# LTX-Video 13B 0.9.8 Distilled · Multiconditioning API

> تولید 13B تقطیرشده نسخه 0.9.8 که هم‌زمان با چندین تصویر و ویدیو و همچنین یک پرامپت شرطی می‌شود

با یک `prompt` الزامی و فهرست‌هایی از `images` و `videos` شرطی، ویدیو می‌سازد تا چندین مرجع بتوانند یک نتیجه را شکل دهند. خروجی 480p یا 720p با `aspect_ratio` برابر auto، 9:16، 1:1 یا 16:9 است. `num_frames` از 9 تا 1441 متغیر است و `loras` وزن‌های سفارشی را اضافه می‌کند.

- 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/fa/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 |  |  | دستورهای متنی هدایت‌کننده تولید. |
| `negative_prompt` |  | string | no | `worst quality, inconsistent motion, blurry, jittery, distorted` |  | دستورهای متنی منفی برای تولید. |
| `loras` |  | array of object {path, weight_name, scale} | no | `[]` |  | وزن‌های LoRA اعمال‌شده هنگام تولید. |
| `loras[].path` |  | string | yes |  |  | مکان وزن‌های LoRA، به‌صورت URL یا مسیر. |
| `loras[].weight_name` |  | string \| null | no |  |  | نام وزن LoRA برای انتخاب میان چند وزن در مخزن HuggingFace؛ فقط مخزن‌هایی که چند وزن دارند به آن نیاز دارند. این تنظیم مگر آن‌که `path` یک مخزن HuggingFace را مشخص کند، اثری ندارد. |
| `loras[].scale` |  | number | no | `1` | 0 – 4 | ضریب مقیاس‌دهنده وزن LoRA هنگام بارگذاری. |
| `resolution` |  | enum (string) | no | `720p` | `480p`, `720p` | وضوح ویدیوی خروجی. |
| `aspect_ratio` |  | enum (string) | no | `auto` | `9:16`, `1:1`, `16:9`, `auto` | نسبت تصویر ویدیو. |
| `seed` |  | integer \| null | no |  |  | seed کنترل‌کننده تصادفی‌بودن هنگام تولید. |
| `num_frames` |  | integer | no | `121` | 9 – 1,441 | تعداد کل فریم‌های ویدیو. |
| `first_pass_num_inference_steps` |  | integer | no | `8` | 2 – 12 | تعداد گام‌های استنتاج برای گذر اول. |
| `second_pass_num_inference_steps` |  | integer | no | `8` | 2 – 12 | تعداد گام‌های استنتاج برای گذر دوم. |
| `second_pass_skip_initial_steps` |  | integer | no | `5` | 1 – 11 | تعداد اولیه گام‌های استنتاجی که در گذر دوم حذف می‌شوند و آن گذر را به‌جای تغییرات بزرگ‌مقیاس به سمت جزئیات ظریف سوق می‌دهند. |
| `frame_rate` |  | integer | no | `24` | 1 – 60 | نرخ فریم ویدیو. |
| `expand_prompt` |  | boolean | no | `false` |  | گسترش پرامپت از طریق مدل زبانی. |
| `reverse_video` |  | boolean | no | `false` |  | معکوس‌کردن ترتیب پخش ویدیو. |
| `enable_safety_checker` |  | boolean | no | `true` |  | کلید بررسی ایمنی که حالت خاموش آن فقط برای حساب‌های مجاز پذیرفته می‌شود. همه درخواست‌های فاقد این مجوز بررسی ایمنی می‌شوند. |
| `enable_detail_pass` |  | boolean | no | `false` |  | گذر پالایش دوم اختیاری که در صورت فعال‌بودن جزئیات ویدیو را بهبود می‌دهد. |
| `temporal_adain_factor` |  | number | no | `0.5` | 0 – 1 | شدت نرمال‌سازی تطبیقی نمونه (AdaIN) که در مقادیر بالاتر انسجام رنگ و در مقادیر پایین‌تر تنوع رنگ بیشتری ایجاد می‌کند. این فرایند روی قطعه‌های تولیدشده به‌جز قطعه اول اعمال می‌شود و توزیع رنگ را در سراسر ویدیو نرمال می‌کند تا افزایش تدریجی اشباع یا کنتراست را کاهش دهد. |
| `tone_map_compression_ratio` |  | number | no | `0` | 0 – 1 | سطح فشرده‌سازی نگاشت تُن، از بدون فشرده‌سازی در 0.0 تا بیشترین فشرده‌سازی در 1.0. فشرده‌سازی دامنه پویای ویدیو به این روش کیفیت بصری را بهبود می‌دهد. |
| `constant_rate_factor` |  | integer | no | `29` | 0 – 51 | ضریب نرخ ثابت (CRF) استفاده‌شده برای فشرده‌سازی ورودی که ممکن است با نزدیک‌کردن رسانه ارائه‌شده به داده‌های آموزشی مدل، کیفیت حرکت را بهبود دهد. |
| `images` |  | array of object {image_url, start_frame_num, strength} | no | `[]` |  | تصاویر شرطی‌سازی ارائه‌شده از طریق URL. |
| `images[].image_url` |  | string (image URL) | yes |  |  | تصویر شرطی‌سازی ارائه‌شده از طریق URL. |
| `images[].start_frame_num` |  | integer | no | `0` | 0 – 1,440 | موقعیت آغاز شرطی‌سازی تصویر، مشخص‌شده با شماره فریمی که بر 8 بخش‌پذیر است. |
| `images[].strength` |  | number | no | `1` | 0 – 1 | شدت شرطی‌سازی: مقدار 0.0 آن را غیرفعال و 1.0 آن را به‌طور کامل اعمال می‌کند. |
| `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 | `[]` |  | ویدیوهای ارائه‌شده برای شرطی‌سازی. |
| `videos[].video_url` |  | string (video URL) | yes |  |  | ویدیوی شرطی‌سازی ارائه‌شده از طریق URL. |
| `videos[].conditioning_type` |  | enum (string) \| null | no | `rgb` | `rgb`, `depth`, `pose`, `canny` | دسته شرطی‌سازی ویدیو که برای انتخاب خط لوله پیش‌پردازش هنگام فعال‌بودن پیش‌پردازش و اعمال درست وزن‌های LoRA درون‌زمینه استفاده می‌شود. |
| `videos[].preprocess` |  | boolean | no | `false` |  | پیش‌پردازش را برای تطبیق با نوع شرطی‌سازی ویدیو فعال می‌کند. برای شرطی‌سازی RGB، فعال‌کردن آن تغییری ایجاد نمی‌کند. |
| `videos[].start_frame_num` |  | integer | no | `0` | 0 – 1,440 | موقعیت آغاز شرطی‌سازی در ویدیو، مشخص‌شده به‌صورت شماره فریمی که بر 8 بخش‌پذیر است. |
| `videos[].strength` |  | number | no | `1` | 0 – 1 | شدت شرطی‌سازی: مقدار 0.0 آن را غیرفعال و 1.0 آن را به‌طور کامل اعمال می‌کند. |
| `videos[].limit_num_frames` |  | boolean | no | `false` |  | کلید محدودیت فریم ویدیو: فعال‌کردن آن `max_num_frames` را به سقف فریم‌های برداشت‌شده از ویدیو تبدیل می‌کند. |
| `videos[].max_num_frames` |  | integer | no | `1441` | 1 – 1,441 | سقف استفاده از فریم‌های ویدیو؛ مقدار None کل ویدیو را به‌جای تعداد محدودی فریم انتخاب می‌کند. |
| `videos[].resample_fps` |  | boolean | no | `false` |  | کلید تبدیل نرخ فریم ویدیو: با فعال‌کردن آن، ویدیو با نرخ مشخص‌شده توسط `target_fps` نمونه‌برداری مجدد می‌شود. |
| `videos[].target_fps` |  | integer | no | `24` | 1 – 60 | نرخ فریم نمونه‌برداری مجدد برحسب FPS که فقط با فعال‌بودن `resample_fps` اعمال می‌شود. |
| `videos[].reverse_video` |  | boolean | no | `false` |  | معکوس‌کردن ترتیب ویدیو برای وظایفی که شرطی‌سازی باید فریم‌ها را از انتها دنبال کند. |

## 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} | فایل ویدیویی تولیدشده. |
| `prompt` | string | پرامپتی که برای تولید خروجی استفاده شده است. |
| `seed` | integer | مقدار Seed اعمال‌شده هنگام تولید. |

## 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