שפּרינגען צו אינהאַלט

LTX 2.3 Trainer (V2) - Audio+Video Reference IC-LoRA

אינטעגרירן

מאָדעל־id ltx23-trainer-v2/ic-lora/av2av
# 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/ic-lora/av2av?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"

דער דאָזיקער ריקוועסט: ⁨$ 13.60⁩ 13,600 API־קרעדיטן לויפֿן עס אויף דער דאָזיקער בלאַט

באַקומען אַן API שליסל
Lightricks טרענירונג רעפֿערענץ־אײַנגאַבעס1–60 s

טרענירט אַן IC-LoRA פֿאַר צוזאַמענגעשטערטער אַודיאָ־און־ווידעא־פֿאַרוואַנדלונג מיטן בילד און קלאַנג פֿון אַ רעפֿערענץ־קליפּ

Lightricks · טעקע

דאָ קומט אײַער ערשטער רעזולטאַט

בויט אונטן אַ בקשה און לויפט זי מיט אײַער API שליסל. רעזולטאַטן ווערן קאַפּירט צו אונדזער סטאָרידזש, געהאַלטן אויף אייביק אָדער 7 טעג אומזיסט.

בויען אַ בעטן

קאָנטראָלן ווערן דזשענערירט פֿון דעם מאָדעל־סכעמע. דער קאָד און דער פּרײַז דערהײַנטיקן זיך ווען איר ענדערט זיי.

resolution סטאַנדאַרט medium

טריינינג־רעזאָלוציע. העכערע רעזאָלוציען דאַרפֿן מער זכּרון.

aspect_ratio סטאַנדאַרט 1:1

טריינינג־אַספּעקט־פאַרהעלטעניש.

•פארלאנגט

URL צו אַ `.zip` מיט טריינינג־דאַטן לויטן אויסגעקליבענעם טריינינג־מאָדוס. יעדער מעדיע־פֿײַל קען האָבן אַ צוגעבונדענעם `.txt`־caption מיטן זעלבן באַזע־נאָמען.

סטאַנדאַרט 2000

גאַנצע צאָל טריינינג־שטאַפּלען.

פֿאָרגעשריטן validation_negative_prompt · rank · validation_resolution · validation_aspect_ratio · trigger_phrase · learning_rate · number_of_frames · frame_rate · split_input_duration_threshold · validation_number_of_frames · validation_frame_rate · stg_scale · reference_downscale_factor · reference_temporal_scale_factor · auto_scale_input · split_input_into_scenes · debug_dataset · audio_normalize · audio_preserve_pitch · validation
סטאַנדאַרט blurry, out of focus,...

נעגאַטיווער פּראָמפּט בעת וואַלידאַציע; דער איין־שטאַפּל־פּריוויו קען זיך אונטערשיידן אין guidance און קוואַליטעט פֿון די ענדגילטיקע רעזולטאַטן.

rank סטאַנדאַרט 32

LoRA־אַדאַפּטאַציע־ראַנג; העכערע ווערטן געבן מער קאַפּאַציטעט אָבער נוצן מער זכּרון.

validation_resolution סטאַנדאַרט high

רעזאָלוציע גענוצט בעת וואַלידאַציע.

validation_aspect_ratio סטאַנדאַרט 1:1

אַספּעקט־פאַרהעלטעניש גענוצט בעת וואַלידאַציע.

סטאַנדאַרט

LoRA־סטיל־אַקטיוואַציע־פֿראַזע, אַרײַנגעשטעלט בײַם אָנהייב פֿון captions בעת טריינינג.

סטאַנדאַרט 0.0002

לערנ־קורס פֿאַר אָפּטימיזאַציע.

סטאַנדאַרט 89

צאָל ראַמען אין יעדן טריינינג־בײַשפּיל. די צאָל צעטיילט דורך 8 מוז לאָזן רעשט 1; בײַשפּילן זענען 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.

סטאַנדאַרט 24

ציל־ראַם־קורס פֿון דער טריינינג־ווידעא אין ראַמען פּער סעקונדע. דער נאַטיווער קורס פֿאַר LTX-2.3 איז 24.

סטאַנדאַרט 30

טריגער פֿאַר סצענע־צעטיילונג ווי אַ לענג אין סעקונדעס: נאָר ווידעאָס לענגער ווי דער שוועל ווערן צעטיילט.

