ข้ามไปยังเนื้อหา

LTX-2.3 22B · Text to Video

ผสานการทำงาน

ID โมเดล ltx-2.3-22b/text-to-video
# 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/ltx-2.3-22b/text-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# 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"

ไฟล์เช่นเดียวกับตัวอย่าง: $0.18 180 เครดิต API ไฟล์ของคุณจะถูกวัดก่อนเรียกใช้ เรียกใช้ในหน้านี้

รับคีย์ API
Lightricks ข้อความเป็นวิดีโอ เสียงในตัว

แปลงข้อความเป็นวิดีโอพร้อมเสียง ขนาดสำเร็จรูป จำนวนเฟรมสูงสุด 481 เฟรม และการควบคุมการสุ่มตัวอย่างมากมาย

Lightricks · วิดีโอ

ผลลัพธ์แรกของคุณจะแสดงที่นี่

สร้างคำขอด้านล่างและเรียกใช้ด้วยคีย์ API ของคุณ เอาต์พุตจะถูกคัดลอกไปยังพื้นที่จัดเก็บของเรา และเก็บไว้ตลอดไปหรือฟรี 7 วัน

สร้างคำขอ

ตัวควบคุมสร้างจากสคีมาของโมเดล โค้ดและราคาจะอัปเดตเมื่อคุณเปลี่ยนค่า

•จำเป็น

พรอมต์ที่ใช้เป็นพื้นฐานสำหรับการสร้างวิดีโอ

video_size ค่าเริ่มต้น landscape_16_9

ขนาดของวิดีโอที่สร้างขึ้น

ค่าเริ่มต้น 121

จำนวนเฟรมของเอาต์พุตที่สร้าง

ขั้นสูง negative_prompt · scheduler · acceleration · camera_lora · video_output_type · video_quality · video_write_mode · fps · num_inference_steps · video_cfg_scale · video_stg_scale · video_rescaling_scale · video_modality_scale · audio_cfg_scale · audio_stg_scale · audio_rescaling_scale · audio_modality_scale · gradient_estimation_gamma · camera_lora_scale · distill_lora_first_pass_scale · distill_lora_second_pass_scale · seed · use_multiscale · use_restart_sampling · enable_prompt_expansion · enable_safety_checker
ค่าเริ่มต้น news broadcast, 3d an...

พรอมต์เชิงลบที่ใช้ระหว่างการสร้างวิดีโอ

scheduler ค่าเริ่มต้น ltx2

การเลือก scheduler

acceleration ค่าเริ่มต้น regular

ระดับการเร่งความเร็วที่ใช้กับการประมวลผล

camera_lora ค่าเริ่มต้น none

การเลือก Camera LoRA เพื่อควบคุมการเคลื่อนไหวในวิดีโอที่สร้างได้แม่นยำกว่าการใช้พรอมต์การเคลื่อนไหวของกล้องเพียงอย่างเดียว

video_output_type ค่าเริ่มต้น X264 (.mp4)

ประเภทเอาต์พุตของวิดีโอผลลัพธ์

video_quality ค่าเริ่มต้น high

ระดับคุณภาพของวิดีโอผลลัพธ์

video_write_mode ค่าเริ่มต้น balanced

โหมดการเขียนสำหรับวิดีโอผลลัพธ์

ค่าเริ่มต้น 24

อัตราเฟรมของวิดีโอเอาต์พุต วัดเป็นเฟรมต่อวินาที

ค่าเริ่มต้น 40

จำนวนขั้นตอนการอนุมานที่ดำเนินการ

ค่าเริ่มต้น 3

การตั้งค่าการชี้นำวิดีโอ เพิ่มค่าเพื่อให้เนื้อหาที่สร้างมีความสอดคล้องและโฟกัสมากขึ้น ใช้ classifier-free guidance (CFG)

ค่าเริ่มต้น 0

ควบคุมความสอดคล้องและโฟกัสของวิดีโอผ่านสเกล Spatiotemporal Guidance (STG) เพิ่มค่าเพื่อเสริมคุณสมบัติทั้งสอง

