কনটেন্টে যান

LTX-2.3 22B Distilled · Audio to Video · LoRA

ইন্টিগ্রেট করুন

মডেল id ltx-2.3-22b/distilled/audio-to-video/lora
# 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/ltx-2.3-22b/distilled/audio-to-video/lora?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "loras": [
      {
        "path": "https://example.com/your-file.safetensors"
      }
    ]
  }'

# 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"

উদাহরণের মতো ফাইল: ০.৩১৪$ ৩১৪ API ক্রেডিট · ≈ ৩৩.৭৪₽ চালানোর আগে আপনার ফাইল মাপা হয় এই পেজে চালান

API কী পান
Lightricks লিপসিঙ্ক ও অ্যাভাটার লিপসিঙ্কদ্রুত

কাস্টম LoRAs এবং সমন্বয়যোগ্য অডিও ও ছবি কন্ডিশনিং শক্তিসহ ডিস্টিলড অডিও-থেকে-ভিডিও

Lightricks · ভিডিও

আপনার প্রথম ফলাফল এখানে আসবে

নিচে একটি রিকোয়েস্ট তৈরি করে আপনার API কী দিয়ে চালান। আউটপুট আমাদের স্টোরেজে কপি করা হয়, চিরকাল বা বিনামূল্যে ৭ দিন পর্যন্ত রাখা হয়।

একটি অনুরোধ তৈরি করুন

মডেল স্কিমা থেকে কন্ট্রোল তৈরি করা হয়। এগুলো পরিবর্তন করলে কোড ও মূল্য আপডেট হয়।

•আবশ্যক

ভিডিও জেনারেশনের ভিত্তি হিসেবে ব্যবহৃত প্রম্পট।

•আবশ্যক audio_url
একটি ফাইল ড্রপ করুন, অথবা

ভিডিও তৈরি করতে ব্যবহৃত উৎস অডিওর URL।

image_url
একটি ফাইল ড্রপ করুন, অথবা

ভিডিওর শুরুর ফ্রেম নির্ধারণকারী ঐচ্ছিক ছবির URL।

video_size ডিফল্ট landscape_16_9

ভিডিওর মাত্রা; ছবি সরবরাহ করা হলে 'auto' ব্যবহার করে ইনপুট ছবির আকার নেওয়া যায়।

ডিফল্ট 121

জেনারেট করা আউটপুটের ফ্রেম সংখ্যা।

ডিফল্ট 24

আউটপুট ভিডিওর ফ্রেম রেট, প্রতি সেকেন্ডে ফ্রেম হিসেবে মাপা হয়।

•আবশ্যক

জেনারেশনের জন্য LoRA নির্বাচন।

অ্যাডভান্সড negative_prompt · end_image · scheduler · acceleration · camera_lora · video_output_type · video_quality · video_write_mode · camera_lora_scale · distill_lora_second_pass_scale · image_strength · end_image_strength · audio_strength · seed · use_multiscale · enable_prompt_expansion · enable_safety_checker · preprocess_audio
ডিফল্ট news broadcast, 3d an...

ভিডিও জেনারেশনের সময় ব্যবহৃত নেগেটিভ প্রম্পট।

end_image_url
একটি ফাইল ড্রপ করুন, অথবা

ভিডিওর শেষের ফ্রেম নির্ধারণকারী ছবির URL।

scheduler ডিফল্ট ltx2

Scheduler নির্বাচন।

acceleration ডিফল্ট none

প্রসেসিংয়ে প্রয়োগ করা ত্বরণ স্তর।

camera_lora ডিফল্ট none

শুধু ক্যামেরার গতিবিধির প্রম্পটের তুলনায় জেনারেট করা ভিডিওতে গতিবিধি আরও নিখুঁতভাবে নিয়ন্ত্রণের জন্য ক্যামেরা LoRA নির্বাচন।

video_output_type ডিফল্ট X264 (.mp4)