סטאַנדאַרט 89

ראַם־צאָל פֿאַר יעדן וואַלידאַציע־ווידעא.

סטאַנדאַרט 24

ציל־ראַם־קורס פֿאַר וואַלידאַציע־ווידעאָס, אין ראַמען פּער סעקונדע; LTX-2.3 לויפֿט נאַטיוו בײַ 24.

סטאַנדאַרט 1

Spatio-Temporal Guidance (STG)־סקאַלע; 1.0 איז רעקאָמענדירט, 0.0 שטעלט STG אויס.

סטאַנדאַרט 1

Downscaling־פֿאַקטאָר פֿאַר שאַפֿן אַ גראָבן רעפֿערענץ־ווידעא־קאָנטראָל־פּראָקסי פֿאַר encoding, בעת דער רעזולטאַט בלײַבט אין פולער רעזאָלוציע. ביידע דימענסיעס מוזן זײַן טיילבאַר דורך 32 פֿאַר און נאָך דער טיילונג; סטאַנדאַרט 1 האַלט די אָריגינעלע רעזאָלוציע.

סטאַנדאַרט 1

פֿאַקטאָר פֿאַר רעדוצירן דעם ראַם־קורס פֿון דער רעפֿערענץ־ווידעא; 1 איז דער סטאַנדאַרט און האַלט fps. Temporal downsampling מיטן פֿאַקטאָר נידעריקט fps פֿאַר encoding.

סטאַנדאַרט []

וואַלידאַציע־פּראָמפּט־ליסטע וואָס פּאָרירט יעדן פּראָמפּט מיט רעפֿערענץ־ווידעא און אַודיאָ.

POST /run/ltx23-trainer-v2/ic-lora/av2av?wait=20 פּרײַז → ⁨$ 13.60⁩
# 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/ic-lora/av2av?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"

לויפֿן דעם ריקוועסט

אײַער key בלײַבט אין דעם בלעטערער: זי ווערט געשיקט נאָר צום Doitong API און אָפּגעהיט (localStorage) נאָר אויב איר טיקט אָן געדענקען. באַקומען אַן API שליסל

וועגן LTX 2.3 Trainer (V2) - Audio+Video Reference IC-LoRA

שאַפֿט אַן אינ־קאָנטעקסט LoRA וואָס מאַפּט אַ רעפֿערענץ־קליפּ, סײַ ווידעא סײַ אַודיאָ, צו אַן צוגעפּאַסטן ציל. די עקסטרע קאָנטראָלן `reference_downscale_factor` און `reference_temporal_scale_factor` (1 ביז 8) לאָזן דעם רעפֿערענץ זײַן נידעריקער אין רעזאָלוציע אָדער פרעים־קורס ווי דער רעזולטאַט. די טרענירונג־דאַטן זענען אַ zip מיט פּאָרעוודיקע קליפּס, און סצענע־טיילונג איז לויטן אויסלייג אויסגעלאָשן. ביז 2 וואַלידאַציע־איינסן ווערן אָנגענומען.

