# LTX-2.3 22B · Audio to Video API

> Vytvoří video podle vstupní zvukové stopy s volitelnými obrázky prvního a posledního snímku a LoRA kamery

Vyžaduje `prompt` a `audio_url`. Ve výchozím nastavení se počet snímků odvozuje od délky zvuku (`match_audio_length`); jinak platí `num_frames` (9 až 481). `image_url` a `end_image_url` mohou pevně určit první a poslední snímek. K dispozici jsou různé ovladače vzorkování, například škály guidance, `scheduler`, `camera_lora`, a výstupní formáty včetně mp4, webm, mov a GIF.

- Model id: `ltx-2.3-22b/audio-to-video`
- Made by: Lightricks
- Category: Lipsync & Avatars
- Output: video
- Price per megapixel of your output video: $0.00161 / megapixel of output video (cheapest run $0.002 (2 API credits))
- Run: `POST https://api.doitong.ru/v1/run/ltx-2.3-22b/audio-to-video`
- Quote: `POST https://api.doitong.ru/v1/quote/ltx-2.3-22b/audio-to-video`
- Docs page: https://doitong.com/cs/developers/models/ltx-2.3-22b/audio-to-video

## Pricing

Price: **$0.00161 / megapixel of output video**. Price per megapixel of your output video: the input files are measured before the run (length, resolution, frame rate). The quote measures the same files and is exactly what the run charges.

The full example input below costs $0.358 = 358 API credits (223 MP output video × $0.001605).

Prices are the upstream price in USD, paid from the API balance in API credits (1000 API credits = 1 USD). `POST https://api.doitong.ru/v1/quote/ltx-2.3-22b/audio-to-video` with the same JSON body returns the exact price for that input; the quote is exactly what a run charges. Invalid input is never charged and failed or canceled requests are refunded automatically.

## Input parameters

Send either the canonical name or the native field name (not both). Canonical names are the same across models.

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `prompt` |  | string | yes |  |  | Prompt použitý jako základ pro generování videa. |
| `audio_url` | `audio` | string (audio URL) | yes |  |  | URL zdrojového zvuku použitého ke generování videa. |
| `image_url` | `image` | string (image URL) \| null | no |  |  | Volitelná URL obrázku určující úvodní snímek videa. |
| `end_image_url` | `end_image` | string (image URL) \| null | no |  |  | URL obrázku určující závěrečný snímek videa. |
| `match_audio_length` |  | boolean | no | `true` |  | Přepínač výběru počtu snímků: vypnuto použije num_frames, zapnuto vypočítá počet z FPS a délky zvuku. |
| `num_frames` |  | integer | no | `121` | 9 – 481 | Počet snímků generovaného výstupu. |
| `video_size` |  | object {width, height} \| enum (string) | no | `landscape_16_9` | `auto`, `square_hd`, `square`, `portrait_4_3`, `portrait_16_9`, `landscape_4_3`, `landscape_16_9` | Rozměry videa; při zadání obrázku je možné použít velikost vstupního obrázku pomocí 'auto'. |
| `use_multiscale` |  | boolean | no | `true` |  | Přepínač víceúrovňového generování pro lepší konzistenci a detaily. Při hodnotě True navede druhé generování předběžné menší video, jehož velikost splňuje nebo překračuje požadované rozměry. |
| `fps` |  | number | no | `24` | 1 – 60 | Snímková frekvence výstupního videa, měřená ve snímcích za sekundu. |
| `num_inference_steps` |  | integer | no | `40` | 8 – 50 | Počet provedených kroků inference. |
| `video_cfg_scale` |  | number | no | `3` | 1 – 20 | Nastavení vedení videa: zvyšte je pro větší konzistenci a zaměření generovaného obsahu. Používá vedení bez klasifikátoru (CFG). |
| `video_stg_scale` |  | number | no | `0` | 0 – 20 | Řízení konzistence a zaměření videa pomocí škály Spatiotemporal Guidance (STG); zvýšením nastavení posílíte obě vlastnosti. |
| `video_rescaling_scale` |  | number | no | `0.7` | 0 – 1 | Úprava přepočtu videa pro poměrové vyvážení vedení bez klasifikátoru a časoprostorového vedení. |
| `video_modality_scale` |  | number | no | `3` | 0 – 10 | Úprava modality videa pro poměrové vyvážení podílu videa a zvuku. |
| `audio_cfg_scale` |  | number | no | `7` | 1 – 20 | Nastavení vedení zvuku: zvyšte je pro větší konzistenci a zaměření generovaného obsahu. Používá vedení bez klasifikátoru (CFG). |
| `audio_stg_scale` |  | number | no | `0` | 0 – 20 | Řízení konzistence a zaměření zvuku pomocí škály Spatiotemporal Guidance (STG); zvýšením nastavení posílíte obě vlastnosti. |
| `audio_rescaling_scale` |  | number | no | `0.7` | 0 – 1 | Úprava přepočtu zvuku pro poměrové vyvážení vedení bez klasifikátoru a časoprostorového vedení. |
| `audio_modality_scale` |  | number | no | `3` | 0 – 10 | Úprava modality zvuku pro poměrové vyvážení podílu videa a zvuku. |
| `gradient_estimation_gamma` |  | number | no | `2` | 0 – 10 | Nastavení odhadu gradientu odšumování: hodnota 0 odhad vypne, jinak hodnota určuje gamma. |
| `use_restart_sampling` |  | boolean | no | `false` |  | Přepínač restartu vzorkování pro potenciálně lepší kvalitu videa: zapnutí přidá při každém kroku odšumování trochu šumu. |
| `scheduler` |  | enum (string) | no | `ltx2` | `ltx2`, `linear_quadratic`, `beta` | Výběr plánovače. |
| `acceleration` |  | enum (string) | no | `regular` | `none`, `regular`, `high`, `full` | Úroveň akcelerace použitá při zpracování. |
| `camera_lora` |  | enum (string) | no | `none` | `dolly_in`, `dolly_out`, `dolly_left`, `dolly_right`, `jib_up`, `jib_down`, `static`, `none` | Výběr LoRA kamery pro přesnější řízení pohybu v generovaném videu než samotné prompty pohybu kamery. |
| `camera_lora_scale` |  | number | no | `1` | 0 – 1 | Síla LoRA kamery pro přesnější řízení pohybu v generovaném videu než samotné prompty pohybu kamery. |
| `negative_prompt` |  | string | no | `news broadcast, 3d animation, computer graphics, pc game, console game, video game, cartoon, childish, watermark, logo, text, on screen text, subtitles, titles, signature, slowmo, static` |  | Negativní prompt použitý během generování videa. |
| `seed` |  | integer \| null | no |  |  | Hodnota seedu inicializující generování náhodných čísel. |
| `enable_prompt_expansion` |  | boolean | no | `true` |  | Určuje, zda je povoleno rozšíření promptu. |
| `enable_safety_checker` |  | boolean | no | `true` |  | Určuje, zda je povolena kontrola bezpečnosti. |
| `video_output_type` |  | enum (string) | no | `X264 (.mp4)` | `X264 (.mp4)`, `VP9 (.webm)`, `PRORES4444 (.mov)`, `GIF (.gif)` | Typ výstupu výsledného videa. |
| `video_quality` |  | enum (string) | no | `high` | `low`, `medium`, `high`, `maximum` | Úroveň kvality výsledného videa. |
| `video_write_mode` |  | enum (string) | no | `balanced` | `fast`, `balanced`, `small` | Režim zápisu výsledného videa. |
| `distill_lora_first_pass_scale` |  | number | no | `0.2` | 0 – 1 | Řídí škálování distilační LoRA prvního průchodu; hodnotou 0 je vypnete. |
| `distill_lora_second_pass_scale` |  | number | no | `0.5` | 0 – 1 | Řídí škálování distilační LoRA pro každý průchod po prvním. |
| `image_strength` |  | number | no | `1` | 0 – 1 | Síla vlivu obrázku na generování videa. |
| `end_image_strength` |  | number | no | `1` | 0 – 1 | Řídí, jak silně koncový obrázek ovlivňuje generované video. |
| `audio_strength` |  | number | no | `1` | 0 – 1 | Síla podmínění zvuku; přesně 1.0 zachová vstup beze změny. Při hodnotách pod 1.0 může model zvuk upravit. |
| `preprocess_audio` |  | boolean | no | `true` |  | Určuje, zda se zvuk před použitím k podmínění předzpracuje. |

File parameters (`audio`, `image`, `end_image`) take a public `https://` URL, a `data:` URI up to 10 MB, or the `file_url` of an upload from `POST /files`.