ค่าเริ่มต้น 0.7

การปรับสเกลวิดีโอเพื่อสร้างสมดุลระหว่าง classifier-free guidance กับ spatiotemporal guidance ในรูปอัตราส่วน

ค่าเริ่มต้น 3

การปรับโมดาลิตีวิดีโอเพื่อสร้างสมดุลระหว่างสัดส่วนของวิดีโอและเสียง

ค่าเริ่มต้น 7

การตั้งค่าการชี้นำเสียง เพิ่มค่าเพื่อให้เนื้อหาที่สร้างมีความสอดคล้องและโฟกัสมากขึ้น ใช้ classifier-free guidance (CFG)

ค่าเริ่มต้น 0

ควบคุมความสอดคล้องและโฟกัสของเสียงผ่านสเกล Spatiotemporal Guidance (STG) เพิ่มค่าเพื่อเสริมคุณสมบัติทั้งสอง

ค่าเริ่มต้น 0.7

การปรับสเกลเสียงเพื่อสร้างสมดุลระหว่าง classifier-free guidance กับ spatiotemporal guidance ในรูปอัตราส่วน

ค่าเริ่มต้น 3

การปรับโมดาลิตีเสียงเพื่อสร้างสมดุลระหว่างสัดส่วนของวิดีโอและเสียง

ค่าเริ่มต้น 2

การตั้งค่าการประมาณเกรเดียนต์สำหรับการลด noise: ค่า 0 จะปิดการประมาณ มิฉะนั้นค่าจะระบุ gamma

ค่าเริ่มต้น 1

ความแรงของ Camera LoRA เพื่อควบคุมการเคลื่อนไหวในวิดีโอที่สร้างได้แม่นยำกว่าการใช้พรอมต์การเคลื่อนไหวของกล้องเพียงอย่างเดียว

ค่าเริ่มต้น 0.2

ควบคุมสเกล distill LoRA ในการประมวลผลครั้งแรก โดยใช้ 0 เพื่อปิด

ค่าเริ่มต้น 0.5

ควบคุมสเกล distill LoRA สำหรับทุกครั้งที่ประมวลผลหลังจากครั้งแรก

ค่า Seed ที่เริ่มต้นการสร้างตัวเลขสุ่ม

POST /run/ltx-2.3-22b/text-to-video?wait=20 ใบเสนอราคา → $0.18
# 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/ltx-2.3-22b/text-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# 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"

เรียกใช้คำขอนี้

คีย์ของคุณจะอยู่ในเบราว์เซอร์นี้ โดยส่งไปยัง Doitong API เท่านั้น และจะบันทึกใน localStorage ก็ต่อเมื่อคุณเลือกจดจำ รับคีย์ API

เกี่ยวกับ LTX-2.3 22B · Text to Video

สร้างคลิปจาก `prompt` `video_size` มีค่าที่ตั้งไว้ล่วงหน้าสำหรับสี่เหลี่ยมจัตุรัส แนวตั้ง และแนวนอน `num_frames` อยู่ระหว่าง 9 ถึง 481 และ `fps` อยู่ระหว่าง 1 ถึง 60 `generate_audio` ใช้เพิ่มเสียงได้ ปรับการสุ่มตัวอย่างได้ด้วย `num_inference_steps` (8 ถึง 50) สเกลการนำทาง `camera_lora` และสเกล distill LoRA สำหรับแต่ละรอบ