פּאַראַמעטערס

נאָמעןטיפּ סטאַנדאַרטערלויבט באַשרײַבונג
training_data_urlפארלאנגט
טיפּstring
URL צו אַ `.zip` מיט טריינינג־דאַטן לויטן אויסגעקליבענעם טריינינג־מאָדוס. יעדער מעדיע־פֿײַל קען האָבן אַ צוגעבונדענעם `.txt`־caption מיטן זעלבן באַזע־נאָמען.
rankאָפּציאָנעל
טיפּenum
סטאַנדאַרט32
8163264128
LoRA־אַדאַפּטאַציע־ראַנג; העכערע ווערטן געבן מער קאַפּאַציטעט אָבער נוצן מער זכּרון.
number_of_stepsאָפּציאָנעל
טיפּinteger
סטאַנדאַרט2000
100 – 10,000
גאַנצע צאָל טריינינג־שטאַפּלען.
learning_rateאָפּציאָנעל
טיפּnumber
סטאַנדאַרט0.0002
0.000001 – 1
לערנ־קורס פֿאַר אָפּטימיזאַציע.
number_of_framesאָפּציאָנעל
טיפּinteger
סטאַנדאַרט89
9 – 121
צאָל ראַמען אין יעדן טריינינג־בײַשפּיל. די צאָל צעטיילט דורך 8 מוז לאָזן רעשט 1; בײַשפּילן זענען 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.
frame_rateאָפּציאָנעל
טיפּinteger
סטאַנדאַרט24
8 – 60
ציל־ראַם־קורס פֿון דער טריינינג־ווידעא אין ראַמען פּער סעקונדע. דער נאַטיווער קורס פֿאַר LTX-2.3 איז 24.
resolutionאָפּציאָנעל
טיפּenum
סטאַנדאַרטmedium
lowmediumhigh
טריינינג־רעזאָלוציע. העכערע רעזאָלוציען דאַרפֿן מער זכּרון.
aspect_ratioאָפּציאָנעל
טיפּenum
סטאַנדאַרט1:1
16:91:19:16
טריינינג־אַספּעקט־פאַרהעלטעניש.
trigger_phraseאָפּציאָנעל
טיפּstring
סטאַנדאַרט
LoRA־סטיל־אַקטיוואַציע־פֿראַזע, אַרײַנגעשטעלט בײַם אָנהייב פֿון captions בעת טריינינג.
auto_scale_inputאָפּציאָנעל
טיפּboolean
סטאַנדאַרטfalse
אָטאָמאַטישע ווידעא־צופּאַסונג צו דער געבעטן FPS און ראַם־צאָל; בילד־דאַטאַסעטן בלײַבן אומגעענדערט.
split_input_into_scenesאָפּציאָנעל
טיפּboolean
סטאַנדאַרטfalse
סצענע־צעטיילונג איז אויס אין av2av כּדי צו האַלטן דעם _start/_end־פּאָר סינכראָן. קליפּס מוזן ווערן צעטיילט פֿריִער.
split_input_duration_thresholdאָפּציאָנעל
טיפּnumber
סטאַנדאַרט30
1 – 60
טריגער פֿאַר סצענע־צעטיילונג ווי אַ לענג אין סעקונדעס: נאָר ווידעאָס לענגער ווי דער שוועל ווערן צעטיילט.
debug_datasetאָפּציאָנעל
טיפּboolean
סטאַנדאַרטfalse
Preprocessing־דורכזוכ־מאָדוס פֿאַר קאָנטראָלירן ווידעאָס, בילדער און captions פֿאַר אַ פולן טריינינג־לויף.
audio_normalizeאָפּציאָנעל
טיפּboolean
סטאַנדאַרטtrue
אַודיאָ־peak־נאָרמאַליזאַציע פֿאַר קאָנסיסטענטע לעוועלס איבערן דאַטאַסעט.
audio_preserve_pitchאָפּציאָנעל
טיפּboolean
סטאַנדאַרטtrue
Pitch־אָפּהאַלטן בעת צופּאַסן אַודיאָ צו ווידעא־לענג, אַנשטאָט פֿון שנײַדן.
validationאָפּציאָנעל
טיפּobject[]
סטאַנדאַרט[]
≤ 2 ייטעמס
וואַלידאַציע־פּראָמפּט־ליסטע וואָס פּאָרירט יעדן פּראָמפּט מיט רעפֿערענץ־ווידעא און אַודיאָ.
validation[].promptפארלאנגט
טיפּstring
פּראָמפּט גענוצט בעת וואַלידאַציע.
validation[].reference_video_urlפארלאנגט
טיפּurl · video
≥ 1 characters
רעפֿערענץ־ווידעא־URL פֿאַר conditioning פֿון אַודיאָ און ווידעא־גענערירונג. דער אַודיאָ־טראַק פֿון דער ווידעא דינט אויך ווי רעפֿערענץ.
validation[].reference_audio_urlאָפּציאָנעל
טיפּurl · audio
אָפּציאָנאַל איבערשרײַבן דעם אַודיאָ־טראַק פֿון `reference_video_url` מיט URL צו אַ באַזונדערן רעפֿערענץ־אַודיאָ־פֿײַל.
validation_negative_promptאָפּציאָנעל
טיפּstring
סטאַנדאַרטblurry, 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.
נעגאַטיווער פּראָמפּט בעת וואַלידאַציע; דער איין־שטאַפּל־פּריוויו קען זיך אונטערשיידן אין guidance און קוואַליטעט פֿון די ענדגילטיקע רעזולטאַטן.
validation_number_of_framesאָפּציאָנעל
טיפּinteger
סטאַנדאַרט89
9 – 121
ראַם־צאָל פֿאַר יעדן וואַלידאַציע־ווידעא.
validation_frame_rateאָפּציאָנעל
טיפּinteger
סטאַנדאַרט24
8 – 60
ציל־ראַם־קורס פֿאַר וואַלידאַציע־ווידעאָס, אין ראַמען פּער סעקונדע; LTX-2.3 לויפֿט נאַטיוו בײַ 24.
validation_resolutionאָפּציאָנעל
טיפּenum
סטאַנדאַרטhigh
lowmediumhigh
רעזאָלוציע גענוצט בעת וואַלידאַציע.
validation_aspect_ratioאָפּציאָנעל
טיפּenum
סטאַנדאַרט1:1
16:91:19:16
אַספּעקט־פאַרהעלטעניש גענוצט בעת וואַלידאַציע.
stg_scaleאָפּציאָנעל
טיפּnumber
סטאַנדאַרט1
0 – 3
Spatio-Temporal Guidance (STG)־סקאַלע; 1.0 איז רעקאָמענדירט, 0.0 שטעלט STG אויס.
reference_downscale_factorאָפּציאָנעל
טיפּinteger
סטאַנדאַרט1
1 – 8
Downscaling־פֿאַקטאָר פֿאַר שאַפֿן אַ גראָבן רעפֿערענץ־ווידעא־קאָנטראָל־פּראָקסי פֿאַר encoding, בעת דער רעזולטאַט בלײַבט אין פולער רעזאָלוציע. ביידע דימענסיעס מוזן זײַן טיילבאַר דורך 32 פֿאַר און נאָך דער טיילונג; סטאַנדאַרט 1 האַלט די אָריגינעלע רעזאָלוציע.
reference_temporal_scale_factorאָפּציאָנעל
טיפּinteger
סטאַנדאַרט1
1 – 8
פֿאַקטאָר פֿאַר רעדוצירן דעם ראַם־קורס פֿון דער רעפֿערענץ־ווידעא; 1 איז דער סטאַנדאַרט און האַלט fps. Temporal downsampling מיטן פֿאַקטאָר נידעריקט fps פֿאַר encoding.
פארלאנגט