ফলাফল ভিডিওর আউটপুটের ধরন।

video_quality ডিফল্ট high

ফলাফল ভিডিওর মানের স্তর।

video_write_mode ডিফল্ট balanced

ফলাফল ভিডিও লেখার মোড।

ডিফল্ট 1

শুধু ক্যামেরার গতিবিধির প্রম্পটের তুলনায় জেনারেট করা ভিডিওতে গতিবিধি আরও নিখুঁতভাবে নিয়ন্ত্রণের জন্য ক্যামেরা LoRA-এর শক্তি।

ডিফল্ট 0.5

প্রথমটির পর প্রতিটি pass-এর জন্য distill LoRA scaling নিয়ন্ত্রণ করে।

ডিফল্ট 1

ভিডিও জেনারেশনে ছবির প্রভাবের শক্তি।

ডিফল্ট 1

শেষের ছবি তৈরি ভিডিওতে কতটা প্রভাব ফেলবে তা নিয়ন্ত্রণ করে।

ডিফল্ট 1

অডিও conditioning-এর শক্তি; ঠিক 1.0 হলে ইনপুট অপরিবর্তিত থাকে। 1.0-এর নিচের সেটিংয়ে মডেল অডিও পরিবর্তন করতে পারে।

এলোমেলো সংখ্যা জেনারেশন শুরু করা সিড মান।

POST /run/ltx-2.3-22b/distilled/audio-to-video/lora?wait=20 মূল্য → ০.৩১৪$
# 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/ltx-2.3-22b/distilled/audio-to-video/lora?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
    "loras": [
      {
        "path": "https://example.com/your-file.safetensors"
      }
    ]
  }'

# 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"

এই অনুরোধ চালান

আপনার key এই ব্রাউজারেই থাকে: এটি শুধু Doitong API-তে পাঠানো হয় এবং Remember টিক দিলে কেবল localStorage-এ সংরক্ষিত হয়। একটি API কী পান

LTX-2.3 22B Distilled · Audio to Video · LoRA সম্পর্কে

একটি `prompt` ও `audio_url`-এর সঙ্গে প্রয়োজনীয় `loras` তালিকা একত্র করে। আউটপুট ইনপুট অনুসরণ করবে কতটা ঘনিষ্ঠভাবে তা `audio_strength`, `image_strength` এবং `end_image_strength` (প্রতিটি 0 থেকে 1) দ্বারা নির্ধারিত হয়। ঐচ্ছিক `image_url` ও `end_image_url` প্রথম ও শেষ ফ্রেম নির্ধারণ করে এবং `num_frames`-এর পরিসর 9 থেকে 481।

