Перейти к содержимому

LTX-2.3 22B · Audio to Video

Интеграция

ID модели ltx-2.3-22b/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-2.3-22b/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": "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"

Файлы, как в примере: 0,358 $ 358 API-кредитов · ≈ 38,51 ₽ ваши файлы измеряются перед запуском Запустить на этой странице

Получить API-ключ
Lightricks Синхронизация губ и аватары Синхронизация губ

Создаёт видео по входной аудиодорожке с необязательными изображениями первого и последнего кадра и camera LoRA

Lightricks · Видео

Здесь появится ваш первый результат

Составьте запрос ниже и выполните его с помощью API-ключа. Результаты копируются в наше хранилище и хранятся навсегда или 7 дней бесплатно.

Сформировать запрос

Элементы управления сгенерированы из схемы модели. Код и цена обновляются при изменении параметров.

•обязательно

Промпт, используемый как основа для генерации видео.

•обязательно audio_url
Перетащите файл или

URL исходного аудио, используемого для генерации видео.

image_url
Перетащите файл или

Необязательный URL изображения, задающего первый кадр видео.

video_size по умолчанию landscape_16_9

Размеры видео; при наличии входного изображения их можно определить через 'auto'.

по умолчанию 121

Количество кадров в сгенерированных выходных данных.

по умолчанию 24

Частота кадров выходного видео, измеряемая в кадрах в секунду.

Расширенные negative_prompt · end_image · scheduler · acceleration · camera_lora · video_output_type · video_quality · video_write_mode · num_inference_steps · video_cfg_scale · video_stg_scale · video_rescaling_scale · video_modality_scale · audio_cfg_scale · audio_stg_scale · audio_rescaling_scale · audio_modality_scale · gradient_estimation_gamma · camera_lora_scale · distill_lora_first_pass_scale · distill_lora_second_pass_scale · image_strength · end_image_strength · audio_strength · seed · use_multiscale · use_restart_sampling · enable_prompt_expansion · enable_safety_checker · preprocess_audio
по умолчанию news broadcast, 3d an...

Негативный промпт, используемый при генерации видео.

end_image_url
Перетащите файл или

URL изображения, задающего последний кадр видео.

scheduler по умолчанию ltx2

Выбор планировщика.

acceleration по умолчанию regular

Уровень ускорения, применяемый при обработке.

camera_lora по умолчанию none

Выбор Camera LoRA для более точного управления движением в сгенерированном видео, чем с помощью одних промптов движения камеры.

video_output_type по умолчанию X264 (.mp4)

Тип выходных данных результирующего видео.

video_quality по умолчанию high

Уровень качества результирующего видео.

video_write_mode по умолчанию balanced

Режим записи результирующего видео.

по умолчанию 40

Количество выполненных шагов инференса.

по умолчанию 3

Настройка управления видео: увеличьте её для большей согласованности и фокусировки сгенерированного содержимого. Использует classifier-free guidance (CFG).

по умолчанию 0

Управление согласованностью и фокусировкой видео через шкалу Spatiotemporal Guidance (STG); увеличьте значение для усиления обоих свойств.

по умолчанию 0.7

Коэффициент масштабирования видео для балансировки classifier-free и пространственно-временного управления.

по умолчанию 3

Коэффициент настройки модальностей видео для балансировки вклада видео и аудио.

по умолчанию 7

Настройка управления аудио: увеличьте её для большей согласованности и фокусировки сгенерированного содержимого. Использует classifier-free guidance (CFG).

по умолчанию 0

Управление согласованностью и фокусировкой аудио через шкалу Spatiotemporal Guidance (STG); увеличьте значение для усиления обоих свойств.

по умолчанию 0.7

Коэффициент масштабирования аудио для балансировки classifier-free и пространственно-временного управления.

по умолчанию 3

Коэффициент настройки модальностей аудио для балансировки вклада видео и аудио.

по умолчанию 2

Настройка оценки градиента удаления шума: 0 отключает оценку; в остальных случаях значение задаёт gamma.

по умолчанию 1

Интенсивность Camera LoRA для более точного управления движением в сгенерированном видео, чем с помощью одних промптов движения камеры.

по умолчанию 0.2

Управление масштабированием distill LoRA на первом проходе; значение 0 отключает его.

по умолчанию 0.5

Управление масштабированием distill LoRA для каждого прохода после первого.

по умолчанию 1

Сила влияния изображения на генерацию видео.

