Ir para o conteúdo

LTX 2.3 Trainer (V2) - Audio-to-Video

Integrar

ID do modelo ltx23-trainer-v2/a2v
# 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/a2v?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"

Esta solicitação: $ 12,00 12.000 créditos de API Executar nesta página

Obter chave de API
Lightricks · Arquivo

Seu primeiro resultado aparecerá aqui

Monte uma requisição abaixo e execute-a com sua chave de API. As saídas são copiadas para nosso armazenamento, mantidas para sempre ou por 7 dias gratuitamente.

Criar uma solicitação

Os controles são gerados a partir do esquema do modelo. O código e o preço são atualizados conforme você os altera.

resolution padrão medium

Resolução de treinamento. Aumentar a resolução eleva os requisitos de memória.

aspect_ratio padrão 1:1

Proporção de treinamento.

•obrigatório

URL de um `.zip` contendo dados de treinamento, organizados de acordo com o modo de treinamento selecionado. Cada arquivo de mídia pode ter uma legenda `.txt` correspondente com o mesmo nome-base.

padrão 2000

Quantidade total de etapas de treinamento.

Avançado 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 · auto_scale_input · split_input_into_scenes · debug_dataset · audio_normalize · audio_preserve_pitch · validation
padrão blurry, out of focus,...

Prompt negativo aplicado durante a validação, que usa um processo de prévia de uma única etapa. Como esse processo aproxima a inferência de produção destilada com duas etapas, sua orientação e qualidade de prévia diferem dos resultados finais.

rank padrão 32

Rank de adaptação LoRA, trocando maior consumo de memória por maior capacidade à medida que a configuração aumenta.

validation_resolution padrão high

Resolução usada durante a validação.

validation_aspect_ratio padrão 1:1

Proporção usada durante a validação.

padrão

Frase de ativação do estilo LoRA, inserida no início das legendas durante o treinamento.

padrão 0.0002

Taxa de aprendizado da otimização.

padrão 89

Quantidade de quadros de cada amostra de treinamento. Dividir a quantidade por 8 deve deixar resto 1; exemplos incluem 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.

padrão 24

Taxa de quadros alvo do vídeo de treinamento em quadros por segundo. A taxa nativa do LTX-2.3 é 24.

padrão 30

Gatilho de divisão de cenas expresso como uma duração em segundos: somente vídeos mais longos que o limite são divididos.

padrão 89

Quantidade de quadros de cada vídeo de validação.

padrão 24

Taxa de quadros alvo dos vídeos de validação, em quadros por segundo; o LTX-2.3 opera nativamente a 24.

padrão 1

Escala de orientação espaço-temporal (STG), com 1.0 recomendado e 0.0 desativando o STG.

padrão []

Lista de prompts de validação associando cada prompt a uma faixa de áudio de condicionamento.

POST /run/ltx23-trainer-v2/a2v?wait=20 cotação → $ 12,00
# 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/a2v?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"

Executar esta solicitação

Sua chave permanece neste navegador: ela é enviada somente à Doitong API e salva (localStorage) apenas se você marcar Lembrar. Obter uma chave de API

Sobre LTX 2.3 Trainer (V2) - Audio-to-Video

Treina uma LoRA para geração de áudio para vídeo a partir de um `.zip` em `training_data_url`. `rank` é de 8 a 128, `number_of_steps` de 100 a 10000 e `number_of_frames` de 9 a 121. `validation` aceita até 2 entradas, cada uma com uma faixa de áudio de condicionamento. Gera os pesos da LoRA, um arquivo de configuração e uma prévia opcional.

