Gå til innhold

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

Integrer

Modell-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.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"

Denne forespørselen: 13,60 $ 13 600 API-kreditter · ≈ 1 449,30 ₽ Kjør den på denne siden

Hent API-nøkkel
Lightricks · Fil

Det første resultatet ditt kommer her

Bygg en forespørsel nedenfor og kjør den med API-nøkkelen din. Utdata kopieres til lagringen vår, lagret for alltid eller 7 dager gratis.

Bygg en forespørsel

Kontrollene genereres fra modellskjemaet. Koden og prisen oppdateres når du endrer dem.

resolution standard medium

Treningsoppløsning. Høyere oppløsning øker minnekravene.

aspect_ratio standard 1:1

Treningssideforhold.

•obligatorisk

URL til en `.zip` som inneholder treningsdata organisert i henhold til valgt treningsmodus. Hver mediefil kan ha en tilhørende `.txt`-bildetekst med samme basisnavn.

standard 2000

Totalt antall treningstrinn.

Avansert 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
standard blurry, out of focus,...

Negativ prompt brukt under validering, som benytter en forhåndsvisningsprosess i ett trinn. Siden denne prosessen tilnærmer destillert produksjonsinferens med to trinn, skiller veiledningen og forhåndsvisningskvaliteten seg fra de endelige resultatene.

rank standard 32

LoRA-tilpasningsrangering, som bytter økt minnebruk mot større kapasitet når innstillingen økes.

validation_resolution standard high

Oppløsning brukt under validering.

validation_aspect_ratio standard 1:1

Sideforhold brukt under validering.

standard

LoRA-stilens aktiveringsfrase, satt inn først i bildetekstene under trening.

standard 0.0002

Læringsrate for optimaliseringen.

standard 89

Antall bilder i hvert treningseksempel. Når antallet deles på 8, må resten være 1; eksempler er 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.

standard 24

Målhastighet for bilder per sekund i treningsvideoen. Den opprinnelige hastigheten for LTX-2.3 er 24.

standard 30

Utløser for scenedeling uttrykt som en varighet i sekunder: bare videoer som er lengre enn terskelen, deles.

standard 89

Antall bilder i hver valideringsvideo.

standard 24

Målhastighet for valideringsvideoer, i bilder per sekund; LTX-2.3 kjører opprinnelig med 24.

standard 1

Spatio-Temporal Guidance (STG)-skala, der 1.0 anbefales og 0.0 slår av STG.

standard 1

Nedskaleringsfaktor for å lage en grov kontrollproxy med lav oppløsning fra referansevideoen før koding, samtidig som utdataene beholdes i full oppløsning. Begge referansedimensjonene må være delelige med 32 både før og etter divisjon med faktoren; standardverdien 1 bevarer den opprinnelige oppløsningen.

standard 1

Faktor for reduksjon av bildehastigheten i referansevideoen, med 1 som standard for å bevare fps. Temporal nedskalering med denne faktoren senker fps før videoen kodes.

standard []

Liste over valideringsprompter der hver prompt kobles til en referansevideo og -lyd.

POST /run/ltx23-trainer-v2/ic-lora/av2av?wait=20 pris → 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"

Kjør denne forespørselen

Nøkkelen din blir i denne nettleseren: Den sendes bare til Doitong API og lagres bare i localStorage hvis du krysser av for Husk. Hent en API-nøkkel

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

Produserer en in-context-LoRA som kobler et referanseklipp, både video og lyd, til et tilsvarende målklipp. De ekstra innstillingene `reference_downscale_factor` og `reference_temporal_scale_factor` (1 til 8) gjør at referansen kan ha lavere oppløsning eller bildefrekvens enn resultatet. Treningsdataene er en zip-fil med sammenkoblede klipp, og scenedeling er deaktivert som standard. Opptil 2 valideringsoppføringer godtas.

Parametere

NavnType StandardTillatt Beskrivelse
training_data_urlobligatorisk
Typestring
URL til en `.zip` som inneholder treningsdata organisert i henhold til valgt treningsmodus. Hver mediefil kan ha en tilhørende `.txt`-bildetekst med samme basisnavn.
rankvalgfritt
Typeenum
Standard32
8163264128
LoRA-tilpasningsrangering, som bytter økt minnebruk mot større kapasitet når innstillingen økes.
number_of_stepsvalgfritt
Typeinteger
Standard2000
100 – 10 000
Totalt antall treningstrinn.
learning_ratevalgfritt
Typenumber
Standard0.0002
0,000001 – 1
Læringsrate for optimaliseringen.
number_of_framesvalgfritt
Typeinteger
Standard89
9 – 121
Antall bilder i hvert treningseksempel. Når antallet deles på 8, må resten være 1; eksempler er 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.
frame_ratevalgfritt
Typeinteger
Standard24
8 – 60
Målhastighet for bilder per sekund i treningsvideoen. Den opprinnelige hastigheten for LTX-2.3 er 24.
resolutionvalgfritt
Typeenum
Standardmedium
lowmediumhigh
Treningsoppløsning. Høyere oppløsning øker minnekravene.
aspect_ratiovalgfritt
Typeenum
Standard1:1
16:91:19:16
Treningssideforhold.
trigger_phrasevalgfritt
Typestring
Standard
LoRA-stilens aktiveringsfrase, satt inn først i bildetekstene under trening.
auto_scale_inputvalgfritt
Typeboolean
Standardfalse
Automatisk videojustering for å samsvare med forespurt FPS og antall bilder når aktivert; bildedatasett forblir uendret.
split_input_into_scenesvalgfritt
Typeboolean
Standardfalse
Scenedeling er deaktivert i av2av for å holde _start/_end-paret synkronisert. Klipp må deles på forhånd; forberedelse av mål-/referanseparet ignorerer innstillingen for scenedeling.
split_input_duration_thresholdvalgfritt
Typenumber
Standard30
1 – 60
Utløser for scenedeling uttrykt som en varighet i sekunder: bare videoer som er lengre enn terskelen, deles.
debug_datasetvalgfritt
Typeboolean
Standardfalse
Inspeksjonsmodus for forbehandling, for kontroll av videoer, bilder og bildetekster før en full treningskjøring. Når den aktiveres, returnerer treneren det behandlede treningsdatasettet i et nedlastbart arkiv for manuell gjennomgang.
audio_normalizevalgfritt
Typeboolean
Standardtrue
Normalisering av lydtopper for å opprettholde jevne nivåer gjennom hele datasettet.
audio_preserve_pitchvalgfritt
Typeboolean
Standardtrue
Bevaring av tonehøyde ved justering av lyd for å samsvare med videolengden, i stedet for å trimme den.
validationvalgfritt
Typeobject[]
Standard[]
≤ 2 elementer
Liste over valideringsprompter der hver prompt kobles til en referansevideo og -lyd.
validation[].promptobligatorisk
Typestring
Prompt brukt under validering.
validation[].reference_video_urlobligatorisk
Typeurl · video
≥ 1 characters
URL til referansevideo brukt til å styre lyd- og videogenerering. Videoens lydspor fungerer også som lydreferanse.
validation[].reference_audio_urlvalgfritt
Typeurl · audio
Overstyr eventuelt lydsporet fra `reference_video_url` ved å oppgi en URL til en separat referanselydfil.
validation_negative_promptvalgfritt
Typestring
Standardblurry, 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.
Negativ prompt brukt under validering, som benytter en forhåndsvisningsprosess i ett trinn. Siden denne prosessen tilnærmer destillert produksjonsinferens med to trinn, skiller veiledningen og forhåndsvisningskvaliteten seg fra de endelige resultatene.
validation_number_of_framesvalgfritt
Typeinteger
Standard89
9 – 121
Antall bilder i hver valideringsvideo.
validation_frame_ratevalgfritt
Typeinteger
Standard24
8 – 60
Målhastighet for valideringsvideoer, i bilder per sekund; LTX-2.3 kjører opprinnelig med 24.
validation_resolutionvalgfritt
Typeenum
Standardhigh
lowmediumhigh
Oppløsning brukt under validering.
validation_aspect_ratiovalgfritt
Typeenum
Standard1:1
16:91:19:16
Sideforhold brukt under validering.
stg_scalevalgfritt
Typenumber
Standard1
0 – 3
Spatio-Temporal Guidance (STG)-skala, der 1.0 anbefales og 0.0 slår av STG.
reference_downscale_factorvalgfritt
Typeinteger
Standard1
1 – 8
Nedskaleringsfaktor for å lage en grov kontrollproxy med lav oppløsning fra referansevideoen før koding, samtidig som utdataene beholdes i full oppløsning. Begge referansedimensjonene må være delelige med 32 både før og etter divisjon med faktoren; standardverdien 1 bevarer den opprinnelige oppløsningen.
reference_temporal_scale_factorvalgfritt
Typeinteger
Standard1
1 – 8
Faktor for reduksjon av bildehastigheten i referansevideoen, med 1 som standard for å bevare fps. Temporal nedskalering med denne faktoren senker fps før videoen kodes.
obligatorisk

Utdata

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"
  }
}
Filene dine, ditt valgHver outputs[].url er en kopi på lagringen vår: lagret for alltid (betalt per GB-måned) eller 7 dager gratis, styrt av kontoinnstillingen din eller ?storage=.
Samme struktur for hver modelltype, url, content_type, width, height og duration, for bilder, video og lyd. output er modellens eget resultatobjekt.
Utdatafelt
video
object {url, content_type, file_name, file_size} | nullKombinert videoforhåndsvisning fra validering, når tilgjengelig for endepunkter som produserer video.
audio
object {url, content_type, file_name, file_size} | nullKombinert lyd fra validering, levert som forhåndsvisning når tilgjengelig for disse lydrutene: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a og /v2a.
lora_file
object {url, content_type, file_name, file_size}URL til trente LoRA-vekter i .safetensors-format.
config_file
object {url, content_type, file_name, file_size}Konfigurasjon for oppsett av inferensendepunkt.
debug_dataset
object {url, content_type, file_name, file_size} | nullFeilsøkingsutdata tilgjengelig når `debug_dataset` er aktivert: et arkiv som kan lastes ned og inneholder treningsdataene etter forbehandling.

Flere modeller: Trening

For AI-agenter: Denne siden som Markdown finnes på https://doitong.com/no/developers/models/ltx23-trainer-v2/ic-lora/av2av.md. Alle modeller og veiledninger: https://doitong.com/developers/llms.txt