প্যারামিটার

ক্যানোনিকাল নাম অথবা নেটিভ নাম—দুটো একসঙ্গে নয়—পাঠান। ক্যানোনিকাল নামগুলো

নামধরন ডিফল্টঅনুমোদিত বিবরণ
promptআবশ্যক
ধরনstring
ভিডিও জেনারেশনের ভিত্তি হিসেবে ব্যবহৃত প্রম্পট।
audio_urlআবশ্যক audio
ধরনurl · audio
ভিডিও তৈরি করতে ব্যবহৃত উৎস অডিওর URL।
image_urlঐচ্ছিক image
ধরনurl · image
ভিডিওর শুরুর ফ্রেম নির্ধারণকারী ঐচ্ছিক ছবির URL।
end_image_urlঐচ্ছিক end_image
ধরনurl · image
ভিডিওর শেষের ফ্রেম নির্ধারণকারী ছবির URL।
match_audio_lengthঐচ্ছিক
ধরনboolean
ডিফল্টtrue
ফ্রেম-সংখ্যা নির্বাচন টগল: নিষ্ক্রিয় থাকলে num_frames ব্যবহার করে, সক্রিয় থাকলে FPS এবং অডিওর দৈর্ঘ্য থেকে সংখ্যা গণনা করে।
num_framesঐচ্ছিক
ধরনinteger
ডিফল্ট121
৯ – ৪৮১
জেনারেট করা আউটপুটের ফ্রেম সংখ্যা।
video_sizeঐচ্ছিক
ধরনobject
ডিফল্টlandscape_16_9
autosquare_hdsquareportrait_4_3portrait_16_9landscape_4_3landscape_16_9
ভিডিওর মাত্রা; ছবি সরবরাহ করা হলে 'auto' ব্যবহার করে ইনপুট ছবির আকার নেওয়া যায়।
use_multiscaleঐচ্ছিক
ধরনboolean
ডিফল্টtrue
উন্নত সামঞ্জস্য ও বিস্তারিতের জন্য multi-scale জেনারেশন টগল। True হলে প্রাথমিকভাবে ছোট একটি ভিডিও তৈরি করে দ্বিতীয় জেনারেশনকে নির্দেশনা দেয়, যার আকার অনুরোধ করা মাত্রার সমান বা বেশি হয়।
fpsঐচ্ছিক
ধরনnumber
ডিফল্ট24
১ – ৬০
আউটপুট ভিডিওর ফ্রেম রেট, প্রতি সেকেন্ডে ফ্রেম হিসেবে মাপা হয়।
schedulerঐচ্ছিক
ধরনenum
ডিফল্টltx2
ltx2linear_quadraticbeta
Scheduler নির্বাচন।
accelerationঐচ্ছিক
ধরনenum
ডিফল্টnone
noneregularhighfull
প্রসেসিংয়ে প্রয়োগ করা ত্বরণ স্তর।
camera_loraঐচ্ছিক
ধরনenum
ডিফল্টnone
dolly_indolly_outdolly_leftdolly_rightjib_upjib_downstaticnone
শুধু ক্যামেরার গতিবিধির প্রম্পটের তুলনায় জেনারেট করা ভিডিওতে গতিবিধি আরও নিখুঁতভাবে নিয়ন্ত্রণের জন্য ক্যামেরা LoRA নির্বাচন।
camera_lora_scaleঐচ্ছিক
ধরনnumber
ডিফল্ট1
০ – ১
শুধু ক্যামেরার গতিবিধির প্রম্পটের তুলনায় জেনারেট করা ভিডিওতে গতিবিধি আরও নিখুঁতভাবে নিয়ন্ত্রণের জন্য ক্যামেরা LoRA-এর শক্তি।
negative_promptঐচ্ছিক
ধরনstring
ডিফল্টnews broadcast, 3d animation, computer graphics, pc game, console game, video game, cartoon, childish, watermark, logo, text, on screen text, subtitles, titles, signature, slowmo, static
ভিডিও জেনারেশনের সময় ব্যবহৃত নেগেটিভ প্রম্পট।
seedঐচ্ছিক
ধরনinteger | null
এলোমেলো সংখ্যা জেনারেশন শুরু করা সিড মান।
enable_prompt_expansionঐচ্ছিক
ধরনboolean
ডিফল্টtrue
প্রম্পট expansion সক্রিয় থাকবে কি না তা নিয়ন্ত্রণ করে।
enable_safety_checkerঐচ্ছিক
ধরনboolean
ডিফল্টtrue
সেফটি চেকিং চালু আছে কি না তা নিয়ন্ত্রণ করে।
video_output_typeঐচ্ছিক
ধরনenum
ডিফল্টX264 (.mp4)
X264 (.mp4)VP9 (.webm)PRORES4444 (.mov)GIF (.gif)
ফলাফল ভিডিওর আউটপুটের ধরন।
video_qualityঐচ্ছিক
ধরনenum
ডিফল্টhigh
lowmediumhighmaximum
ফলাফল ভিডিওর মানের স্তর।
video_write_modeঐচ্ছিক
ধরনenum
ডিফল্টbalanced
fastbalancedsmall
ফলাফল ভিডিও লেখার মোড।
lorasআবশ্যক
ধরনobject[]
জেনারেশনের জন্য LoRA নির্বাচন।
loras[].pathআবশ্যক
ধরনstring
LoRA ওজনের অবস্থান, URL বা owner/repo ফরম্যাটে HuggingFace repository ID হিসেবে দেওয়া।
loras[].weight_nameঐচ্ছিক
ধরনstring | null
HuggingFace repository-তে একাধিক ওজনের মধ্য থেকে নির্বাচন করার জন্য LoRA ওজনের নাম; শুধু একাধিক ওজন থাকা repository-তে এটি প্রয়োজন। `path` কোনো HuggingFace repository শনাক্ত না করলে এই সেটিংয়ের কোনো প্রভাব নেই।
loras[].scaleঐচ্ছিক
ধরনnumber
ডিফল্ট1
০ – ৪
LoRA-তে প্রয়োগ করা স্কেলিং ফ্যাক্টর, 0.0 থেকে 4.0 পর্যন্ত।
distill_lora_second_pass_scaleঐচ্ছিক
ধরনnumber
ডিফল্ট0.5
০ – ১
প্রথমটির পর প্রতিটি pass-এর জন্য distill LoRA scaling নিয়ন্ত্রণ করে।
image_strengthঐচ্ছিক
ধরনnumber
ডিফল্ট1
০ – ১
ভিডিও জেনারেশনে ছবির প্রভাবের শক্তি।
end_image_strengthঐচ্ছিক
ধরনnumber
ডিফল্ট1
০ – ১
শেষের ছবি তৈরি ভিডিওতে কতটা প্রভাব ফেলবে তা নিয়ন্ত্রণ করে।
audio_strengthঐচ্ছিক
ধরনnumber
ডিফল্ট1
০ – ১
অডিও conditioning-এর শক্তি; ঠিক 1.0 হলে ইনপুট অপরিবর্তিত থাকে। 1.0-এর নিচের সেটিংয়ে মডেল অডিও পরিবর্তন করতে পারে।
preprocess_audioঐচ্ছিক
ধরনboolean
ডিফল্টtrue
Conditioning-এ ব্যবহারের আগে অডিও preprocess করা হবে কি না তা নিয়ন্ত্রণ করে।
আবশ্যক ক্যানোনিকাল নাম, এটিও গ্রহণযোগ্য