Parâmetros

NomeTipo PadrãoPermitido Descrição
training_data_urlobrigatório
Tipostring
URL de um `.zip` contendo dados de treinamento, organizados de acordo com o modo de treinamento selecionado. Cada arquivo de mídia pode ter uma legenda `.txt` correspondente com o mesmo nome-base.
rankopcional
Tipoenum
Padrão32
8163264128
Rank de adaptação LoRA, trocando maior consumo de memória por maior capacidade à medida que a configuração aumenta.
number_of_stepsopcional
Tipointeger
Padrão2000
100 – 10.000
Quantidade total de etapas de treinamento.
learning_rateopcional
Tiponumber
Padrão0.0002
0,000001 – 1
Taxa de aprendizado da otimização.
number_of_framesopcional
Tipointeger
Padrão89
9 – 121
Quantidade de quadros de cada amostra de treinamento. Dividir a quantidade por 8 deve deixar resto 1; exemplos incluem 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.
frame_rateopcional
Tipointeger
Padrão24
8 – 60
Taxa de quadros alvo do vídeo de treinamento em quadros por segundo. A taxa nativa do LTX-2.3 é 24.
resolutionopcional
Tipoenum
Padrãomedium
lowmediumhigh
Resolução de treinamento. Aumentar a resolução eleva os requisitos de memória.
aspect_ratioopcional
Tipoenum
Padrão1:1
16:91:19:16
Proporção de treinamento.
trigger_phraseopcional
Tipostring
Padrão
Frase de ativação do estilo LoRA, inserida no início das legendas durante o treinamento.
auto_scale_inputopcional
Tipoboolean
Padrãofalse
Ajuste automático do vídeo para corresponder ao FPS e à quantidade de quadros solicitados quando ativado; conjuntos de dados de imagens permanecem inalterados.
split_input_into_scenesopcional
Tipoboolean
Padrãofalse
Divisão de cenas para vídeos de treinamento sintetizados que excedem o limite de duração. Quando true, a divisão ocorre após a montagem da imagem inicial e do áudio.
split_input_duration_thresholdopcional
Tiponumber
Padrão30
1 – 60
Gatilho de divisão de cenas expresso como uma duração em segundos: somente vídeos mais longos que o limite são divididos.
debug_datasetopcional
Tipoboolean
Padrãofalse
Modo de inspeção do pré-processamento para verificar vídeos, imagens e legendas antes de uma execução completa de treinamento. Ativá-lo faz o treinador retornar o conjunto de dados de treinamento processado em um arquivo compactado para análise manual.
audio_normalizeopcional
Tipoboolean
Padrãotrue
Normalização dos picos do áudio de condicionamento para manter níveis consistentes em todo o conjunto de dados.
audio_preserve_pitchopcional
Tipoboolean
Padrãotrue
Preservação do tom ao ajustar o áudio para corresponder à duração do vídeo, em vez de cortá-lo ou preenchê-lo.
validationopcional
Tipoobject[]
Padrão[]
≤ 2 itens
Lista de prompts de validação associando cada prompt a uma faixa de áudio de condicionamento.
validation[].promptobrigatório
Tipostring
Prompt usado durante a validação.
validation[].image_urlobrigatório
Tipourl · image
≥ 1 characters
URL de uma imagem que a2v usa diretamente como primeiro quadro, em vez de gerar esse quadro. O processo imagem+áudio -> vídeo do a2v usa tanto o áudio fornecido quanto essa imagem como condicionamento.
validation[].audio_urlobrigatório
Tipourl · audio
≥ 1 characters
URL do áudio de condicionamento usada para conduzir a geração do vídeo.
validation_negative_promptopcional
Tipostring
Padrãoblurry, 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 a validação, que usa um processo de prévia de uma única etapa. Como esse processo aproxima a inferência de produção destilada com duas etapas, sua orientação e qualidade de prévia diferem dos resultados finais.
validation_number_of_framesopcional
Tipointeger
Padrão89
9 – 121
Quantidade de quadros de cada vídeo de validação.
validation_frame_rateopcional
Tipointeger
Padrão24
8 – 60
Taxa de quadros alvo dos vídeos de validação, em quadros por segundo; o LTX-2.3 opera nativamente a 24.
validation_resolutionopcional
Tipoenum
Padrãohigh
lowmediumhigh
Resolução usada durante a validação.
validation_aspect_ratioopcional
Tipoenum
Padrão1:1
16:91:19:16
Proporção usada durante a validação.
stg_scaleopcional
Tiponumber
Padrão1
0 – 3
Escala de orientação espaço-temporal (STG), com 1.0 recomendado e 0.0 desativando o STG.
obrigatório

Saída

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ltx23-trainer-v2/a2v",
  "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"
  },
  "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"
  }
}
Seus arquivos, sua escolhaCada outputs[].url é uma cópia em nosso armazenamento: mantida para sempre (cobrada por GB-mês) ou por 7 dias gratuitamente, conforme a configuração da sua conta ou ?storage=.
Mesmo formato em todos os modelostype, url, content_type, width, height e duration, para imagens, vídeos e áudios. output é o próprio objeto de resultado do modelo.
Campos da saída
video
object {url, content_type, file_name, file_size} | nullPrévia de vídeo combinada da validação, quando disponível para endpoints que produzem vídeo.
audio
object {url, content_type, file_name, file_size} | nullÁudio combinado da validação, fornecido como prévia quando disponível para estas rotas somente de áudio: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a e /v2a.
lora_file
object {url, content_type, file_name, file_size}URL dos pesos LoRA treinados no formato .safetensors.
config_file
object {url, content_type, file_name, file_size}Configuração para a instalação do endpoint de inferência.
debug_dataset
object {url, content_type, file_name, file_size} | nullSaída de depuração disponível quando `debug_dataset` está ativado: um arquivo compactado que pode ser baixado e contém os dados de treinamento após o pré-processamento.

Mais modelos: Treinamento

Para agentes de IA: esta página em Markdown está em https://doitong.com/pt-BR/developers/models/ltx23-trainer-v2/a2v.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt