Ir al contenido

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

Integrar

ID del modelo 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.ru/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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Esta solicitud: $13.60 13,600 créditos de API · ≈ ₽1,449.30 Ejecutar en esta página

Obtener clave de API
Lightricks Entrenamiento Entradas de referencia1–60 s

Entrena una IC-LoRA para la transformación conjunta de audio y video usando la imagen y el sonido de un clip de referencia

Lightricks · Archivo

Tu primer resultado aparecerá aquí

Crea una solicitud abajo y ejecútala con tu clave de API. Las salidas se copian en nuestro almacenamiento, donde se conservan para siempre o 7 días gratis.

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan conforme los cambias.

resolution predeterminado medium

Resolución de entrenamiento. Aumentar la resolución incrementa los requisitos de memoria.

aspect_ratio predeterminado 1:1

Relación de aspecto del entrenamiento.

•obligatorio

URL de un `.zip` que contiene datos de entrenamiento organizados según el modo de entrenamiento seleccionado. Cada archivo multimedia puede incluir un subtítulo `.txt` con el mismo nombre base.

predeterminado 2000

Cantidad total de pasos de entrenamiento.

Avanzado 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
predeterminado blurry, out of focus,...

Prompt negativo aplicado durante la validación, que utiliza un proceso de vista previa de una sola etapa. Como ese proceso aproxima la inferencia de producción destilada de dos etapas, su guía y calidad de vista previa difieren de los resultados finales.

rank predeterminado 32

Rango de adaptación de LoRA, que intercambia un mayor consumo de memoria por más capacidad a medida que aumenta el valor.

validation_resolution predeterminado high

Resolución utilizada durante la validación.

validation_aspect_ratio predeterminado 1:1

Relación de aspecto utilizada durante la validación.

predeterminado

Frase de activación de estilo de LoRA, insertada al inicio de los subtítulos durante el entrenamiento.

predeterminado 0.0002

Tasa de aprendizaje de optimización.

predeterminado 89

Cantidad de fotogramas de cada muestra de entrenamiento. Al dividirla entre 8, el residuo debe ser 1; algunos ejemplos son 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.

predeterminado 24

Velocidad de fotogramas objetivo del video de entrenamiento, en fotogramas por segundo. La velocidad nativa de LTX-2.3 es 24.

predeterminado 30

Activador de división de escenas expresado como una duración en segundos: solo se dividen los videos que superan el umbral.

predeterminado 89

Cantidad de fotogramas de cada video de validación.

predeterminado 24

Velocidad de fotogramas objetivo de los videos de validación, en fotogramas por segundo; LTX-2.3 funciona de forma nativa a 24.

predeterminado 1

Escala de guía espacio-temporal (STG), con 1.0 como valor recomendado y 0.0 para desactivar STG.

predeterminado 1

Factor de reducción de escala para crear un proxy de control de video de referencia tosco y de baja resolución antes de la codificación, manteniendo la salida en resolución completa. Ambas dimensiones de referencia deben ser divisibles entre 32 antes y después de dividirlas por el factor; el valor predeterminado de 1 conserva la resolución original.

predeterminado 1

Factor de reducción de la velocidad de fotogramas del video de referencia, con 1 como valor predeterminado para conservar los fps. El submuestreo temporal mediante este factor reduce los fps antes de codificar el video.

predeterminado []

Lista de prompts de validación que empareja cada prompt con un video y audio de referencia.

POST /run/ltx23-trainer-v2/ic-lora/av2av?wait=20 cotización → $13.60
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Ejecutar esta solicitud

Tu clave permanece en este navegador: solo se envía a la Doitong API y se guarda en localStorage únicamente si marcas Recordar. Obtener una clave de API

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

Produce una LoRA en contexto que asigna un clip de referencia, con video y audio, a un objetivo correspondiente. Los controles adicionales `reference_downscale_factor` y `reference_temporal_scale_factor` (1 a 8) permiten que la referencia tenga menor resolución o frecuencia de fotogramas que la salida. Los datos de entrenamiento son un zip de clips emparejados y la división por escenas está desactivada de forma predeterminada. Se aceptan hasta 2 entradas de validación.

