رفتن به محتوا

Ltx 2.3 Quality · Text to Audio · LoRA

یکپارچه‌سازی

شناسه مدل ltx-2.3-quality/text-to-audio/lora
# 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/text-to-audio/lora?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",
    "loras": [
      {
        "path": "https://example.com/your-file.safetensors"
      }
    ]
  }'

# 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"

این درخواست: ≈⁨‎$۰٫۷۰⁩ ۷۰۰ اعتبار API · ≈ ⁨‎₽۷۵٫۳۱⁩ اجرای آن در این صفحه

دریافت کلید API
Lightricks صوت #text-to-audio

تولید متن‌به‌صدا با اعمال حداکثر 3 LoRA سفارشی

Lightricks · صوت

اولین نتیجه شما اینجا قرار می‌گیرد

درخواست را در زیر بسازید و با کلید API خود اجرا کنید. خروجی‌ها در فضای ذخیره‌سازی ما کپی می‌شوند و برای همیشه یا به‌مدت ۷ روز رایگان نگه‌داری می‌شوند.

ساخت درخواست

کنترل‌ها از شِمای مدل تولید می‌شوند. با تغییر آن‌ها، کد و قیمت به‌روزرسانی می‌شوند.

•الزامی

پرامپت توصیف‌کننده صوت موردنظر برای تولید.

پیش‌فرض 121

مدت صوت که به‌صورت تعداد فریم‌های ویدیویی LTX مشخص می‌شود؛ برای به‌دست‌آوردن طول تقریبی برحسب ثانیه، `num_frames` را بر `frames_per_second` تقسیم کنید.

•الزامی

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.

پیشرفته negative_prompt · frames_per_second · num_inference_steps · guidance_scale · seed · enable_prompt_expansion · enable_safety_checker
پیش‌فرض pc game, console game...

پرامپت منفی که مشخص می‌کند تولید باید از چه چیزهایی پرهیز کند.

پیش‌فرض 24

نرخ فریم برای محاسبه مدت صوت خروجی.

پیش‌فرض 15

تعداد کل گام‌های استنتاج.

پیش‌فرض 1

قدرت راهنمایی بدون طبقه‌بند.

Seed برای تکرارپذیر کردن تولید. تنظیم آن روی None، Seed را به‌صورت تصادفی انتخاب می‌کند.

POST /run/ltx-2.3-quality/text-to-audio/lora?wait=20 قیمت → ⁨‎$۰٫۷۰⁩
# 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/text-to-audio/lora?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",
    "loras": [
      {
        "path": "https://example.com/your-file.safetensors"
      }
    ]
  }'

# 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"

اجرای این درخواست

کلید شما در این مرورگر باقی می‌ماند: فقط به Doitong API ارسال می‌شود و فقط در صورت فعال‌کردن گزینه «یادآوری»، در localStorage ذخیره می‌شود. دریافت کلید API

درباره Ltx 2.3 Quality · Text to Audio · LoRA

از یک `prompt` متنی صدا تولید می‌کند و به فهرست `loras` شامل حداکثر 3 LoRA سفارشی، هرکدام حداکثر 3 GB، نیاز دارد. مدت تقریباً `num_frames` تقسیم بر `frames_per_second` است و `num_frames` بین 9 و 481 قرار دارد. `negative_prompt`، `seed` و `guidance_scale` از 1 تا 20 نیز پذیرفته می‌شوند.

پارامترها

نامنوع پیش‌فرضمجاز توضیحات
promptالزامی
نوعstring
پرامپت توصیف‌کننده صوت موردنظر برای تولید.
num_framesاختیاری
نوعinteger
پیش‌فرض121
۹ – ۴۸۱
مدت صوت که به‌صورت تعداد فریم‌های ویدیویی LTX مشخص می‌شود؛ برای به‌دست‌آوردن طول تقریبی برحسب ثانیه، `num_frames` را بر `frames_per_second` تقسیم کنید.
frames_per_secondاختیاری
نوعnumber
پیش‌فرض24
۱ – ۶۰
نرخ فریم برای محاسبه مدت صوت خروجی.
num_inference_stepsاختیاری
نوعinteger
پیش‌فرض15
۸ – ۳۰
تعداد کل گام‌های استنتاج.
guidance_scaleاختیاری
نوعnumber
پیش‌فرض1
۱ – ۲۰
قدرت راهنمایی بدون طبقه‌بند.
negative_promptاختیاری
نوعstring
پیش‌فرضpc game, console game, video game, cartoon, childish, ugly
پرامپت منفی که مشخص می‌کند تولید باید از چه چیزهایی پرهیز کند.
seedاختیاری
نوعinteger | null
Seed برای تکرارپذیر کردن تولید. تنظیم آن روی None، Seed را به‌صورت تصادفی انتخاب می‌کند.
enable_prompt_expansionاختیاری
نوعboolean
پیش‌فرضfalse
مشخص می‌کند گسترش پرامپت فعال باشد یا نه.
enable_safety_checkerاختیاری
نوعboolean
پیش‌فرضtrue
مشخص می‌کند بررسی ایمنی فعال باشد یا نه.
lorasالزامی
نوعobject[]
≤ ۳ مورد
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[].pathالزامی
نوعstring
≤ 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[].scaleاختیاری
نوعnumber
پیش‌فرض1
۰ – ۲
با افزایش این شدت در بازه 0.0–2.0، تأثیر LoRA بر ویدیوی تولیدشده بیشتر می‌شود.
loras[].transformerاختیاری
نوعenum
پیش‌فرضboth
highlowboth
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.
الزامی

خروجی

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ltx-2.3-quality/text-to-audio/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": 700,
    "usd": "0.70",
    "charged": 700,
    "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"
  },
  "output": {
    "audio": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_name": "0-output.mp3",
      "file_size": 1843200
    },
    "seed": 42,
    "prompt": "string"
  },
  "outputs": [
    {
      "type": "audio",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_size": 1843200,
      "duration": 12,
      "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"
  }
}
فایل‌های شما، انتخاب شماهر outputs[].url کپی‌ای در فضای ذخیره‌سازی ماست: برای همیشه (با هزینه به‌ازای هر GB-ماه) یا به‌مدت ۷ روز رایگان، بر اساس تنظیم حساب شما یا ?storage=.
ساختار یکسان در همه مدل‌هاtype، url، content_type، width، height و duration برای تصاویر، ویدیو و صدا یکسان هستند. output شیء نتیجه اختصاصی مدل است.
فیلدهای خروجی
audio
object {url, content_type, file_name, file_size}صوت تولیدشده توسط مدل.
seed
integerseed واقعی اعمال‌شده هنگام تولید.
prompt
stringپرامپت تولید، شامل هر گسترشی که پیش از استفاده اعمال شده است.

مدل‌های بیشتر: صوت

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/ltx-2.3-quality/text-to-audio/lora.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt