# Ltx 2.3 Quality · Reference Video to Video · LoRA API

> تولید مبتنی بر ویدئوی مرجع مانند نسخه پایه، با اعمال حداکثر 3 LoRA سفارشی

ویدئو را با `prompt` الزامی و `video_url` مرجع برای حرکت و ساختار تولید می‌کند و به `loras` شامل حداکثر 3 فایل LoRA، هرکدام حداکثر 3 GB، نیاز دارد. تصاویر اختیاری فریم‌های کلیدی اول، میانی و آخر (`image_url`، `mid_image_url`، `end_image_url`) ظاهر را تعیین می‌کنند. `video_strength` و `strength` از 0 تا 1 و `num_frames` از 9 تا 481 هستند.

- Model id: `ltx-2.3-quality/reference-video-to-video/lora`
- Made by: Lightricks
- Category: Video to Video
- Output: video
- Price per megapixel of your output video: $0.00271 / megapixel of output video (cheapest run $0.003 (3 API credits))
- Run: `POST https://api.doitong.ru/v1/run/ltx-2.3-quality/reference-video-to-video/lora`
- Quote: `POST https://api.doitong.ru/v1/quote/ltx-2.3-quality/reference-video-to-video/lora`
- Docs page: https://doitong.com/fa/developers/models/ltx-2.3-quality/reference-video-to-video/lora

## Pricing

Price: **$0.00271 / 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 $0.304 = 304 API credits (112 MP output video × $0.002708).

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-quality/reference-video-to-video/lora` 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 |  |  | پرامپت مورد استفاده برای هدایت تولید. |
| `video_url` | `video` | string (video URL) | yes |  |  | URL اشاره‌کننده به ویدیوی مرجعی که برای هدایت حرکت و ساختار استفاده می‌شود. |
| `control_video_url` |  | string (video URL) \| null | no |  |  | ویدیوی کنترلی ازپیش‌محاسبه‌شده اختیاری که در صورت ارائه همراه با `skip_control_preprocess` به‌جای برآورد داخلی کنترل استفاده می‌شود. پس از نمونه‌برداری مجدد برای تطبیق با ابعاد خروجی و تعداد فریم، به سیگنال کنترل مستقیم تبدیل می‌شود. این ویدیو می‌تواند مثلاً شامل ترکیب عمق، لبه یا ژستِ ازپیش‌رندرشده باشد. |
| `skip_control_preprocess` |  | boolean | no | `false` |  | حالت کنترل مستقیم با استفاده از `control_video_url` به‌جای برآورد داخلی عمق، لبه‌ها یا ژست؛ بدون آن URL، این تنظیم نادیده گرفته می‌شود. اندازه خروجی در این حالت از ابعاد صریح با هم‌ترازی 64 پیروی می‌کند تا ویدیوهای RGB و کنترلی هم‌اندازه بمانند، در حالی که `auto` ابعاد و نسبت تصویر منبع را در محدوده LTX می‌گیرد. |
| `preserve_original_video` |  | boolean | no | `false` |  | حالت حفظ ویدیوی اصلی که فقط با `skip_control_preprocess`، `video_url` و `control_video_url` در دسترس است. این حالت به‌طور پیش‌فرض غیرفعال است و پردازش استاندارد کنترل را حفظ می‌کند؛ فعال‌کردن آن تولید را از `video_url` آغاز می‌کند و هم‌زمان راهنمایی ساختاری `control_video_url` را نگه می‌دارد. حذف نویز از طریق `strength` میزان حفظ‌شدن را تعیین می‌کند؛ مقادیر کمتر پیکسل‌های اصلی بیشتری را حفظ می‌کنند. |
| `image_url` | `image` | string (image URL) \| null | no |  |  | سبک لنگرگذاری تصویر یا هویت شخصیت به‌صورت اختیاری، به‌عنوان کی‌فریم فریم اول. |
| `mid_image_url` |  | string (image URL) \| null | no |  |  | ظاهر اختیاری برای لنگرگذاری تصویر نزدیک میانه کلیپ که کی‌فریم اولیه `image_url` را تکمیل می‌کند. این گزینه کمک می‌کند ظاهر حرکت دوربین را دنبال کند و دچار لغزش نشود؛ به `image_url` نیاز دارد. |
| `end_image_url` | `end_image` | string (image URL) \| null | no |  |  | ظاهر اختیاری برای لنگرگذاری تصویر در فریم پایانی کلیپ. زمانی مفید است که حرکت دوربین در مکانی متفاوت از تصویر آغازین پایان یابد؛ به `image_url` نیاز دارد. |
| `video_strength` |  | number | no | `0.6` | 0 – 1 | آزادی تغییر حرکت و ساختار ویدیوی مرجع با این شدت شرطی‌سازی کنترل می‌شود: مقادیر کمتر تغییرات بیشتری را مجاز می‌کنند. |
| `strength` |  | number | no | `1` | 0 – 1 | کنترل حذف نویز برای نمونه‌برداری ویدیوی مرجع به ویدیو که اثر آن به `preserve_original_video` بستگی دارد. وقتی این حالت خاموش است، فقط برنامه حذف نویز را کوتاه می‌کند؛ وقتی روشن است، تبدیل پیکسل‌های منبع را کنترل می‌کند؛ 1.0 همه‌چیز را بازتولید می‌کند و مقادیر کمتر بخش بیشتری را حفظ می‌کنند (مثلاً 0.5 حدود 50٪ را حفظ می‌کند). |
| `num_frames` |  | integer | no | `121` | 9 – 481 | تعداد فریم خروجی، مشروط به بودجه پایداری IC-LoRA بر اساس حاصل‌ضرب وضوح در فریم‌ها. پاسخ 422 یعنی این بودجه رد شده است: وضوح یا `num_frames` را کاهش دهید. این بودجه تقریباً 150 فریم را در ابعاد رده 720p و تعداد بیشتری را در اندازه‌های کوچک‌تر مجاز می‌کند. |
| `resolution` |  | object {width, height} \| enum (string) | no | `auto` | `auto`, `square_hd`, `square`, `portrait_4_3`, `portrait_16_9`, `landscape_4_3`, `landscape_16_9` | ابعاد ویدیوی خروجی که بر مدت‌زمان پایدار نیز اثر می‌گذارد: اندازه‌های کوچک‌تر فریم‌های بیشتری را مجاز می‌کنند، در حالی که اندازه‌های بزرگ‌تر بیشینه را کاهش می‌دهند. برآورد داخلی کنترل اندازه را نزدیک به گردش‌کار رسمی کنترل نگه می‌دارد؛ کنترل مستقیم از طریق `skip_control_preprocess` و `control_video_url` در عوض از ابعاد صریح با هم‌ترازی 64px پیروی می‌کند. در حالت کنترل مستقیم، `auto` ابعاد و نسبت تصویر منبع را در محدوده LTX به ارث می‌برد. |
| `frames_per_second` |  | number | no | `24` | 1 – 60 | نرخ فریم ویدیوی خروجی، اندازه‌گیری‌شده برحسب فریم بر ثانیه. |
| `num_inference_steps` |  | integer | no | `15` | 8 – 30 | تعداد گام‌های استنتاج را تعیین کنید؛ حداکثر 30 است و باقی گذاشتن مقدار بدون تغییر از 15 استفاده می‌کند. |
| `guidance_scale` |  | number | no | `1` | 1 – 20 | هدایت بدون طبقه‌بند را با این مقیاس تنظیم کنید؛ تنظیم پیش‌فرض آن هم کیفیت بالا و هم تولید سریع را هدف می‌گیرد. |
| `generate_audio` |  | boolean | no | `true` |  | کلید قطعه صوتی برای MP4 بازگشتی: حالت خاموش فایل فقط ویدیو تولید می‌کند و حالت روشن صوت را نیز شامل می‌شود. |
| `negative_prompt` |  | string | no | `color 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` |  | پرامپت منفی که مشخص می‌کند تولید باید از چه چیزهایی پرهیز کند. |
| `seed` |  | integer \| null | no |  |  | Seed برای تکرارپذیر کردن تولید. تنظیم آن روی None، Seed را به‌صورت تصادفی انتخاب می‌کند. |
| `enable_prompt_expansion` |  | boolean | no | `true` |  | مشخص می‌کند گسترش پرامپت فعال باشد یا نه. |
| `enable_safety_checker` |  | boolean | no | `true` |  | مشخص می‌کند بررسی ایمنی فعال باشد یا نه. |
| `video_quality` |  | enum (string) | no | `high` | `low`, `medium`, `high`, `maximum` | پیش‌تنظیم کیفیت اعمال‌شده به ویدیوی خروجی. |
| `video_write_mode` |  | enum (string) | no | `balanced` | `fast`, `balanced`, `small` | حالت نوشتن ویدیوی حاصل. |
| `loras` |  | array of object {path, scale, transformer} | yes |  | ≤ 3 items | افزوده‌های LoRA برای LTX-2.3؛ هرکدام حداکثر 3 GB هستند و حداکثر 3 مدخل مجاز است. بارگیری فقط پس از دریافت هر مسیر توسط دریافت‌کننده امن در برابر SSRF رجیستری انجام می‌شود. |
| `loras[].path` |  | string | yes |  | ≤ 2048 characters | نشانی مستقیم HTTP(S) برای فایل LoRA با پسوند .safetensors و حداکثر اندازه 3 GB. بارگیری پس از دریافت با دریافت‌کننده امن در برابر SSRF انجام می‌شود. |
| `loras[].scale` |  | number | no | `1` | 0 – 2 | با افزایش این شدت در بازه 0.0–2.0، تأثیر LoRA بر ویدیوی تولیدشده بیشتر می‌شود. |
| `loras[].transformer` |  | enum (string) | no | `both` | `high`, `low`, `both` | پرچم انتخاب Transformer: 'both' برای تقریباً همه کاربران LTX-2.3 مناسب است، چون مدل فقط یک Transformer دارد. این پرچم برای پشتیبانی از معماری‌های آینده با چند Transformer وجود دارد. |

File parameters (`video`, `control_video_url`, `image`, `mid_image_url`, `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
{
  "loras": [
    {
      "path": "https://example.com/your-file.safetensors"
    }
  ],
  "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
  "video": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
}
```

A fuller example:

```json
{
  "loras": [
    {
      "path": "https://example.com/your-file.safetensors"
    }
  ],
  "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
  "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
}
```

## 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-quality/reference-video-to-video/lora?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "loras": [
      {
        "path": "https://example.com/your-file.safetensors"
      }
    ],
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  }'

# 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-quality/reference-video-to-video/lora?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "loras": [
      {
        "path": "https://example.com/your-file.safetensors"
      }
    ],
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  }),
});
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 = {
    "loras": [
        {
            "path": "https://example.com/your-file.safetensors",
        },
    ],
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/ltx-2.3-quality/reference-video-to-video/lora", 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-quality/reference-video-to-video/lora",
      "input": {
        "loras": [
          {
            "path": "https://example.com/your-file.safetensors"
          }
        ],
        "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
        "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
      },
      "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-quality/reference-video-to-video/lora",
  "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": 304,
    "usd": "0.304",
    "charged": 304,
    "refunded": 0
  },
  "input": {
    "loras": [
      {
        "path": "https://example.com/your-file.safetensors"
      }
    ],
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  },
  "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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `video` | object {url, content_type, file_name, file_size} | ویدیوی تولیدشده توسط مدل. |
| `seed` | integer | seed واقعی اعمال‌شده هنگام تولید. |
| `prompt` | string | پرامپت تولید، شامل هر گسترشی که پیش از استفاده اعمال شده است. |

## Related models

- [Ltx 2.3 Quality · Text to Video](https://doitong.com/developers/models/ltx-2.3-quality/text-to-video.md) (`ltx-2.3-quality/text-to-video`): $0.00241 / megapixel of output video
- [Ltx 2.3 Quality · Text to Video · LoRA](https://doitong.com/developers/models/ltx-2.3-quality/text-to-video/lora.md) (`ltx-2.3-quality/text-to-video/lora`): $0.00271 / megapixel of output video
- [Ltx 2.3 Quality · Image to Video](https://doitong.com/developers/models/ltx-2.3-quality/image-to-video.md) (`ltx-2.3-quality/image-to-video`): $0.00241 / megapixel of output video
- [Ltx 2.3 Quality · Image to Video · LoRA](https://doitong.com/developers/models/ltx-2.3-quality/image-to-video/lora.md) (`ltx-2.3-quality/image-to-video/lora`): $0.00271 / megapixel of output video
- [Ltx 2.3 Quality · Ingredient](https://doitong.com/developers/models/ltx-2.3-quality/ingredient.md) (`ltx-2.3-quality/ingredient`): $0.00241 / 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/ltx-2.3-quality/reference-video-to-video/lora
- 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-quality/reference-video-to-video/lora
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.ru/v1/models/ltx-2.3-quality/reference-video-to-video/lora