# LTX-Video 13B 0.9.8 Distilled · Multiconditioning API

> Destilované generování 0.9.8 13B podmíněné několika obrázky a videi současně a doplněné promptem

Vytváří video z povinného `prompt` spolu se seznamy podmiňovacích `images` a `videos`, takže výsledný obraz může ovlivnit několik referencí. Výstup má 480p nebo 720p s `aspect_ratio` auto, 9:16, 1:1 nebo 16:9. `num_frames` je od 9 do 1441 a `loras` přidává vlastní váhy.

- Model id: `ltxv-13b-098-distilled/multiconditioning`
- Made by: Lightricks
- Category: Video to Video
- Output: video
- Price per second of your output video: from $0.02 / second of output video (cheapest run $0.02 (20 API credits))
- Run: `POST https://api.doitong.ru/v1/run/ltxv-13b-098-distilled/multiconditioning`
- Quote: `POST https://api.doitong.ru/v1/quote/ltxv-13b-098-distilled/multiconditioning`
- Docs page: https://doitong.com/cs/developers/models/ltxv-13b-098-distilled/multiconditioning

## Pricing

Price: **from $0.02 / second of output video** (the lowest tier; the quote prices your exact input). Price per second 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 $0.101 = 101 API credits (5.0417 s output video × $0.02).

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/ltxv-13b-098-distilled/multiconditioning` 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

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `prompt` |  | string | yes |  |  | Textové pokyny řídící generování. |
| `negative_prompt` |  | string | no | `worst quality, inconsistent motion, blurry, jittery, distorted` |  | Negativní textové pokyny pro generování. |
| `loras` |  | array of object {path, weight_name, scale} | no | `[]` |  | Váhy LoRA použité během generování. |
| `loras[].path` |  | string | yes |  |  | Umístění vah LoRA zadané jako URL nebo cesta. |
| `loras[].weight_name` |  | string \| null | no |  |  | Název váhy LoRA pro výběr z více vah v repozitáři HuggingFace; vyžadují jej pouze repozitáře obsahující více vah. Toto nastavení nemá účinek, pokud `path` neurčuje repozitář HuggingFace. |
| `loras[].scale` |  | number | no | `1` | 0 – 4 | Násobitel škálující váhu LoRA při načítání. |
| `resolution` |  | enum (string) | no | `720p` | `480p`, `720p` | Rozlišení výstupního videa. |
| `aspect_ratio` |  | enum (string) | no | `auto` | `9:16`, `1:1`, `16:9`, `auto` | Poměr stran videa. |
| `seed` |  | integer \| null | no |  |  | Seed řídící náhodnost během generování. |
| `num_frames` |  | integer | no | `121` | 9 – 1,441 | Celkový počet snímků videa. |
| `first_pass_num_inference_steps` |  | integer | no | `8` | 2 – 12 | Počet inferenčních kroků v prvním průchodu. |
| `second_pass_num_inference_steps` |  | integer | no | `8` | 2 – 12 | Počet inferenčních kroků ve druhém průchodu. |
| `second_pass_skip_initial_steps` |  | integer | no | `5` | 1 – 11 | Počáteční počet inferenčních kroků vynechaných během druhého průchodu, čímž se tento průchod zaměří spíše na jemné detaily než na velké změny. |
| `frame_rate` |  | integer | no | `24` | 1 – 60 | Snímková frekvence videa. |
| `expand_prompt` |  | boolean | no | `false` |  | Rozšíření promptu pomocí jazykového modelu. |
| `reverse_video` |  | boolean | no | `false` |  | Obrácení pořadí přehrávání videa. |
| `enable_safety_checker` |  | boolean | no | `true` |  | Přepínač kontroly bezpečnosti, jehož vypnutí se respektuje pouze u autorizovaných účtů. U všech požadavků bez tohoto oprávnění se provádějí bezpečnostní kontroly. |
| `enable_detail_pass` |  | boolean | no | `false` |  | Volitelný druhý průchod vylepšením, který po zapnutí zlepší detaily videa. |
| `temporal_adain_factor` |  | number | no | `0.5` | 0 – 1 | Síla adaptivní normalizace instance (AdaIN), která při vyšších hodnotách vyvažuje konzistenci barev a při nižších větší barevnou variabilitu. Funguje na vygenerovaných blocích kromě prvního a normalizuje rozložení barev v celém videu, aby pomohla omezit postupný nárůst sytosti nebo kontrastu. |
| `tone_map_compression_ratio` |  | number | no | `0` | 0 – 1 | Úroveň komprese mapování tónů od bez komprese při 0.0 po maximální kompresi při 1.0. Komprese dynamického rozsahu videa tímto způsobem zlepšuje vizuální kvalitu. |
| `constant_rate_factor` |  | integer | no | `29` | 0 – 51 | Konstantní faktor rychlosti (CRF) používaný pro kompresi vstupu, který může zlepšit kvalitu pohybu přiblížením dodaného média trénovacím datům modelu. |
| `images` |  | array of object {image_url, start_frame_num, strength} | no | `[]` |  | Obrázky pro podmiňování dodané prostřednictvím URL. |
| `images[].image_url` |  | string (image URL) | yes |  |  | Obrázek pro podmiňování dodaný prostřednictvím URL. |
| `images[].start_frame_num` |  | integer | no | `0` | 0 – 1,440 | Počáteční pozice podmiňování obrázkem zadaná číslem snímku dělitelným 8. |
| `images[].strength` |  | number | no | `1` | 0 – 1 | Intenzita podmiňování: 0.0 podmiňování vypne, zatímco 1.0 je použije v plném rozsahu. |
| `videos` |  | array of object {video_url, conditioning_type, preprocess, start_frame_num, strength, limit_num_frames, max_num_frames, resample_fps, target_fps, reverse_video} | no | `[]` |  | Videa dodaná pro podmiňování. |
| `videos[].video_url` |  | string (video URL) | yes |  |  | Video pro podmiňování dodané prostřednictvím URL. |
| `videos[].conditioning_type` |  | enum (string) \| null | no | `rgb` | `rgb`, `depth`, `pose`, `canny` | Kategorie podmiňování videem používaná k výběru předzpracovatelského řetězce při zapnutém předzpracování a ke správnému použití vah LoRA v kontextu. |
| `videos[].preprocess` |  | boolean | no | `false` |  | Povolí předzpracování odpovídající typu podmiňování videa. U RGB podmiňování jeho zapnutí nic nemění. |
| `videos[].start_frame_num` |  | integer | no | `0` | 0 – 1,440 | Počáteční pozice podmiňování ve videu zadaná jako číslo snímku dělitelné 8. |
| `videos[].strength` |  | number | no | `1` | 0 – 1 | Intenzita podmiňování: 0.0 podmiňování vypne, zatímco 1.0 je použije v plném rozsahu. |
| `videos[].limit_num_frames` |  | boolean | no | `false` |  | Přepínač limitu snímků videa: po zapnutí určuje `max_num_frames` maximální počet snímků převzatých z videa. |
| `videos[].max_num_frames` |  | integer | no | `1441` | 1 – 1,441 | Limit použitých snímků videa, přičemž None vybere celé video místo omezeného počtu snímků. |
| `videos[].resample_fps` |  | boolean | no | `false` |  | Přepínač převodu snímkové frekvence videa: po zapnutí převzorkuje video na frekvenci určenou hodnotou `target_fps`. |
| `videos[].target_fps` |  | integer | no | `24` | 1 – 60 | Snímková frekvence převzorkování v FPS, použitelná pouze při povoleném `resample_fps`. |
| `videos[].reverse_video` |  | boolean | no | `false` |  | Obrácení pořadí videa pro úlohy, které vyžadují podmiňování podle snímků pozpátku. |