ফাইল প্যারামিটার হিসেবে একটি পাবলিক https:// URL, 10 MB পর্যন্ত একটি data: URI, অথবা আপলোডের file_url গ্রহণ করা হয়। ফাইল

আউটপুট

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ltx-2.3-22b/distilled/audio-to-video/lora",
  "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": 314,
    "usd": "0.314",
    "charged": 314,
    "refunded": 0
  },
  "input": {
    "loras": [
      {
        "path": "https://example.com/your-file.safetensors"
      }
    ],
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_name": "0-output.mp4",
      "file_size": 1843200,
      "width": 1024,
      "height": 768,
      "fps": 1.0,
      "duration": 5,
      "num_frames": 1
    },
    "seed": 42,
    "prompt": "A woman speaks to the camera"
  },
  "outputs": [
    {
      "type": "video",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_size": 1843200,
      "width": 1280,
      "height": 720,
      "duration": 5,
      "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"
  }
}
আপনার ফাইল, আপনার পছন্দপ্রতিটি outputs[].url আমাদের স্টোরেজে একটি কপি: চিরকাল রাখা হয় (প্রতি GB-মাস অনুযায়ী অর্থপ্রদত্ত) অথবা অ্যাকাউন্ট সেটিংস বা ?storage= অনুযায়ী বিনামূল্যে ৭ দিন পর্যন্ত।
প্রতিটি মডেলে একই গঠনছবি, ভিডিও এবং অডিও—সব ক্ষেত্রেই type, url, content_type, width, height এবং duration। output হলো মডেলের নিজস্ব ফলাফল অবজেক্ট।
আউটপুটের ফিল্ড
video
object {url, content_type, file_name, file_size, width, height, fps, duration, num_frames}মডেল দ্বারা উৎপাদিত ভিডিও।
seed
integerর‌্যান্ডম সংখ্যা জেনারেশন শুরু করতে ব্যবহৃত seed মান।
prompt
stringজেনারেশন পরিচালনার জন্য ব্যবহৃত প্রম্পট।

আরও মডেল: লিপসিঙ্ক ও অ্যাভাটার

AI এজেন্টদের জন্য: এই পৃষ্ঠাটি Markdown হিসেবে এখানে আছে https://doitong.com/bn/developers/models/ltx-2.3-22b/distilled/audio-to-video/lora.md. সব মডেল ও গাইড: https://doitong.com/developers/llms.txt