কনটেন্টে যান

Ltx 2.3 Quality · Audio to Video

ইন্টিগ্রেট করুন

মডেল id ltx-2.3-quality/audio-to-video
# 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-quality/audio-to-video?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"
  }'

# 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: ০.৫৩৭$ ৫৩৭ API ক্রেডিট · ≈ ৫৭.৭৭₽ চালানোর আগে আপনার ফাইল মাপা হয় এই পেজে চালান

API কী পান
Lightricks লিপসিঙ্ক ও অ্যাভাটার নেটিভ অডিওলিপসিঙ্ক #audio-to-video

একটি প্রম্পট ও অডিও ট্র্যাক থেকে অডিও-চালিত ভিডিও, ঐচ্ছিক প্রথম-ফ্রেমের ছবিসহ

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

অডিও-নির্দেশিত ভিডিও জেনারেশন পরিচালনাকারী প্রম্পট।

•আবশ্যক audio_url
একটি ফাইল ড্রপ করুন, অথবা

জেনারেশন পরিচালনায় ব্যবহৃত অডিও ট্র্যাকের URL।

resolution ডিফল্ট auto

চূড়ান্ত আউটপুটের মাত্রা; `image_url` না দিলে 'auto' ল্যান্ডস্কেপ বিকল্প ব্যবহার করে। ছবি দেওয়া থাকলে 'auto' সেটির অ্যাসপেক্ট রেশিও গ্রহণ করে।

ডিফল্ট 121

জেনারেট করা আউটপুটের ফ্রেম সংখ্যা।

ডিফল্ট 24

আউটপুট ভিডিওর ফ্রেম-রেট, ফ্রেম প্রতি সেকেন্ড হিসেবে পরিমাপ করা হয়।

অ্যাডভান্সড negative_prompt · image · video_quality · video_write_mode · num_inference_steps · guidance_scale · image_strength · seed · enable_prompt_expansion · enable_safety_checker
ডিফল্ট color distortion, ove...

জেনারেশনে কী এড়াতে হবে তা নির্ধারণকারী নেগেটিভ প্রম্পট।

image_url
একটি ফাইল ড্রপ করুন, অথবা

শুধু টেক্সট ও অডিও ব্যবহার করা জেনারেশনে সহায়তার জন্য URL-এর মাধ্যমে দেওয়া প্রথম-ফ্রেমের ছবি; এটি দেওয়া ঐচ্ছিক।

video_quality ডিফল্ট high

আউটপুট ভিডিওতে প্রয়োগ করা কোয়ালিটি প্রিসেট।

video_write_mode ডিফল্ট balanced

ফলাফল ভিডিও লেখার মোড।

ডিফল্ট 15

সর্বোচ্চ 30টি ইনফারেন্স ধাপ চালানোর সংখ্যা নির্ধারণ করুন; অপরিবর্তিত রাখলে 15 ব্যবহার হয়।

ডিফল্ট 1

এই স্কেল ব্যবহার করে classifier-free guidance সামঞ্জস্য করুন; ডিফল্ট টিউনিং উচ্চমান ও দ্রুত জেনারেশন—দুটিই লক্ষ্য করে।

ডিফল্ট 0.7

ঐচ্ছিক প্রথম-ফ্রেম কন্ডিশনিং শক্তি: মডেলকে বেশি স্বাধীনতা দিতে এটি কমান, অথবা ছবির সঙ্গে কঠোরভাবে মিল রাখতে 1.0 ব্যবহার করুন।

পুনরুৎপাদনযোগ্য জেনারেশনের জন্য সিড। এটিকে None সেট করলে এলোমেলোভাবে একটি সিড নির্বাচন করা হয়।

POST /run/ltx-2.3-quality/audio-to-video?wait=20 মূল্য → ০.৫৩৭$
# 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-quality/audio-to-video?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"
  }'

# 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 Quality · Audio to Video সম্পর্কে

প্রদত্ত অডিও ট্র্যাক অনুসরণ করে একটি ভিডিও তৈরি করে, যা টেক্সট `prompt` দ্বারা নির্দেশিত হয়। `audio_url` আবশ্যক; `image_url` ঐচ্ছিক এবং প্রথম ফ্রেম নির্ধারণ করে, আর `image_strength` (0 থেকে 1) ছবিটি কতটা বজায় থাকবে তা নিয়ন্ত্রণ করে। `match_audio_length` চালু থাকলে ফ্রেমের সংখ্যা অডিওর দৈর্ঘ্য ও `frames_per_second` থেকে নির্ধারিত হয়; অন্যথায় `num_frames` (9 থেকে 481) প্রযোজ্য। `auto`-সহ সাতটি `resolution` প্রিসেট উপলভ্য।

প্যারামিটার

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

নামধরন ডিফল্টঅনুমোদিত বিবরণ
promptআবশ্যক
ধরনstring
অডিও-নির্দেশিত ভিডিও জেনারেশন পরিচালনাকারী প্রম্পট।
audio_urlআবশ্যক audio
ধরনurl · audio
জেনারেশন পরিচালনায় ব্যবহৃত অডিও ট্র্যাকের URL।
image_urlঐচ্ছিক image
ধরনurl · image
শুধু টেক্সট ও অডিও ব্যবহার করা জেনারেশনে সহায়তার জন্য URL-এর মাধ্যমে দেওয়া প্রথম-ফ্রেমের ছবি; এটি দেওয়া ঐচ্ছিক।
match_audio_lengthঐচ্ছিক
ধরনboolean
ডিফল্টtrue
বন্ধ থাকলে `num_frames` ব্যবহার করা হয়। চালু করলে `frames_per_second` ও অডিওর সময়কাল ব্যবহার করে ফ্রেম সংখ্যা গণনা করা হয়।
num_framesঐচ্ছিক
ধরনinteger
ডিফল্ট121
৯ – ৪৮১
জেনারেট করা আউটপুটের ফ্রেম সংখ্যা।
resolutionঐচ্ছিক
ধরনobject
ডিফল্টauto
autosquare_hdsquareportrait_4_3portrait_16_9landscape_4_3landscape_16_9
চূড়ান্ত আউটপুটের মাত্রা; `image_url` না দিলে 'auto' ল্যান্ডস্কেপ বিকল্প ব্যবহার করে। ছবি দেওয়া থাকলে 'auto' সেটির অ্যাসপেক্ট রেশিও গ্রহণ করে।
frames_per_secondঐচ্ছিক
ধরনnumber
ডিফল্ট24
১ – ৬০
আউটপুট ভিডিওর ফ্রেম-রেট, ফ্রেম প্রতি সেকেন্ড হিসেবে পরিমাপ করা হয়।
num_inference_stepsঐচ্ছিক
ধরনinteger
ডিফল্ট15
৮ – ৩০
সর্বোচ্চ 30টি ইনফারেন্স ধাপ চালানোর সংখ্যা নির্ধারণ করুন; অপরিবর্তিত রাখলে 15 ব্যবহার হয়।
guidance_scaleঐচ্ছিক
ধরনnumber
ডিফল্ট1
১ – ২০
এই স্কেল ব্যবহার করে classifier-free guidance সামঞ্জস্য করুন; ডিফল্ট টিউনিং উচ্চমান ও দ্রুত জেনারেশন—দুটিই লক্ষ্য করে।
generate_audioঐচ্ছিক
ধরনboolean
ডিফল্টtrue
ফেরত দেওয়া MP4-এর অডিও-ট্র্যাক টগল: বন্ধ থাকলে শুধু ভিডিওর ফাইল তৈরি হয়, আর চালু থাকলে অডিও অন্তর্ভুক্ত হয়।
image_strengthঐচ্ছিক
ধরনnumber
ডিফল্ট0.7
০ – ১
ঐচ্ছিক প্রথম-ফ্রেম কন্ডিশনিং শক্তি: মডেলকে বেশি স্বাধীনতা দিতে এটি কমান, অথবা ছবির সঙ্গে কঠোরভাবে মিল রাখতে 1.0 ব্যবহার করুন।
negative_promptঐচ্ছিক
ধরনstring
ডিফল্টcolor distortion, overexposure, static, blurry details, subtitles, style, artwork, painting, frame, still, dim overall tone, worst quality, low quality, JPEG compression artifacts, ugly, mutilated, extra fingers, poorly drawn hands, poorly drawn face, deformed, disfigured, malformed limbs, fused fingers, motionless frame, cluttered background, three legs, crowded background, walking backwards
জেনারেশনে কী এড়াতে হবে তা নির্ধারণকারী নেগেটিভ প্রম্পট।
seedঐচ্ছিক
ধরনinteger | null
পুনরুৎপাদনযোগ্য জেনারেশনের জন্য সিড। এটিকে None সেট করলে এলোমেলোভাবে একটি সিড নির্বাচন করা হয়।
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_qualityঐচ্ছিক
ধরনenum
ডিফল্টhigh
lowmediumhighmaximum
আউটপুট ভিডিওতে প্রয়োগ করা কোয়ালিটি প্রিসেট।
video_write_modeঐচ্ছিক
ধরনenum
ডিফল্টbalanced
fastbalancedsmall
ফলাফল ভিডিও লেখার মোড।
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-quality/audio-to-video",
  "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": 537,
    "usd": "0.537",
    "charged": 537,
    "refunded": 0
  },
  "input": {
    "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
    },
    "seed": 42,
    "prompt": "string"
  },
  "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}মডেল দ্বারা উৎপাদিত ভিডিও।
seed
integerজেনারেশনের সময় প্রয়োগ করা প্রকৃত seed।
prompt
stringজেনারেশন প্রম্পট, ব্যবহারের আগে প্রয়োগ করা যেকোনো সম্প্রসারণসহ।

আরও মডেল: লিপসিঙ্ক ও অ্যাভাটার

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