## Example input

Required parameters only:

```json
{
  "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"
}
```

A fuller example:

```json
{
  "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"
}
```

## Run it

Set `DOITONG_API_KEY` to a key from https://doitong.com/developers/dashboard#keys. `?wait=20` returns the finished request in the same call when it is ready within 20 seconds; otherwise poll `GET /requests/{id}` (it also accepts `?wait=`), or pass `webhook_url`.

### curl

```bash
# 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/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_url": "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"
```

### JavaScript

```javascript
const API = "https://api.doitong.ru/v1";
const headers = {
  "Authorization": "Bearer " + process.env.DOITONG_API_KEY,
  "Content-Type": "application/json",
};

// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/ltx-2.3-22b/audio-to-video?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "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"
  }),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);

// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
  res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
  request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");
```

### Python

```python
import os
import requests

API = "https://api.doitong.ru/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "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",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/ltx-2.3-22b/audio-to-video", params={"wait": 20}, json=payload, headers=headers)
request = r.json()
if not r.ok:
    raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"])

# Not finished yet: long-poll until it is
while request["status"] in ("queued", "running"):
    request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json()
if request["status"] != "succeeded":
    raise RuntimeError(request["error"])
print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"])
```

### MCP

The MCP server at `https://api.doitong.ru/v1/mcp` exposes the tools `search_models`, `get_model`, `quote`, `run`, `get_request`, `cancel_request`, `list_requests`, `create_upload` and `get_account`. A `run` call for this model:

```json
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "ltx-2.3-22b/audio-to-video",
      "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"
      },
      "wait_seconds": 20
    }
  }
}
```

## Response

Every call returns a request object. `status` is one of `queued`, `running`, `succeeded`, `failed`, `canceled`. `outputs` lists the generated files with URLs on our storage (kept forever, or 7 days with `?storage=temporary`; `storage` says which); `output` is the model's own result object with the same URLs.

```json
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ltx-2.3-22b/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": 358,
    "usd": "0.358",
    "charged": 358,
    "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,
      "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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `video` | object {url, content_type, file_name, file_size, width, height, fps, duration, num_frames} | Video vytvořené modelem. |
| `seed` | integer | Hodnota seedu použitá k inicializaci generování náhodných čísel. |
| `prompt` | string | Prompt použitý k vedení generování. |

## Related models

- [LTX-2.3 22B · Text to Video](https://doitong.com/developers/models/ltx-2.3-22b/text-to-video.md) (`ltx-2.3-22b/text-to-video`): $0.00161 / megapixel of output video
- [LTX-2.3 22B · Text to Video · LoRA](https://doitong.com/developers/models/ltx-2.3-22b/text-to-video/lora.md) (`ltx-2.3-22b/text-to-video/lora`): $0.00181 / megapixel of output video
- [LTX-2.3 22B · Image to Video](https://doitong.com/developers/models/ltx-2.3-22b/image-to-video.md) (`ltx-2.3-22b/image-to-video`): $0.00161 / megapixel of output video
- [LTX-2.3 22B · Image to Video · LoRA](https://doitong.com/developers/models/ltx-2.3-22b/image-to-video/lora.md) (`ltx-2.3-22b/image-to-video/lora`): $0.00181 / megapixel of output video
- [LTX 2.3 22B](https://doitong.com/developers/models/ltx-2.3-22b/reference-video-to-video/lora.md) (`ltx-2.3-22b/reference-video-to-video/lora`): $0.00181 / megapixel of output video
- [LTX-2.3 22B · Extend Video](https://doitong.com/developers/models/ltx-2.3-22b/extend-video.md) (`ltx-2.3-22b/extend-video`): $0.00161 / megapixel of output video
- [LTX-2.3 22B · Extend Video · LoRA](https://doitong.com/developers/models/ltx-2.3-22b/extend-video/lora.md) (`ltx-2.3-22b/extend-video/lora`): $0.00181 / megapixel of output video
- [LTX-2.3 22B · Reference Video to Video](https://doitong.com/developers/models/ltx-2.3-22b/reference-video-to-video.md) (`ltx-2.3-22b/reference-video-to-video`): $0.00161 / megapixel of output video

## Links

- HTML page: https://doitong.com/developers/models/ltx-2.3-22b/audio-to-video
- All models and guides for AI agents: https://doitong.com/developers/llms.txt
- OpenAPI 3.1 with this model's typed request body: https://doitong.com/developers/openapi.json?model=ltx-2.3-22b/audio-to-video
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.ru/v1/models/ltx-2.3-22b/audio-to-video