steps` 100 முதல் 10000 வரையிலும், `audio_duration_seconds` 0.5 முதல் 60 வரையிலும் இருக்கலாம். இங்கு காட்சி பிரித்தல் பயன்படுத்தப்படாது; எனவே முன்பே பிரிக்கப்பட்ட கிளிப்புகளை வழங்கவும். LoRA எடைகளையும் config கோப்பையும் வழங்குகிறது.

அளவுருக்கள்

பெயர்வகை இயல்புநிலைஅனுமதிக்கப்பட்டது விளக்கம்
training_data_urlதேவை
வகைstring
தேர்ந்தெடுக்கப்பட்ட பயிற்சிப் பயன்முறையின்படி ஒழுங்கமைக்கப்பட்ட பயிற்சித் தரவைக் கொண்ட `.zip` இன் URL. ஒவ்வொரு ஊடகக் கோப்புடனும் பொருந்தும் அடிப்படைப் பெயரைக் கொண்ட `.txt` தலைப்புக் கோப்பு இருக்கலாம்.
rankவிருப்பத்தேர்வு
வகைenum
இயல்புநிலை32
8163264128
LoRA தழுவல் தரவரிசை; அமைப்பு அதிகரிக்கும்போது அதிக நினைவகப் பயன்பாட்டிற்கு மாற்றாக அதிக திறனை வழங்குகிறது.
number_of_stepsவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை2000
100 – 10,000
பயிற்சிப் படிகளின் மொத்த எண்ணிக்கை.
learning_rateவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை0.0002
0.000001 – 1
மேம்படுத்தல் கற்றல் வீதம்.
number_of_framesவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை89
9 – 121
ஒவ்வொரு பயிற்சி மாதிரிக்குமான ஃப்ரேம் எண்ணிக்கை. இந்த எண்ணிக்கையை 8-ஆல் வகுத்தால் மீதி 1 ஆக இருக்க வேண்டும்; எடுத்துக்காட்டுகள்: 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.
frame_rateவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை24
8 – 60
ஒரு வினாடிக்கான ஃப்ரேம்களில் பயிற்சி வீடியோவின் இலக்கு ஃப்ரேம் வீதம். LTX-2.3-க்கான இயல்புநிலை வீதம் 24.
resolutionவிருப்பத்தேர்வு
வகைenum
இயல்புநிலைmedium
lowmediumhigh
பயிற்சித் தெளிவுத்திறன். தெளிவுத்திறனை அதிகரிப்பது நினைவகத் தேவைகளை அதிகரிக்கும்.
aspect_ratioவிருப்பத்தேர்வு
வகைenum
இயல்புநிலை1:1
16:91:19:16
பயிற்சி விகிதக்கூறு.
trigger_phraseவிருப்பத்தேர்வு
வகைstring
இயல்புநிலை
LoRA பாணி செயல்படுத்தும் சொற்றொடர்; பயிற்சியின்போது தலைப்புகளின் தொடக்கத்தில் செருகப்படும்.
auto_scale_inputவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைfalse
இயக்கப்பட்டால், கோரப்பட்ட FPS மற்றும் ஃப்ரேம் எண்ணிக்கையுடன் பொருந்துமாறு வீடியோவைத் தானாகச் சரிசெய்கிறது; படத் தரவுத்தொகுப்புகள் மாற்றமின்றி இருக்கும்.
split_input_into_scenesவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைfalse
காட்சி-பிரிப்புக் கட்டுப்பாடு; பிரிப்பது இணையை ஒத்திசைவு இழக்கச் செய்வதால் a2a க்கான இணைக்கப்பட்ட இலக்கு/குறிப்பு ஆடியோ தயாரிப்பின்போது புறக்கணிக்கப்படும். a2a க்கு இதை முடக்கி, முன்பே பிரிக்கப்பட்ட கிளிப்புகளை வழங்கவும்.
split_input_duration_thresholdவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை30
1 – 60
வினாடிகளில் வெளிப்படுத்தப்படும் காட்சி-பிரிப்புத் தூண்டல்; வரம்பைவிட நீளமான வீடியோக்கள் மட்டுமே பிரிக்கப்படும்.
debug_datasetவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைfalse
முழுப் பயிற்சி இயக்கத்திற்கு முன் வீடியோக்கள், படங்கள் மற்றும் தலைப்புகளைச் சரிபார்ப்பதற்கான முன்செயலாக்க ஆய்வு முறை. இதை இயக்கினால், செயலாக்கப்பட்ட பயிற்சித் தரவுத்தொகுப்பை கைமுறை மதிப்பாய்வுக்காகப் பதிவிறக்கக்கூடிய காப்பகமாக பயிற்சியாளர் வழங்கும்.
audio_normalizeவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைtrue
தரவுத்தொகுப்பு முழுவதும் சீரான அளவுகளைப் பராமரிப்பதற்கான ஆடியோ உச்சநிலை இயல்பாக்கம்.
audio_preserve_pitchவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைtrue
ஆடியோ நீளத்தைப் பொருத்தும்போது வெட்டுவதற்குப் பதிலாக அல்லது நிரப்புவதற்குப் பதிலாக சுருதி பாதுகாப்பு.
audio_duration_secondsவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை5
0.5 – 60
வினாடிகளில் ஆடியோ நீளத் தொகுதி; வீடியோ ஃப்ரேம் எண்ணிக்கையிலிருந்து நீளத்தைக் கணக்கிட முடியாத ஆடியோ-மட்டும் பயன்முறைகளுக்கு இது தேவை. இந்த இலக்கு கிளிப் கையாளுதலைத் தீர்மானிக்கும்: அதிகப்படியான ஆடியோ வெட்டப்படும்; குறைவான நீளமுள்ள கிளிப்புகள் தவிர்க்கப்படும்.
validationவிருப்பத்தேர்வு
வகைobject[]
இயல்புநிலை[]
≤ 2 உருப்படிகள்
ஒவ்வொரு ப்ராம்ப்ட்டையும் ஒரு குறிப்பு ஆடியோ கிளிப்புடன் இணைக்கும் சரிபார்ப்பு ப்ராம்ப்ட் பட்டியல்.
validation[].promptதேவை
வகைstring
சரிபார்ப்பின்போது பயன்படுத்தப்படும் ப்ராம்ப்ட்.
validation[].reference_audio_urlதேவை
வகைurl · audio
≥ 1 characters
ஆடியோ உருவாக்கத்தைக் கண்டிஷன் செய்யப் பயன்படுத்தப்படும் குறிப்பு ஆடியோ URL.
validation_negative_promptவிருப்பத்தேர்வு
வகைstring
இயல்புநிலைblurry, 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.
சரிபார்ப்பின்போது பயன்படுத்தப்படும் எதிர்மறை ப்ராம்ப்ட்; இது ஒற்றைக் கட்ட முன்னோட்டச் செயல்முறையைப் பயன்படுத்துகிறது. அந்தச் செயல்முறை இரண்டு கட்டங்களைக் கொண்ட சுருக்கப்பட்ட உற்பத்தி ஊகத்தை தோராயமாகப் பின்பற்றுவதால், அதன் வழிகாட்டலும் முன்னோட்டத் தரமும் இறுதி முடிவுகளிலிருந்து மாறுபடும்.
validation_number_of_framesவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை89
9 – 121
ஒவ்வொரு சரிபார்ப்பு வீடியோவிற்குமான ஃப்ரேம் எண்ணிக்கை.
validation_frame_rateவிருப்பத்தேர்வு
வகைinteger
இயல்புநிலை24
8 – 60
சரிபார்ப்பு வீடியோக்களுக்கான இலக்கு ஃப்ரேம் வீதம், ஒரு வினாடிக்கான ஃப்ரேம்களில்; LTX-2.3 இயல்பாக 24 இல் இயங்குகிறது.
validation_resolutionவிருப்பத்தேர்வு
வகைenum
இயல்புநிலைhigh
lowmediumhigh
சரிபார்ப்பின்போது பயன்படுத்தப்படும் தெளிவுத்திறன்.
validation_aspect_ratioவிருப்பத்தேர்வு
வகைenum
இயல்புநிலை1:1
16:91:19:16
சரிபார்ப்பின்போது பயன்படுத்தப்படும் விகிதக்கூறு.
stg_scaleவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை1
0 – 3
Spatio-Temporal Guidance (STG) அளவுகோல்; 1.0 பரிந்துரைக்கப்படுகிறது, 0.0 STG-ஐ முடக்கும்.
தேவை

வெளியீடு

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"
  }
}
உங்கள் கோப்புகள், உங்கள் தேர்வுஒவ்வொரு outputs[].url-ம் எங்கள் சேமிப்பகத்தில் உள்ள ஒரு நகல்: நிரந்தரமாக (GB-மாதத்திற்கு கட்டணம்) அல்லது உங்கள் கணக்கு அமைப்பு அல்லது ?storage= மூலம் இலவசமாக 7 நாட்கள் வைக்கப்படும்.
ஒவ்வொரு மாடலிலும் ஒரே வடிவம்படங்கள், வீடியோ மற்றும் ஆடியோ ஆகிய அனைத்திற்குமான type, url, content_type, width, height மற்றும் duration. output என்பது மாதிரியின் சொந்த முடிவு பொருளாகும்.
வெளியீட்டின் புலங்கள்
video
object {url, content_type, file_name, file_size} | nullகிடைக்கும்போது சரிபார்ப்பிலிருந்து ஒருங்கிணைக்கப்பட்ட வீடியோ முன்னோட்டம்; வீடியோவை உருவாக்கும் முனையங்களுக்கு இது வழங்கப்படும்.
audio
object {url, content_type, file_name, file_size} | nullசரிபார்ப்பிலிருந்து ஒருங்கிணைக்கப்பட்ட ஆடியோ; இந்த ஆடியோ-மட்டும் வழித்தடங்களுக்கு கிடைக்கும்போது முன்னோட்டமாக வழங்கப்படும்: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a, மற்றும் /v2a.
lora_file
object {url, content_type, file_name, file_size}.safetensors வடிவிலான பயிற்சியளிக்கப்பட்ட LoRA எடைகளுக்கான URL.
config_file
object {url, content_type, file_name, file_size}ஊக முனைய அமைப்பிற்கான உள்ளமைவு.
debug_dataset
object {url, content_type, file_name, file_size} | null`debug_dataset` இயக்கப்பட்டிருக்கும்போது கிடைக்கும் பிழைத்திருத்த வெளியீடு: முன்செயலாக்கத்திற்குப் பிறகான பயிற்சித் தரவைக் கொண்ட பதிவிறக்கக்கூடிய காப்பகம்.

மேலும் மாதிரிகள்: பயிற்சி

AI ஏஜெண்டுகளுக்கு: இந்தப் பக்கம் Markdown வடிவில் இங்கே உள்ளது https://doitong.com/ta/developers/models/ltx23-trainer-v2/a2a.md. அனைத்து மாடல்களும் வழிகாட்டிகளும்: https://doitong.com/developers/llms.txt