אויסגאַבע

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ltx23-trainer-v2/ic-lora/av2av",
  "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": 13600,
    "usd": "13.60",
    "charged": 13600,
    "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"
  }
}
אייער טעקעס, אייער ברירהיעדער outputs[].url איז אַ קאַפּיע אין אונדזער סטאָרידזש: געהאַלטן אויף אייביק (באַצאָלט פּער GB־חודש) אָדער 7 טעג אומזיסט, לויט אײַער חשבון־באַשטעטיקונג אָדער ?storage=.
דער זעלבער פֿאָרעם בײַ יעדן מאָדעלtype, url, content_type, width, height און duration, סײַ פֿאַר בילדער, ווידעאָ און אַודיאָ. output איז דער אייגענער רעזולטאַט־אָביעקט פֿון מאָדעל.
פֿעלדער פֿון דער אויסגאַבע
video
object {url, content_type, file_name, file_size} | nullקאָמבינירטער ווידעא־פּריוויו פֿון וואַלידאַציע, ווען בנימצא פֿאַר ווידעא־ענדפּוינטס.
audio
object {url, content_type, file_name, file_size} | nullקאָמבינירטער אַודיאָ פֿון וואַלידאַציע, ווי פּריוויו פֿאַר די אַודיאָ־בלויז רוטעס: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a און /v2a.
lora_file
object {url, content_type, file_name, file_size}URL פֿאַר טריינירטע LoRA־ווייכטן אין .safetensors־פֿאָרמאַט.
config_file
object {url, content_type, file_name, file_size}קאָנפֿיגוראַציע פֿאַר באַשטעטיקן אַן inference־ענדפּוינט.
debug_dataset
object {url, content_type, file_name, file_size} | nullDebug־רעזולטאַט ווען `debug_dataset` איז אַקטיוו: אַרכיוו צו דאַונלאָודן מיט טריינינג־דאַטן נאָך preprocessing.

מער מאָדעלן: טרענירונג

פֿאַר AI־אַגענטן: דער בלאַט ווי Markdown געפֿינט זיך בײַ https://doitong.com/yi/developers/models/ltx23-trainer-v2/ic-lora/av2av.md. אַלע מאָדעלן און גוידעס: https://doitong.com/developers/llms.txt