Parámetros

NombreTipo PredeterminadoPermitido Descripción
training_data_urlobligatorio
Tipostring
URL de un `.zip` que contiene datos de entrenamiento organizados según el modo de entrenamiento seleccionado. Cada archivo multimedia puede incluir un subtítulo `.txt` con el mismo nombre base.
rankopcional
Tipoenum
Predeterminado32
8163264128
Rango de adaptación de LoRA, que intercambia un mayor consumo de memoria por más capacidad a medida que aumenta el valor.
number_of_stepsopcional
Tipointeger
Predeterminado2000
100 – 10,000
Cantidad total de pasos de entrenamiento.
learning_rateopcional
Tiponumber
Predeterminado0.0002
0.000001 – 1
Tasa de aprendizaje de optimización.
number_of_framesopcional
Tipointeger
Predeterminado89
9 – 121
Cantidad de fotogramas de cada muestra de entrenamiento. Al dividirla entre 8, el residuo debe ser 1; algunos ejemplos son 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.
frame_rateopcional
Tipointeger
Predeterminado24
8 – 60
Velocidad de fotogramas objetivo del video de entrenamiento, en fotogramas por segundo. La velocidad nativa de LTX-2.3 es 24.
resolutionopcional
Tipoenum
Predeterminadomedium
lowmediumhigh
Resolución de entrenamiento. Aumentar la resolución incrementa los requisitos de memoria.
aspect_ratioopcional
Tipoenum
Predeterminado1:1
16:91:19:16
Relación de aspecto del entrenamiento.
trigger_phraseopcional
Tipostring
Predeterminado
Frase de activación de estilo de LoRA, insertada al inicio de los subtítulos durante el entrenamiento.
auto_scale_inputopcional
Tipoboolean
Predeterminadofalse
Ajuste automático del video para coincidir con los FPS y la cantidad de fotogramas solicitados cuando está activado; los conjuntos de datos de imágenes permanecen sin cambios.
split_input_into_scenesopcional
Tipoboolean
Predeterminadofalse
La división de escenas está desactivada en av2av para mantener sincronizado el par _start/_end. Los clips deben dividirse previamente; la preparación del par destino/referencia ignora la configuración de división de escenas.
split_input_duration_thresholdopcional
Tiponumber
Predeterminado30
1 – 60
Activador de división de escenas expresado como una duración en segundos: solo se dividen los videos que superan el umbral.
debug_datasetopcional
Tipoboolean
Predeterminadofalse
Modo de inspección del preprocesamiento para revisar videos, imágenes y subtítulos antes de una ejecución completa del entrenamiento. Activarlo hace que el entrenador devuelva el conjunto de datos de entrenamiento procesado en un archivo descargable para su revisión manual.
audio_normalizeopcional
Tipoboolean
Predeterminadotrue
Normalización de picos de audio para mantener niveles uniformes en todo el conjunto de datos.
audio_preserve_pitchopcional
Tipoboolean
Predeterminadotrue
Conservación del tono al ajustar el audio para que coincida con la duración del video, en lugar de recortarlo.
validationopcional
Tipoobject[]
Predeterminado[]
≤ 2 elementos
Lista de prompts de validación que empareja cada prompt con un video y audio de referencia.
validation[].promptobligatorio
Tipostring
Prompt utilizado durante la validación.
validation[].reference_video_urlobligatorio
Tipourl · video
≥ 1 characters
URL del video de referencia utilizada para condicionar la generación de audio y video. La pista de audio del video también sirve como referencia de audio.
validation[].reference_audio_urlopcional
Tipourl · audio
Opcionalmente, reemplaza la pista de audio de `reference_video_url` proporcionando una URL para un archivo de audio de referencia independiente.
validation_negative_promptopcional
Tipostring
Predeterminadoblurry, 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.
Prompt negativo aplicado durante la validación, que utiliza un proceso de vista previa de una sola etapa. Como ese proceso aproxima la inferencia de producción destilada de dos etapas, su guía y calidad de vista previa difieren de los resultados finales.
validation_number_of_framesopcional
Tipointeger
Predeterminado89
9 – 121
Cantidad de fotogramas de cada video de validación.
validation_frame_rateopcional
Tipointeger
Predeterminado24
8 – 60
Velocidad de fotogramas objetivo de los videos de validación, en fotogramas por segundo; LTX-2.3 funciona de forma nativa a 24.
validation_resolutionopcional
Tipoenum
Predeterminadohigh
lowmediumhigh
Resolución utilizada durante la validación.
validation_aspect_ratioopcional
Tipoenum
Predeterminado1:1
16:91:19:16
Relación de aspecto utilizada durante la validación.
stg_scaleopcional
Tiponumber
Predeterminado1
0 – 3
Escala de guía espacio-temporal (STG), con 1.0 como valor recomendado y 0.0 para desactivar STG.
reference_downscale_factoropcional
Tipointeger
Predeterminado1
1 – 8
Factor de reducción de escala para crear un proxy de control de video de referencia tosco y de baja resolución antes de la codificación, manteniendo la salida en resolución completa. Ambas dimensiones de referencia deben ser divisibles entre 32 antes y después de dividirlas por el factor; el valor predeterminado de 1 conserva la resolución original.
reference_temporal_scale_factoropcional
Tipointeger
Predeterminado1
1 – 8
Factor de reducción de la velocidad de fotogramas del video de referencia, con 1 como valor predeterminado para conservar los fps. El submuestreo temporal mediante este factor reduce los fps antes de codificar el video.
obligatorio

Salida

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.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: se conserva para siempre (con cobro por GB-mes) o 7 días gratis, según la configuración de tu cuenta o ?storage=.
La misma estructura en todos los modelostype, url, content_type, width, height y duration, tanto para imágenes como para video y audio. output es el objeto de resultado propio del modelo.
Campos de salida
video
object {url, content_type, file_name, file_size} | nullVista previa de video combinada de la validación, cuando está disponible para los endpoints que producen video.
audio
object {url, content_type, file_name, file_size} | nullAudio combinado de la validación, proporcionado como vista previa cuando está disponible para estas rutas que solo usan audio: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a y /v2a.
lora_file
object {url, content_type, file_name, file_size}URL de los pesos de LoRA entrenados en formato .safetensors.
config_file
object {url, content_type, file_name, file_size}Configuración del endpoint de inferencia.
debug_dataset
object {url, content_type, file_name, file_size} | nullSalida de depuración disponible cuando `debug_dataset` está activado: un archivo que se puede descargar y que contiene los datos de entrenamiento después del preprocesamiento.

Más modelos: Entrenamiento

Para agentes de IA: esta página en Markdown está disponible en https://doitong.com/es-MX/developers/models/ltx23-trainer-v2/ic-lora/av2av.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt