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

> ฝึก LoRA ของ LTX 2.3 ที่สร้างวิดีโอจากภาพเริ่มต้นและเสียงควบคุม

ฝึก LoRA สำหรับการสร้างเสียงเป็นวิดีโอจากไฟล์ `.zip` ใน `training_data_url` โดย `rank` อยู่ที่ 8 ถึง 128, `number_of_steps` อยู่ที่ 100 ถึง 10000 และ `number_of_frames` อยู่ที่ 9 ถึง 121 `validation` รองรับได้สูงสุด 2 รายการ โดยแต่ละรายการมีแทร็กเสียงควบคุม ผลลัพธ์คือน้ำหนัก LoRA ไฟล์ config และพรีวิวที่เลือกได้

- 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/th/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 ของ `.zip` ที่มีข้อมูลฝึก ซึ่งจัดระเบียบตามโหมดการฝึกที่เลือก ไฟล์สื่อแต่ละไฟล์อาจมีคำบรรยาย `.txt` ที่มีชื่อฐานตรงกัน |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | อันดับการปรับใช้ LoRA ซึ่งแลกการใช้หน่วยความจำที่เพิ่มขึ้นกับความจุที่มากขึ้นเมื่อเพิ่มค่าการตั้งค่า |
| `number_of_steps` |  | integer | no | `2000` | 100 – 10,000 | จำนวนขั้นตอนการฝึกทั้งหมด |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | อัตราการเรียนรู้สำหรับการเพิ่มประสิทธิภาพ |
| `number_of_frames` |  | integer | no | `89` | 9 – 121 | จำนวนเฟรมของแต่ละตัวอย่างฝึก เมื่อนำจำนวนดังกล่าวหารด้วย 8 ต้องเหลือเศษ 1 ตัวอย่างได้แก่ 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97 |
| `frame_rate` |  | integer | no | `24` | 8 – 60 | อัตราเฟรมเป้าหมายของวิดีโอฝึกในหน่วยเฟรมต่อวินาที อัตราดั้งเดิมของ LTX-2.3 คือ 24 |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | ความละเอียดสำหรับการฝึก การเพิ่มความละเอียดจะเพิ่มความต้องการหน่วยความจำ |
| `aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | อัตราส่วนภาพสำหรับการฝึก |
| `trigger_phrase` |  | string | no | `` |  | วลีเปิดใช้สไตล์ LoRA ซึ่งแทรกไว้ที่จุดเริ่มต้นของคำบรรยายระหว่างการฝึก |
| `auto_scale_input` |  | boolean | no | `false` |  | การปรับวิดีโออัตโนมัติให้ตรงกับ FPS และจำนวนเฟรมที่ร้องขอเมื่อเปิดใช้ ส่วนชุดข้อมูลรูปภาพจะไม่เปลี่ยนแปลง |
| `split_input_into_scenes` |  | boolean | no | `false` |  | การแยกฉากสำหรับวิดีโอฝึกที่สังเคราะห์ซึ่งมีความยาวเกินเกณฑ์ เมื่อเป็น true การแยกจะเกิดขึ้นหลังการประกอบรูปภาพเริ่มต้นและเสียง |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | ทริกเกอร์การแยกฉากที่ระบุเป็นระยะเวลาในหน่วยวินาที: จะแยกเฉพาะวิดีโอที่ยาวกว่าเกณฑ์ |
| `debug_dataset` |  | boolean | no | `false` |  | โหมดตรวจสอบการประมวลผลล่วงหน้าสำหรับตรวจสอบวิดีโอ รูปภาพ และคำบรรยายก่อนการฝึกแบบเต็ม เมื่อเปิดใช้ เทรนเนอร์จะส่งคืนชุดข้อมูลฝึกที่ประมวลผลแล้วในไฟล์เก็บถาวรที่ดาวน์โหลดได้เพื่อการตรวจสอบด้วยตนเอง |
| `audio_normalize` |  | boolean | no | `true` |  | การปรับมาตรฐานพีกของเสียงปรับเงื่อนไขเพื่อรักษาระดับให้สม่ำเสมอทั่วทั้งชุดข้อมูล |
| `audio_preserve_pitch` |  | boolean | no | `true` |  | การคงระดับเสียงขณะปรับเสียงให้ตรงกับความยาววิดีโอ แทนการตัดหรือเติมเสียง |
| `validation` |  | array of object {prompt, image_url, audio_url} | no | `[]` | ≤ 2 items | รายการพรอมต์สำหรับการตรวจสอบ ซึ่งจับคู่แต่ละพรอมต์กับแทร็กเสียงปรับเงื่อนไข |
| `validation[].prompt` |  | string | yes |  |  | พรอมต์ที่ใช้ระหว่างการตรวจสอบ |
| `validation[].image_url` |  | string (image URL) | yes |  | ≥ 1 characters | URL ของรูปภาพที่ a2v ใช้โดยตรงเป็นเฟรมแรก แทนการสร้างเฟรมนั้น กระบวนการรูปภาพ+เสียง -> วิดีโอของ a2v ใช้ทั้งเสียงที่ระบุและรูปภาพนี้เป็นข้อมูลกำกับ |
| `validation[].audio_url` |  | string (audio URL) | yes |  | ≥ 1 characters | URL ของเสียงสำหรับกำกับที่ใช้ควบคุมการสร้างวิดีโอ |
| `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.` |  | พรอมต์เชิงลบที่ใช้ระหว่างการตรวจสอบ ซึ่งใช้กระบวนการพรีวิวแบบขั้นตอนเดียว เนื่องจากกระบวนการดังกล่าวประมาณการอนุมานสำหรับการใช้งานจริงแบบกลั่นที่มีสองขั้นตอน คำแนะนำและคุณภาพพรีวิวจึงแตกต่างจากผลลัพธ์สุดท้าย |
| `validation_number_of_frames` |  | integer | no | `89` | 9 – 121 | จำนวนเฟรมของวิดีโอการตรวจสอบแต่ละรายการ |
| `validation_frame_rate` |  | integer | no | `24` | 8 – 60 | อัตราเฟรมเป้าหมายของวิดีโอการตรวจสอบในหน่วยเฟรมต่อวินาที โดย LTX-2.3 ทำงานดั้งเดิมที่ 24 |
| `validation_resolution` |  | enum (string) | no | `high` | `low`, `medium`, `high` | ความละเอียดที่ใช้ระหว่างการตรวจสอบ |
| `validation_aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | อัตราส่วนภาพที่ใช้ระหว่างการตรวจสอบ |
| `stg_scale` |  | number | no | `1` | 0 – 3 | สเกล Spatio-Temporal Guidance (STG) โดยแนะนำให้ใช้ 1.0 และ 0.0 จะปิดใช้ 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 | พรีวิววิดีโอรวมจากการตรวจสอบ เมื่อมีให้ใช้สำหรับเอนด์พอยต์ที่สร้างวิดีโอ |
| `audio` | object {url, content_type, file_name, file_size} \| null | เสียงรวมจากการตรวจสอบ ซึ่งให้เป็นพรีวิวเมื่อมีสำหรับเส้นทางเฉพาะเสียงเหล่านี้: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a และ /v2a |
| `lora_file` | object {url, content_type, file_name, file_size} | URL สำหรับน้ำหนัก LoRA ที่ฝึกแล้วในรูปแบบ .safetensors |
| `config_file` | object {url, content_type, file_name, file_size} | การกำหนดค่าสำหรับการตั้งค่าเอนด์พอยต์การอนุมาน |
| `debug_dataset` | object {url, content_type, file_name, file_size} \| null | เอาต์พุตดีบักที่พร้อมใช้งานเมื่อเปิดใช้ `debug_dataset`: ไฟล์เก็บถาวรที่ดาวน์โหลดได้และมีข้อมูลฝึกหลังการประมวลผลล่วงหน้า |

## 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