# LTX-2.3 22B Video to Video Trainer API

> حوالہ ویڈیوز سے ویڈیو تبدیلی یا ویڈیو سے مشروط تخلیق کے لیے LTX-2.3 22B LoRA ٹرین کرتا ہے

ویڈیو تبدیلی کے لیے LTX-2.3 22B ماڈل پر LoRA ٹرین کرتا ہے، جس میں ویڈیوز یا تصاویر کی zip (mp4, mov, avi, mkv, png, jpg, jpeg) استعمال ہوتی ہے؛ کم از کم تقریباً 10 فائلیں تجویز کی جاتی ہیں۔ `number_of_steps` 1 سے 20000 (ڈیفالٹ 2000) تک ہوتا ہے اور `frame_rate` کا ڈیفالٹ 25 ہے۔ `first_frame_conditioning_p` کا ڈیفالٹ 0.1 ہے۔ توثیق میں حوالہ ویڈیوز کے ساتھ زیادہ سے زیادہ 2 پرامپٹس لیے جاتے ہیں۔

- 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/ur/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 |  |  | ایسے dataset کے ZIP archive کا URL جس میں صرف تصاویر یا صرف ویڈیوز ہوں؛ mixed media datasets سپورٹ نہیں ہوتے۔ 10 یا اس سے زیادہ فائلیں، ترجیحاً بڑا مجموعہ، استعمال کریں۔ تصاویر کے لیے .png، .jpg، .jpeg اور ویڈیوز کے لیے .mp4، .mov، .avi، .mkv extensions قبول ہیں۔ اختیاری caption ٹیکسٹ فائلیں media کے ساتھ دی جا سکتی ہیں، اور ہر caption فائل کا نام متعلقہ media فائل سے مماثل ہونا چاہیے۔ |
| `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` | 1 – 20,000 | Training steps کی کل count۔ |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | Optimization learning rate، جو training میں ممکنہ رفتار اور اسے بڑھانے پر overfitting کے خطرے کے درمیان توازن قائم کرتا ہے۔ |
| `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 | `25` | 8 – 60 | مطلوبہ ویڈیو فریم ریٹ، جس کی پیمائش فریم فی سیکنڈ میں کی جاتی 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۔ |
| `first_frame_conditioning_p` |  | number | no | `0.1` | 0 – 1 | پہلے فریم کی conditioning کے استعمال کی تعدد کم کر کے video-to-video transformation کو ترجیح دیتا ہے؛ یہ قدر اس probability کو متعین کرتی ہے۔ |
| `validation` |  | array of object {prompt, reference_video_url} | no | `[]` | ≤ 2 items | توثیقی ان پٹ فہرست جس میں reference ویڈیوز کے ساتھ جوڑے گئے پرامپٹس شامل ہیں۔ |
| `validation[].prompt` |  | string | yes |  |  | Validation کے دوران استعمال ہونے والا پرامپٹ۔ |
| `validation[].reference_video_url` |  | string (video URL) | yes |  | ≥ 1 characters | IC-LoRA validation کے دوران تبدیل کی جانے والی ویڈیو اس کے URL کے ذریعے فراہم کریں۔ |
| `validation_negative_prompt` |  | string | no | `worst quality, inconsistent motion, blurry, jittery, distorted` |  | validation کے دوران لاگو کیا جانے والا منفی پرامپٹ۔ |
| `validation_number_of_frames` |  | integer | no | `89` | 9 – 121 | ہر validation ویڈیو کی فریم count۔ |
| `validation_frame_rate` |  | integer | no | `25` | 8 – 60 | توثیق کی ویڈیو کا مطلوبہ فریم ریٹ، جو فریم فی سیکنڈ میں ناپا جاتا 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"
}
```

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 | دستیاب validation ویڈیوز کا URL، جو ان کی reference ویڈیوز کے ساتھ دکھایا جاتا ہے۔ |
| `lora_file` | object {url, content_type, file_name, file_size} | .safetensors فارمیٹ میں trained IC-LoRA weight فائل کا 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 | Downloadable debug archive، صرف ان ان پٹ کے لیے دستیاب ہے جو `debug_dataset` فعال کرتے ہیں؛ اس میں preprocessed training data شامل ہے، اور ویڈیوز decoded form میں ہوتی ہیں۔ |

## 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