พารามิเตอร์

ชื่อประเภท ค่าเริ่มต้นค่าที่อนุญาต คำอธิบาย
promptจำเป็น
ประเภทstring
พรอมต์ที่ใช้เป็นพื้นฐานสำหรับการสร้างวิดีโอ
num_framesไม่บังคับ
ประเภทinteger
ค่าเริ่มต้น121
9 – 481
จำนวนเฟรมของเอาต์พุตที่สร้าง
video_sizeไม่บังคับ
ประเภทobject
ค่าเริ่มต้นlandscape_16_9
square_hdsquareportrait_4_3portrait_16_9landscape_4_3landscape_16_9
ขนาดของวิดีโอที่สร้างขึ้น
generate_audioไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นtrue
ควบคุมว่าจะให้วิดีโอมีเสียงที่สร้างขึ้นหรือไม่
use_multiscaleไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นtrue
ตัวเลือกการสร้างหลายสเกลเพื่อเพิ่มความสอดคล้องและรายละเอียด เมื่อเป็น True วิดีโอขนาดเล็กเบื้องต้นจะช่วยชี้นำการสร้างครั้งที่สอง ซึ่งมีขนาดเท่ากับหรือใหญ่กว่าขนาดที่ขอ
fpsไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น24
1 – 60
อัตราเฟรมของวิดีโอเอาต์พุต วัดเป็นเฟรมต่อวินาที
num_inference_stepsไม่บังคับ
ประเภทinteger
ค่าเริ่มต้น40
8 – 50
จำนวนขั้นตอนการอนุมานที่ดำเนินการ
video_cfg_scaleไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น3
1 – 20
การตั้งค่าการชี้นำวิดีโอ เพิ่มค่าเพื่อให้เนื้อหาที่สร้างมีความสอดคล้องและโฟกัสมากขึ้น ใช้ classifier-free guidance (CFG)
video_stg_scaleไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0
0 – 20
ควบคุมความสอดคล้องและโฟกัสของวิดีโอผ่านสเกล Spatiotemporal Guidance (STG) เพิ่มค่าเพื่อเสริมคุณสมบัติทั้งสอง
video_rescaling_scaleไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0.7
0 – 1
การปรับสเกลวิดีโอเพื่อสร้างสมดุลระหว่าง classifier-free guidance กับ spatiotemporal guidance ในรูปอัตราส่วน
video_modality_scaleไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น3
0 – 10
การปรับโมดาลิตีวิดีโอเพื่อสร้างสมดุลระหว่างสัดส่วนของวิดีโอและเสียง
audio_cfg_scaleไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น7
1 – 20
การตั้งค่าการชี้นำเสียง เพิ่มค่าเพื่อให้เนื้อหาที่สร้างมีความสอดคล้องและโฟกัสมากขึ้น ใช้ classifier-free guidance (CFG)
audio_stg_scaleไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0
0 – 20
ควบคุมความสอดคล้องและโฟกัสของเสียงผ่านสเกล Spatiotemporal Guidance (STG) เพิ่มค่าเพื่อเสริมคุณสมบัติทั้งสอง
audio_rescaling_scaleไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0.7
0 – 1
การปรับสเกลเสียงเพื่อสร้างสมดุลระหว่าง classifier-free guidance กับ spatiotemporal guidance ในรูปอัตราส่วน
audio_modality_scaleไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น3
0 – 10
การปรับโมดาลิตีเสียงเพื่อสร้างสมดุลระหว่างสัดส่วนของวิดีโอและเสียง
gradient_estimation_gammaไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น2
0 – 10
การตั้งค่าการประมาณเกรเดียนต์สำหรับการลด noise: ค่า 0 จะปิดการประมาณ มิฉะนั้นค่าจะระบุ gamma
use_restart_samplingไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นfalse
ตัวเลือกการสุ่มตัวอย่างใหม่เพื่อคุณภาพวิดีโอที่อาจดีขึ้น: เมื่อเปิดใช้ ระบบจะเพิ่ม noise เล็กน้อยในทุกขั้นตอนการลด noise
schedulerไม่บังคับ
ประเภทenum
ค่าเริ่มต้นltx2
ltx2linear_quadraticbeta
การเลือก scheduler
accelerationไม่บังคับ
ประเภทenum
ค่าเริ่มต้นregular
noneregularhighfull
ระดับการเร่งความเร็วที่ใช้กับการประมวลผล
camera_loraไม่บังคับ
ประเภทenum
ค่าเริ่มต้นnone
dolly_indolly_outdolly_leftdolly_rightjib_upjib_downstaticnone
การเลือก Camera LoRA เพื่อควบคุมการเคลื่อนไหวในวิดีโอที่สร้างได้แม่นยำกว่าการใช้พรอมต์การเคลื่อนไหวของกล้องเพียงอย่างเดียว
camera_lora_scaleไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น1
0 – 1
ความแรงของ Camera LoRA เพื่อควบคุมการเคลื่อนไหวในวิดีโอที่สร้างได้แม่นยำกว่าการใช้พรอมต์การเคลื่อนไหวของกล้องเพียงอย่างเดียว
negative_promptไม่บังคับ
ประเภทstring
ค่าเริ่มต้นnews broadcast, 3d animation, computer graphics, pc game, console game, video game, cartoon, childish, watermark, logo, text, on screen text, subtitles, titles, signature, slowmo, static
พรอมต์เชิงลบที่ใช้ระหว่างการสร้างวิดีโอ
seedไม่บังคับ
ประเภทinteger | null
ค่า Seed ที่เริ่มต้นการสร้างตัวเลขสุ่ม
enable_prompt_expansionไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นtrue
ควบคุมว่าจะเปิดใช้การขยายพรอมต์หรือไม่
enable_safety_checkerไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นtrue
ควบคุมว่าจะเปิดใช้การตรวจสอบความปลอดภัยหรือไม่
video_output_typeไม่บังคับ
ประเภทenum
ค่าเริ่มต้นX264 (.mp4)
X264 (.mp4)VP9 (.webm)PRORES4444 (.mov)GIF (.gif)
ประเภทเอาต์พุตของวิดีโอผลลัพธ์
video_qualityไม่บังคับ
ประเภทenum
ค่าเริ่มต้นhigh
lowmediumhighmaximum
ระดับคุณภาพของวิดีโอผลลัพธ์
video_write_modeไม่บังคับ
ประเภทenum
ค่าเริ่มต้นbalanced
fastbalancedsmall
โหมดการเขียนสำหรับวิดีโอผลลัพธ์
distill_lora_first_pass_scaleไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0.2
0 – 1
ควบคุมสเกล distill LoRA ในการประมวลผลครั้งแรก โดยใช้ 0 เพื่อปิด
distill_lora_second_pass_scaleไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น0.5
0 – 1
ควบคุมสเกล distill LoRA สำหรับทุกครั้งที่ประมวลผลหลังจากครั้งแรก
จำเป็น