по умолчанию 1

Управляет влиянием конечного изображения на сгенерированное видео.

по умолчанию 1

Сила кондиционирования аудио; значение ровно 1.0 сохраняет входные данные без изменений. При значениях ниже 1.0 модель может изменить аудио.

Начальное значение, инициализирующее генерацию случайных чисел.

POST /run/ltx-2.3-22b/audio-to-video?wait=20 стоимость → 0,358 $
# 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": "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"

Запустить этот запрос

Ваш ключ хранится в этом браузере: он отправляется только в Doitong API и сохраняется в localStorage только при включении параметра «Запомнить». Получить API-ключ

О LTX-2.3 22B · Audio to Video

Требуются `prompt` и `audio_url`. По умолчанию количество кадров вычисляется по длительности аудио (`match_audio_length`); в противном случае используется `num_frames` (от 9 до 481). `image_url` и `end_image_url` могут задать первый и последний кадры. Доступны многочисленные параметры сэмплирования, включая шкалы guidance, `scheduler`, `camera_lora` и форматы вывода mp4, webm, mov и GIF.

Параметры

Передавайте либо каноническое имя, либо исходное имя, но не оба. Канонические имена

ИмяТип По умолчаниюДопустимые значения Описание
promptобязательно
Типstring
Промпт, используемый как основа для генерации видео.
audio_urlобязательно audio
Типurl · audio
URL исходного аудио, используемого для генерации видео.
image_urlнеобязательно image
Типurl · image
Необязательный URL изображения, задающего первый кадр видео.
end_image_urlнеобязательно end_image
Типurl · image
URL изображения, задающего последний кадр видео.
match_audio_lengthнеобязательно
Типboolean
По умолчаниюtrue
Переключатель выбора количества кадров: в выключенном состоянии используется num_frames, во включённом количество вычисляется по FPS и длительности аудио.
num_framesнеобязательно
Типinteger
По умолчанию121
9 – 481
Количество кадров в сгенерированных выходных данных.
video_sizeнеобязательно
Типobject
По умолчаниюlandscape_16_9
autosquare_hdsquareportrait_4_3portrait_16_9landscape_4_3landscape_16_9
Размеры видео; при наличии входного изображения их можно определить через 'auto'.
use_multiscaleнеобязательно
Типboolean
По умолчаниюtrue
Переключатель многоуровневой генерации для повышения согласованности и детализации. При значении True предварительное видео меньшего размера направляет вторую генерацию, размер которой соответствует запрошенным размерам или превышает их.
fpsнеобязательно
Типnumber
По умолчанию24
1 – 60
Частота кадров выходного видео, измеряемая в кадрах в секунду.
num_inference_stepsнеобязательно
Типinteger
По умолчанию40
8 – 50
Количество выполненных шагов инференса.
video_cfg_scaleнеобязательно
Типnumber
По умолчанию3
1 – 20
Настройка управления видео: увеличьте её для большей согласованности и фокусировки сгенерированного содержимого. Использует classifier-free guidance (CFG).
video_stg_scaleнеобязательно
Типnumber
По умолчанию0
0 – 20
Управление согласованностью и фокусировкой видео через шкалу Spatiotemporal Guidance (STG); увеличьте значение для усиления обоих свойств.
video_rescaling_scaleнеобязательно
Типnumber
По умолчанию0.7
0 – 1
Коэффициент масштабирования видео для балансировки classifier-free и пространственно-временного управления.
video_modality_scaleнеобязательно
Типnumber
По умолчанию3
0 – 10
Коэффициент настройки модальностей видео для балансировки вклада видео и аудио.
audio_cfg_scaleнеобязательно
Типnumber
По умолчанию7
1 – 20
Настройка управления аудио: увеличьте её для большей согласованности и фокусировки сгенерированного содержимого. Использует classifier-free guidance (CFG).
audio_stg_scaleнеобязательно
Типnumber
По умолчанию0
0 – 20
Управление согласованностью и фокусировкой аудио через шкалу Spatiotemporal Guidance (STG); увеличьте значение для усиления обоих свойств.
audio_rescaling_scaleнеобязательно
Типnumber
По умолчанию0.7
0 – 1
Коэффициент масштабирования аудио для балансировки classifier-free и пространственно-временного управления.
audio_modality_scaleнеобязательно
Типnumber
По умолчанию3
0 – 10
Коэффициент настройки модальностей аудио для балансировки вклада видео и аудио.
