# LTX 2.3 Trainer (V2) - Spatial Outpainting API

> ایسا LoRA ٹرین کرتا ہے جو آپ کے مقرر کردہ اندرونی مستطیل کے گرد ویڈیو کو باہر کی طرف پھیلاتا ہے

اسپیشل آؤٹ پینٹنگ کے لیے LoRA ٹرین کرتا ہے، جس میں اندرونی مستطیل مستقل رہتا ہے اور ماڈل اس کے اردگرد کا حصہ تخلیق کرتا ہے۔ `crop_top_left` اور `crop_bottom_right` رکھے گئے مستطیل کے لازمی (x, y) کونے ہیں، جو `resolution` اور `aspect_ratio` سے متعین ٹریننگ ریزولوشن کے پکسلز میں دیے جاتے ہیں، اور فریم کے اندر ہونے چاہییں۔ توثیقی نمونوں میں ہر بار مکمل کینوس کی ویڈیو استعمال ہوتی ہے۔

- Model id: `ltx23-trainer-v2/outpaint`
- 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/outpaint`
- Quote: `POST https://api.doitong.com/v1/quote/ltx23-trainer-v2/outpaint`
- Docs page: https://doitong.com/ur/developers/models/ltx23-trainer-v2/outpaint

## 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/outpaint` 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 |  |  | training data پر مشتمل `.zip` کا URL، منتخب training mode کے مطابق منظم ہے۔ ہر media فائل کے ساتھ matching base name والا `.txt` caption ہو سکتا ہے۔ |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | LoRA adaptation rank، setting بڑھنے کے ساتھ memory consumption کے بدلے زیادہ capacity فراہم کرتا ہے۔ |
| `number_of_steps` |  | integer | no | `2000` | 100 – 10,000 | Training steps کی کل count۔ |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | Optimization learning rate۔ |
| `number_of_frames` |  | integer | no | `89` | 9 – 121 | ہر training sample کی فریم count۔ count کو 8 سے تقسیم کرنے پر remainder 1 ہونا چاہیے؛ مثالیں 1، 9، 17، 25، 33، 41، 49، 57، 65، 73، 81، 89، 97 ہیں۔ |
| `frame_rate` |  | integer | no | `24` | 8 – 60 | Training ویڈیو کا ہدفی فریم rate، فریم per سیکنڈ میں۔ LTX-2.3 کا native rate 24 ہے۔ |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | Training ریزولوشن۔ ریزولوشن بڑھانے سے memory requirements بڑھتی ہیں۔ |
| `aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | Training aspect ratio۔ |
| `trigger_phrase` |  | string | no | `` |  | LoRA style activation phrase، training کے دوران captions کے آغاز میں داخل کیا جاتا ہے۔ |
| `auto_scale_input` |  | boolean | no | `false` |  | فعال ہونے پر requested FPS اور فریم count سے مطابقت رکھنے کے لیے automatic ویڈیو adjustment؛ تصویر datasets میں کوئی تبدیلی نہیں ہوتی۔ |
| `split_input_into_scenes` |  | boolean | no | `true` |  | Threshold سے زیادہ duration والی ویڈیوز کی scene splitting، true ہونے پر فعال۔ |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | Scene-splitting trigger، سیکنڈ میں duration کے طور پر؛ صرف threshold سے لمبی ویڈیوز split ہوتی ہیں۔ |
| `debug_dataset` |  | boolean | no | `false` |  | مکمل training run سے پہلے ویڈیوز، تصاویر اور captions کی جانچ کے لیے preprocessing inspection mode۔ فعال کرنے پر trainer processed training dataset کو downloadable archive میں واپس کرتا ہے تاکہ دستی review کیا جا سکے۔ |
| `crop_top_left` |  | array of any | yes |  | 2 – 2 items | برقرار رکھنے والے اندرونی مستطیل کا اوپر بائیں کونہ (x1, y1)، جسے ریزولوشن × `aspect_ratio` سے منتخب training-resolution bucket کے اندر 32px latent grid پر align کیا جاتا ہے۔ cropping اس bucket میں resizing کے بعد ہوتی ہے، اس لیے coordinates اپ لوڈ کی گئی ویڈیو کے native dimensions استعمال نہیں کرتے۔ |
| `crop_bottom_right` |  | array of any | yes |  | 2 – 2 items | برقرار رکھنے والے اندرونی مستطیل کی نچلے دائیں کونے کی coordinates (x2, y2)؛ ماڈل اس کے باہر سب کچھ تخلیق کرتا ہے۔ training-resolution pixels میں دی گئی یہ corner training فریم کے اندر ہونی چاہیے اور x2 > x1 اور y2 > y1 پورا کرے۔ |
| `validation` |  | array of object {prompt, video_url} | no | `[]` | ≤ 2 items | outpainting کے لیے توثیقی ڈیٹا؛ پرامپٹ اور full-canvas ویڈیو پر مشتمل اندراجات کی فہرست۔ |
| `validation[].prompt` |  | string | yes |  |  | Validation کے دوران استعمال ہونے والا پرامپٹ۔ |
| `validation[].video_url` |  | string (video URL) | yes |  | ≥ 1 characters | اردگرد کے حصے کی outpainting کے لیے full-canvas ویڈیو کا URL۔ |
| `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.` |  | Validation کے دوران لاگو ہونے والا negative پرامپٹ، جو single-stage preview process استعمال کرتی ہے۔ چونکہ یہ process دو stages والی distilled production inference کا تخمینہ ہے، اس کی guidance اور preview quality final results سے مختلف ہے۔ |
| `validation_number_of_frames` |  | integer | no | `89` | 9 – 121 | ہر validation ویڈیو کی فریم count۔ |
| `validation_frame_rate` |  | integer | no | `24` | 8 – 60 | Validation ویڈیوز کا ہدفی فریم rate، فریم per سیکنڈ میں؛ LTX-2.3 native طور پر 24 پر چلتا ہے۔ |
| `validation_resolution` |  | enum (string) | no | `high` | `low`, `medium`, `high` | Validation کے دوران استعمال ہونے والا ریزولوشن۔ |
| `validation_aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | Validation کے دوران استعمال ہونے والا aspect ratio۔ |
| `stg_scale` |  | number | no | `1` | 0 – 3 | Spatio-Temporal Guidance (STG) scale، 1.0 تجویز کردہ ہے اور 0.0 STG کو غیر فعال کرتا ہے۔ |

## Example input

Required parameters only:

```json
{
  "training_data_url": "https://example.com/your-file.zip",
  "crop_top_left": [
    0,
    0
  ],
  "crop_bottom_right": [
    512,
    512
  ]
}
```

A fuller example:

```json
{
  "training_data_url": "https://example.com/your-file.zip",
  "crop_top_left": [
    0,
    0
  ],
  "crop_bottom_right": [
    512,
    512
  ]
}
```

## 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/outpaint?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "training_data_url": "https://example.com/your-file.zip",
    "crop_top_left": [
      0,
      0
    ],
    "crop_bottom_right": [
      512,
      512
    ]
  }'

# 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/outpaint?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "training_data_url": "https://example.com/your-file.zip",
    "crop_top_left": [
      0,
      0
    ],
    "crop_bottom_right": [
      512,
      512
    ]
  }),
});
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",
    "crop_top_left": [
        0,
        0,
    ],
    "crop_bottom_right": [
        512,
        512,
    ],
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/ltx23-trainer-v2/outpaint", 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/outpaint",
      "input": {
        "training_data_url": "https://example.com/your-file.zip",
        "crop_top_left": [
          0,
          0
        ],
        "crop_bottom_right": [
          512,
          512
        ]
      },
      "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/outpaint",
  "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",
    "crop_top_left": [
      0,
      0
    ],
    "crop_bottom_right": [
      512,
      512
    ]
  },
  "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 | Validation سے combined ویڈیو preview، جب ویڈیو تیار کرنے والے اینڈ پوائنٹ کے لیے دستیاب ہو۔ |
| `audio` | object {url, content_type, file_name, file_size} \| null | Validation سے combined آڈیو، ان audio-only routes کے لیے preview کے طور پر جب دستیاب ہو: /audio-inpaint، /audio-extend-suffix، /audio-extend-prefix، /t2a، /a2a، اور /v2a۔ |
| `lora_file` | object {url, content_type, file_name, file_size} | trained LoRA weights کے لیے `.safetensors` format میں URL۔ |
| `config_file` | object {url, content_type, file_name, file_size} | Configuration for inference اینڈ پوائنٹ setup۔ |
| `debug_dataset` | object {url, content_type, file_name, file_size} \| null | `debug_dataset` فعال ہونے پر دستیاب debug آؤٹ پٹ: ایک archive جسے download کیا جا سکتا ہے اور جس میں preprocessing کے بعد training data شامل ہوتا ہے۔ |

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