เอาต์พุต

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ltx-2.3-22b/text-to-video",
  "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": 180,
    "usd": "0.18",
    "charged": 180,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  },
  "output": {
    "video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_name": "0-output.mp4",
      "file_size": 1843200,
      "width": 1024,
      "height": 768,
      "fps": 1.0,
      "duration": 5,
      "num_frames": 1
    },
    "seed": 42,
    "prompt": "A cowboy walking through a dusty town at high noon, camera following from behind, cinematic depth, realistic lighting, western mood, 4K film grain."
  },
  "outputs": [
    {
      "type": "video",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_size": 1843200,
      "width": 1280,
      "height": 720,
      "duration": 5,
      "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"
  }
}
ไฟล์ของคุณ คุณเลือกเองทุก outputs[].url คือสำเนาบนพื้นที่จัดเก็บของเรา: เก็บไว้ตลอดไป (คิดค่าบริการต่อ GB-เดือน) หรือฟรี 7 วัน โดยกำหนดได้ในการตั้งค่าบัญชีหรือ ?storage=
รูปแบบเดียวกันในทุกโมเดลtype, url, content_type, width, height และ duration สำหรับภาพ วิดีโอ และเสียงเหมือนกันทั้งหมด ส่วน output คือออบเจ็กต์ผลลัพธ์ของโมเดลเอง
ฟิลด์ของเอาต์พุต
video
object {url, content_type, file_name, file_size, width, height, fps, duration, num_frames}วิดีโอที่โมเดลสร้าง
seed
integerค่า Seed ที่ใช้เริ่มต้นการสร้างตัวเลขสุ่ม
prompt
stringพรอมต์ที่ใช้ชี้นำการสร้าง

โมเดลเพิ่มเติม: ข้อความเป็นวิดีโอ

สำหรับเอเจนต์ AI: หน้า Markdown นี้อยู่ที่ https://doitong.com/th/developers/models/ltx-2.3-22b/text-to-video.md. โมเดลและคู่มือทั้งหมด: https://doitong.com/developers/llms.txt