Ir al contenido

LTX-2.3 22B · Audio to Video

Integrar

ID del modelo 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"

Archivos como el ejemplo: 0,358 $ 358 créditos de API · ≈ 38,42 ₽ tus archivos se miden antes de la ejecución Ejecutar en esta página

Obtener clave de API
Lightricks Sincronización labial y avatares Sincronización labial

Crea un vídeo que sigue una pista de audio de entrada, con imágenes opcionales para el primer y último fotograma y LoRA de cámara

Lightricks · Vídeo

Tu primer resultado aparecerá aquí

Crea una solicitud a continuación y ejecútala con tu clave de API. Las salidas se copian en nuestro almacenamiento, conservadas para siempre o 7 días gratis.

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan al modificarlos.

•obligatorio

Prompt utilizado como base para la generación de vídeo.

•obligatorio audio_url
Suelta un archivo o

URL del audio de origen utilizado para generar el vídeo.

image_url
Suelta un archivo o

URL opcional de la imagen que define el fotograma inicial del vídeo.

video_size predeterminado landscape_16_9

Dimensiones del vídeo, con ajuste al tamaño de la imagen de entrada mediante 'auto' cuando se proporciona una imagen.

predeterminado 121

Número de fotogramas de la salida generada.

predeterminado 24

Frecuencia de fotogramas del vídeo de salida, medida en fotogramas por segundo.

Avanzado 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
predeterminado news broadcast, 3d an...

Prompt negativo utilizado durante la generación de vídeo.

end_image_url
Suelta un archivo o

URL de la imagen que define el fotograma final del vídeo.

scheduler predeterminado ltx2

Selección del planificador.

acceleration predeterminado regular

Nivel de aceleración aplicado al procesamiento.

camera_lora predeterminado none

Selección de Camera LoRA para controlar el movimiento del vídeo generado con mayor precisión que solo mediante prompts de movimiento de cámara.

video_output_type predeterminado X264 (.mp4)

Tipo de salida del vídeo resultante.

video_quality predeterminado high

Nivel de calidad del vídeo resultante.

video_write_mode predeterminado balanced

Modo de escritura del vídeo resultante.

predeterminado 40

Número de pasos de inferencia realizados.

predeterminado 3

Configuración de guía del vídeo: auméntala para obtener mayor coherencia y enfoque en el contenido generado. Usa guía sin clasificador (CFG).

predeterminado 0

Control de coherencia y enfoque del vídeo mediante la escala de guía espaciotemporal (STG); aumenta la configuración para reforzar ambas cualidades.

predeterminado 0.7

Ajuste de reescalado del vídeo para equilibrar la guía sin clasificador y la guía espaciotemporal como proporción.

predeterminado 3

Ajuste de modalidad del vídeo para equilibrar las contribuciones del vídeo y el audio como proporción.

predeterminado 7

Configuración de guía del audio: auméntala para obtener mayor coherencia y enfoque en el contenido generado. Usa guía sin clasificador (CFG).

predeterminado 0

Control de coherencia y enfoque del audio mediante la escala de guía espaciotemporal (STG); aumenta la configuración para reforzar ambas cualidades.

predeterminado 0.7

Ajuste de reescalado del audio para equilibrar la guía sin clasificador y la guía espaciotemporal como proporción.

predeterminado 3

Ajuste de modalidad del audio para equilibrar las contribuciones del vídeo y el audio como proporción.

predeterminado 2

Configuración de estimación del gradiente de eliminación de ruido: 0 desactiva la estimación; de lo contrario, el valor especifica gamma.

predeterminado 1

Intensidad de Camera LoRA para controlar el movimiento del vídeo generado con mayor precisión que solo mediante prompts de movimiento de cámara.

predeterminado 0.2

Controla la escala de distil LoRA de la primera pasada; usa 0 para desactivarla.

predeterminado 0.5

Controla la escala de distil LoRA en cada pasada posterior a la primera.

predeterminado 1

Intensidad de la influencia de la imagen en la generación de vídeo.

predeterminado 1

Controla cuánto influye la imagen final en el vídeo generado.

predeterminado 1

Intensidad del condicionamiento del audio, donde exactamente 1.0 conserva la entrada sin cambios. El modelo puede modificar el audio con valores inferiores a 1.0.

Valor de semilla que inicializa la generación de números aleatorios.