gradient_estimation_gammaнеобязательно
Типnumber
По умолчанию2
0 – 10
Настройка оценки градиента удаления шума: 0 отключает оценку; в остальных случаях значение задаёт gamma.
use_restart_samplingнеобязательно
Типboolean
По умолчаниюfalse
Переключатель повторного сэмплирования для потенциально лучшего качества видео: при включении на каждом шаге удаления шума добавляется немного шума.
schedulerнеобязательно
Типenum
По умолчаниюltx2
ltx2linear_quadraticbeta
Выбор планировщика.
accelerationнеобязательно
Типenum
По умолчаниюregular
noneregularhighfull
Уровень ускорения, применяемый при обработке.
camera_loraнеобязательно
Типenum
По умолчаниюnone
dolly_indolly_outdolly_leftdolly_rightjib_upjib_downstaticnone
Выбор Camera LoRA для более точного управления движением в сгенерированном видео, чем с помощью одних промптов движения камеры.
camera_lora_scaleнеобязательно
Типnumber
По умолчанию1
0 – 1
Интенсивность Camera LoRA для более точного управления движением в сгенерированном видео, чем с помощью одних промптов движения камеры.
negative_promptнеобязательно
Типstring
По умолчаниюnews broadcast, 3d animation, computer graphics, pc game, console game, video game, cartoon, childish, watermark, logo, text, on screen text, subtitles, titles, signature, slowmo, static
Негативный промпт, используемый при генерации видео.
seedнеобязательно
Типinteger | null
Начальное значение, инициализирующее генерацию случайных чисел.
enable_prompt_expansionнеобязательно
Типboolean
По умолчаниюtrue
Определяет, включено ли расширение промпта.
enable_safety_checkerнеобязательно
Типboolean
По умолчаниюtrue
Определяет, включена ли проверка безопасности.
video_output_typeнеобязательно
Типenum
По умолчаниюX264 (.mp4)
X264 (.mp4)VP9 (.webm)PRORES4444 (.mov)GIF (.gif)
Тип выходных данных результирующего видео.
video_qualityнеобязательно
Типenum
По умолчаниюhigh
lowmediumhighmaximum
Уровень качества результирующего видео.
video_write_modeнеобязательно
Типenum
По умолчаниюbalanced
fastbalancedsmall
Режим записи результирующего видео.
distill_lora_first_pass_scaleнеобязательно
Типnumber
По умолчанию0.2
0 – 1
Управление масштабированием distill LoRA на первом проходе; значение 0 отключает его.
distill_lora_second_pass_scaleнеобязательно
Типnumber
По умолчанию0.5
0 – 1
Управление масштабированием distill LoRA для каждого прохода после первого.
image_strengthнеобязательно
Типnumber
По умолчанию1
0 – 1
Сила влияния изображения на генерацию видео.
end_image_strengthнеобязательно
Типnumber
По умолчанию1
0 – 1
Управляет влиянием конечного изображения на сгенерированное видео.
audio_strengthнеобязательно
Типnumber
По умолчанию1
0 – 1
Сила кондиционирования аудио; значение ровно 1.0 сохраняет входные данные без изменений. При значениях ниже 1.0 модель может изменить аудио.
preprocess_audioнеобязательно
Типboolean
По умолчаниюtrue
Определяет, выполняется ли предварительная обработка аудио перед использованием для кондиционирования.
обязательно Каноническое имя, также принимается

Параметры файлов принимают общедоступный https:// URL, data: URI размером до 10 MB или file_url загруженного файла. Файлы

Результат

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "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"
  }
}
Ваши файлы — ваш выборКаждый URL из outputs[].url — это копия в нашем хранилище: она хранится навсегда (оплата за ГБ в месяц) или 7 дней бесплатно — в зависимости от настройки вашего аккаунта или параметра ?storage=.
Одинаковая структура у каждой моделиtype, url, content_type, width, height и duration — одинаково для изображений, видео и аудио. output — собственный объект результата модели.
Поля результата
video
object {url, content_type, file_name, file_size, width, height, fps, duration, num_frames}Видео, созданное моделью.
seed
integerЗначение seed, используемое для инициализации генерации случайных чисел.
prompt
stringПромпт, направляющий генерацию.

Другие модели: Синхронизация губ и аватары

Для AI-агентов: эта страница в формате Markdown доступна по адресу https://doitong.com/developers/models/ltx-2.3-22b/audio-to-video.md. Все модели и руководства: https://doitong.com/developers/llms.txt