## Example input

Required parameters only:

```json
{
  "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
}
```

A fuller example:

```json
{
  "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
}
```

## 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/ltxv-13b-098-distilled/multiconditioning?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"
  }'

# 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/ltxv-13b-098-distilled/multiconditioning?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"
  }),
});
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",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/ltxv-13b-098-distilled/multiconditioning", 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": "ltxv-13b-098-distilled/multiconditioning",
      "input": {
        "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
      },
      "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": "ltxv-13b-098-distilled/multiconditioning",
  "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": 101,
    "usd": "0.101",
    "charged": 101,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  },
  "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
    },
    "prompt": "A vibrant, abstract composition featuring a person with outstretched arms, rendered in a kaleidoscope of colors against a deep, dark background. The figure is composed of intricate, swirling patterns reminiscent of a mosaic, with hues of orange, yellow, blue, and green that evoke the style of artists such as Wassily Kandinsky or Bridget Riley. The camera zooms into the face striking portrait of a man, reimagined through the lens of old-school video-game graphics. The subject's face is rendered in a kaleidoscope of colors, with bold blues and reds set against a vibrant yellow backdrop. His dark hair is pulled back, framing his profile in a dramatic pose.",
    "seed": 42
  },
  "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} | Video soubor vytvořený generováním. |
| `prompt` | string | Prompt použitý k vygenerování výstupu. |
| `seed` | integer | Hodnota seedu použitá při generování. |

## Related models

- [LTX-Video 13B 0.9.8 Distilled](https://doitong.com/developers/models/ltxv-13b-098-distilled.md) (`ltxv-13b-098-distilled`): from $0.02 / second of output video
- [LTX-Video 13B 0.9.8 Distilled · Image to Video](https://doitong.com/developers/models/ltxv-13b-098-distilled/image-to-video.md) (`ltxv-13b-098-distilled/image-to-video`): from $0.02 / second of output video
- [LTX-Video 13B 0.9.8 Distilled · Extend](https://doitong.com/developers/models/ltxv-13b-098-distilled/extend.md) (`ltxv-13b-098-distilled/extend`): from $0.02 / second of output video
- [Ltx 2.3](https://doitong.com/developers/models/ltx-2.3/reframe.md) (`ltx-2.3/reframe`): from $0.10 / second of input 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 Quality · Clean Plate](https://doitong.com/developers/models/ltx-2.3-quality/clean-plate.md) (`ltx-2.3-quality/clean-plate`): $0.00241 / megapixel of output video
- [Ltx 2.3 Quality · Colorization](https://doitong.com/developers/models/ltx-2.3-quality/colorization.md) (`ltx-2.3-quality/colorization`): $0.00241 / megapixel of output video
- [Ltx 2.3 Quality · Cross Eyed](https://doitong.com/developers/models/ltx-2.3-quality/cross-eyed.md) (`ltx-2.3-quality/cross-eyed`): $0.00241 / megapixel of output video

## Links

- HTML page: https://doitong.com/developers/models/ltxv-13b-098-distilled/multiconditioning
- 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=ltxv-13b-098-distilled/multiconditioning
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.ru/v1/models/ltxv-13b-098-distilled/multiconditioning