POST /run/ltx-2.3-22b/audio-to-video?wait=20 presupuesto → 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"

Ejecutar esta solicitud

Tu clave permanece en este navegador: solo se envía a la Doitong API y solo se guarda en localStorage si marcas Recordar. Obtener una clave de API

Acerca de LTX-2.3 22B · Audio to Video

Necesita un `prompt` y un `audio_url`. De forma predeterminada, el número de fotogramas se deriva de la duración del audio (`match_audio_length`); de lo contrario, se aplica `num_frames` (de 9 a 481). `image_url` y `end_image_url` pueden fijar el primer y el último fotograma. Ofrece muchos controles de muestreo, como escalas de guía, `scheduler`, `camera_lora` y formatos de salida como mp4, webm, mov y GIF.

Parámetros

Envía el nombre canónico o el nombre nativo, pero no ambos. Nombres canónicos

NombreTipo PredeterminadoPermitido Descripción
promptobligatorio
Tipostring
Prompt utilizado como base para la generación de vídeo.
audio_urlobligatorio audio
Tipourl · audio
URL del audio de origen utilizado para generar el vídeo.
image_urlopcional image
Tipourl · image
URL opcional de la imagen que define el fotograma inicial del vídeo.
end_image_urlopcional end_image
Tipourl · image
URL de la imagen que define el fotograma final del vídeo.
match_audio_lengthopcional
Tipoboolean
Predeterminadotrue
Interruptor de selección del número de fotogramas: desactivado usa num_frames, mientras que activado calcula el número a partir de FPS y la duración del audio.
num_framesopcional
Tipointeger
Predeterminado121
9 – 481
Número de fotogramas de la salida generada.
video_sizeopcional
Tipoobject
Predeterminadolandscape_16_9
autosquare_hdsquareportrait_4_3portrait_16_9landscape_4_3landscape_16_9
Dimensiones del vídeo, con ajuste al tamaño de la imagen de entrada mediante 'auto' cuando se proporciona una imagen.
use_multiscaleopcional
Tipoboolean
Predeterminadotrue
Interruptor de generación multiescala para mejorar la coherencia y el detalle. Con True, un vídeo preliminar más pequeño guía una segunda generación cuyo tamaño alcanza o supera las dimensiones solicitadas.
fpsopcional
Tiponumber
Predeterminado24
1 – 60
Frecuencia de fotogramas del vídeo de salida, medida en fotogramas por segundo.
num_inference_stepsopcional
Tipointeger
Predeterminado40
8 – 50
Número de pasos de inferencia realizados.
video_cfg_scaleopcional
Tiponumber
Predeterminado3
1 – 20
Configuración de guía del vídeo: auméntala para obtener mayor coherencia y enfoque en el contenido generado. Usa guía sin clasificador (CFG).
video_stg_scaleopcional
Tiponumber
Predeterminado0
0 – 20
Control de coherencia y enfoque del vídeo mediante la escala de guía espaciotemporal (STG); aumenta la configuración para reforzar ambas cualidades.
video_rescaling_scaleopcional
Tiponumber
Predeterminado0.7
0 – 1
Ajuste de reescalado del vídeo para equilibrar la guía sin clasificador y la guía espaciotemporal como proporción.
video_modality_scaleopcional
Tiponumber
Predeterminado3
0 – 10
Ajuste de modalidad del vídeo para equilibrar las contribuciones del vídeo y el audio como proporción.
audio_cfg_scaleopcional
Tiponumber
Predeterminado7
1 – 20
Configuración de guía del audio: auméntala para obtener mayor coherencia y enfoque en el contenido generado. Usa guía sin clasificador (CFG).
audio_stg_scaleopcional
Tiponumber
Predeterminado0
0 – 20
Control de coherencia y enfoque del audio mediante la escala de guía espaciotemporal (STG); aumenta la configuración para reforzar ambas cualidades.
audio_rescaling_scaleopcional
Tiponumber
Predeterminado0.7
0 – 1
Ajuste de reescalado del audio para equilibrar la guía sin clasificador y la guía espaciotemporal como proporción.
audio_modality_scaleopcional
Tiponumber
Predeterminado3
0 – 10
Ajuste de modalidad del audio para equilibrar las contribuciones del vídeo y el audio como proporción.
gradient_estimation_gammaopcional
Tiponumber
Predeterminado2
0 – 10
Configuración de estimación del gradiente de eliminación de ruido: 0 desactiva la estimación; de lo contrario, el valor especifica gamma.
use_restart_samplingopcional
Tipoboolean
Predeterminadofalse
Interruptor de muestreo con reinicio para mejorar potencialmente la calidad del vídeo: al activarlo, introduce un poco de ruido en cada paso de eliminación de ruido.
scheduleropcional
Tipoenum
Predeterminadoltx2
ltx2linear_quadraticbeta
Selección del planificador.
accelerationopcional
Tipoenum
Predeterminadoregular
noneregularhighfull
Nivel de aceleración aplicado al procesamiento.
camera_loraopcional
Tipoenum
Predeterminadonone
dolly_indolly_outdolly_leftdolly_rightjib_upjib_downstaticnone
Selección de Camera LoRA para controlar el movimiento del vídeo generado con mayor precisión que solo mediante prompts de movimiento de cámara.
camera_lora_scaleopcional
Tiponumber
Predeterminado1
0 – 1
Intensidad de Camera LoRA para controlar el movimiento del vídeo generado con mayor precisión que solo mediante prompts de movimiento de cámara.
negative_promptopcional
Tipostring
Predeterminadonews broadcast, 3d animation, computer graphics, pc game, console game, video game, cartoon, childish, watermark, logo, text, on screen text, subtitles, titles, signature, slowmo, static
Prompt negativo utilizado durante la generación de vídeo.
seedopcional
Tipointeger | null
Valor de semilla que inicializa la generación de números aleatorios.
enable_prompt_expansionopcional
Tipoboolean
Predeterminadotrue
Controla si está habilitada la expansión del prompt.
enable_safety_checkeropcional
Tipoboolean
Predeterminadotrue
Controla si está activada la comprobación de seguridad.
video_output_typeopcional
Tipoenum
PredeterminadoX264 (.mp4)
X264 (.mp4)VP9 (.webm)PRORES4444 (.mov)GIF (.gif)
Tipo de salida del vídeo resultante.
video_qualityopcional
Tipoenum
Predeterminadohigh
lowmediumhighmaximum
Nivel de calidad del vídeo resultante.
video_write_modeopcional
Tipoenum
Predeterminadobalanced
fastbalancedsmall
Modo de escritura del vídeo resultante.
distill_lora_first_pass_scaleopcional
Tiponumber
Predeterminado0.2
0 – 1
Controla la escala de distil LoRA de la primera pasada; usa 0 para desactivarla.
distill_lora_second_pass_scaleopcional
Tiponumber
Predeterminado0.5
0 – 1
Controla la escala de distil LoRA en cada pasada posterior a la primera.
image_strengthopcional
Tiponumber
Predeterminado1
0 – 1
Intensidad de la influencia de la imagen en la generación de vídeo.
end_image_strengthopcional
Tiponumber
Predeterminado1
0 – 1
Controla cuánto influye la imagen final en el vídeo generado.
audio_strengthopcional
Tiponumber
Predeterminado1
0 – 1
Intensidad del condicionamiento del audio, donde exactamente 1.0 conserva la entrada sin cambios. El modelo puede modificar el audio con valores inferiores a 1.0.
preprocess_audioopcional
Tipoboolean
Predeterminadotrue
Controla si el audio se preprocesa antes de usarse para el condicionamiento.
obligatorio Nombre canónico, también aceptado

Los parámetros de archivo aceptan una URL pública https://, un URI data: de hasta 10 MB o el file_url de una subida. Archivos

Salida

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"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: conservada para siempre (con pago por GB-mes) o 7 días gratis, según la configuración de tu cuenta o ?storage=.
La misma estructura en todos los modelostype, url, content_type, width, height y duration, tanto para imágenes como para vídeo y audio. output es el objeto de resultado propio del modelo.
Campos de salida
video
object {url, content_type, file_name, file_size, width, height, fps, duration, num_frames}Vídeo producido por el modelo.
seed
integerValor de semilla utilizado para inicializar la generación de números aleatorios.
prompt
stringPrompt utilizado para guiar la generación.

Más modelos: Sincronización labial y avatares

Para agentes de IA: esta página en Markdown está en https://doitong.com/es-ES/developers/models/ltx-2.3-22b/audio-to-video.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt