Passer au contenu

LTX 2.3 Trainer (V2) - Audio+Video Reference Transformation

Intégrer

Identifiant du modèle ltx23-trainer-v2/av2av
# 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/ltx23-trainer-v2/av2av?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "training_data_url": "https://example.com/your-file.zip"
  }'

# 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"

Cette requête: 13,60 $ 13 600 crédits API · ≈ 1 463,08 ₽ L’exécuter sur cette page

Obtenir une clé API
Lightricks Entraînement Entrées de référence1–60 s

Entraîne une LoRA associant la vidéo et l’audio d’un clip de référence à un clip cible apparié, les deux pistes étant générées ensemble

Lightricks · Fichier

Votre premier résultat apparaîtra ici

Créez une requête ci-dessous et exécutez-la avec votre clé API. Les sorties sont copiées dans notre stockage, conservées indéfiniment ou pendant 7 jours gratuitement.

Créer une requête

Les contrôles sont générés à partir du schéma du modèle. Le code et le prix se mettent à jour au fur et à mesure de vos modifications.

resolution par défaut medium

Résolution d'entraînement. Augmenter la résolution accroît les besoins en mémoire.

aspect_ratio par défaut 1:1

Rapport hauteur/largeur d'entraînement.

•requis

URL d'un `.zip` contenant les données d'entraînement, organisées selon le mode d'entraînement sélectionné. Chaque fichier multimédia peut être accompagné d'une légende `.txt` portant le même nom de base.

par défaut 2000

Nombre total d'étapes d'entraînement.

Avancé validation_negative_prompt · rank · validation_resolution · validation_aspect_ratio · trigger_phrase · learning_rate · number_of_frames · frame_rate · split_input_duration_threshold · validation_number_of_frames · validation_frame_rate · stg_scale · reference_downscale_factor · reference_temporal_scale_factor · auto_scale_input · split_input_into_scenes · debug_dataset · audio_normalize · audio_preserve_pitch · validation
par défaut blurry, out of focus,...

Invite négative appliquée pendant la validation, qui utilise un processus d'aperçu en une seule étape. Comme ce processus approxime l'inférence de production distillée en deux étapes, son guidage et sa qualité d'aperçu diffèrent des résultats finaux.

rank par défaut 32

Rang d'adaptation LoRA, qui échange une consommation mémoire accrue contre une capacité supérieure à mesure que le réglage augmente.

validation_resolution par défaut high

Résolution utilisée pendant la validation.

validation_aspect_ratio par défaut 1:1

Rapport hauteur/largeur utilisé pendant la validation.

par défaut

Phrase d'activation du style LoRA, insérée au début des légendes pendant l'entraînement.

par défaut 0.0002

Taux d'apprentissage de l'optimisation.

par défaut 89

Nombre d'images de chaque échantillon d'entraînement. La division du nombre par 8 doit laisser un reste de 1; les exemples comprennent 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.

par défaut 24

Fréquence d'images cible de la vidéo d'entraînement, en images par seconde. La fréquence native de LTX-2.3 est 24.

par défaut 30

Déclencheur de découpage des scènes exprimé comme une durée en secondes : seules les vidéos dépassant le seuil sont découpées.

par défaut 89

Nombre d'images de chaque vidéo de validation.

par défaut 24

Fréquence d'images cible des vidéos de validation, en images par seconde; LTX-2.3 fonctionne nativement à 24.

par défaut 1

Échelle du guidage spatio-temporel (STG), avec 1.0 recommandé et 0.0 pour désactiver STG.

par défaut 1

Facteur de réduction utilisé pour créer un proxy de contrôle vidéo de référence grossier et basse résolution avant l'encodage, tout en conservant la sortie en pleine résolution. Les deux dimensions de référence doivent être divisibles par 32 avant et après la division par le facteur; la valeur par défaut de 1 conserve la résolution originale.

par défaut 1

Facteur de réduction de la fréquence d'images de la vidéo de référence, avec 1 par défaut pour préserver le fps. Le sous-échantillonnage temporel selon ce facteur réduit le fps avant l'encodage de la vidéo.

par défaut []

Liste d'invites de validation associant chaque invite à une vidéo et à un audio de référence.

POST /run/ltx23-trainer-v2/av2av?wait=20 devis → 13,60 $
# 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/ltx23-trainer-v2/av2av?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "training_data_url": "https://example.com/your-file.zip"
  }'

# 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"

Exécuter cette requête

Votre clé reste dans ce navigateur : elle est envoyée uniquement au Doitong API et enregistrée dans localStorage uniquement si vous cochez Mémoriser. Obtenir une clé API

À propos de LTX 2.3 Trainer (V2) - Audio+Video Reference Transformation

Ajuste une LoRA sur des clips appariés, où chaque vidéo de référence avec son audio correspond à un clip cible. Fournissez un fichier zip via `training_data_url`, avec des légendes .txt facultatives. Le découpage des scènes est désactivé par défaut, car il désynchroniserait les paires de début et de fin; fournissez donc des clips déjà découpés. `rank` va de 8 à 128, le nombre d’étapes de 100 à 10000, et jusqu’à 2 entrées de validation sont permises.

Paramètres

NomType Par défautAutorisé Description
training_data_urlrequis
Typestring
URL d'un `.zip` contenant les données d'entraînement, organisées selon le mode d'entraînement sélectionné. Chaque fichier multimédia peut être accompagné d'une légende `.txt` portant le même nom de base.
rankfacultatif
Typeenum
Par défaut32
8163264128
Rang d'adaptation LoRA, qui échange une consommation mémoire accrue contre une capacité supérieure à mesure que le réglage augmente.
number_of_stepsfacultatif
Typeinteger
Par défaut2000
100 – 10 000
Nombre total d'étapes d'entraînement.
learning_ratefacultatif
Typenumber
Par défaut0.0002
0,000001 – 1
Taux d'apprentissage de l'optimisation.
number_of_framesfacultatif
Typeinteger
Par défaut89
9 – 121
Nombre d'images de chaque échantillon d'entraînement. La division du nombre par 8 doit laisser un reste de 1; les exemples comprennent 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.
frame_ratefacultatif
Typeinteger
Par défaut24
8 – 60
Fréquence d'images cible de la vidéo d'entraînement, en images par seconde. La fréquence native de LTX-2.3 est 24.
resolutionfacultatif
Typeenum
Par défautmedium
lowmediumhigh
Résolution d'entraînement. Augmenter la résolution accroît les besoins en mémoire.
aspect_ratiofacultatif
Typeenum
Par défaut1:1
16:91:19:16
Rapport hauteur/largeur d'entraînement.
trigger_phrasefacultatif
Typestring
Par défaut
Phrase d'activation du style LoRA, insérée au début des légendes pendant l'entraînement.
auto_scale_inputfacultatif
Typeboolean
Par défautfalse
Ajustement automatique de la vidéo pour correspondre au FPS et au nombre d'images demandés lorsqu'il est activé; les jeux de données d'images restent inchangés.
split_input_into_scenesfacultatif
Typeboolean
Par défautfalse
Le découpage des scènes est désactivé dans av2av pour garder la paire _start/_end synchronisée. Les clips doivent être découpés au préalable; la préparation de la paire cible/référence ignore le réglage de découpage des scènes.
split_input_duration_thresholdfacultatif
Typenumber
Par défaut30
1 – 60
Déclencheur de découpage des scènes exprimé comme une durée en secondes : seules les vidéos dépassant le seuil sont découpées.
debug_datasetfacultatif
Typeboolean
Par défautfalse
Mode d'inspection du prétraitement pour vérifier les vidéos, les images et les légendes avant une exécution complète de l'entraînement. L'activer fait retourner par l'entraîneur le jeu de données d'entraînement traité dans une archive téléchargeable pour examen manuel.
audio_normalizefacultatif
Typeboolean
Par défauttrue
Normalisation des crêtes audio pour maintenir des niveaux cohérents dans tout le jeu de données.
audio_preserve_pitchfacultatif
Typeboolean
Par défauttrue
Préservation de la hauteur pendant l'ajustement de l'audio à la longueur de la vidéo plutôt que son rognage.
validationfacultatif
Typeobject[]
Par défaut[]
≤ 2 éléments
Liste d'invites de validation associant chaque invite à une vidéo et à un audio de référence.
validation[].promptrequis
Typestring
Invite utilisée pendant la validation.
validation[].reference_video_urlrequis
Typeurl · video
≥ 1 characters
URL de la vidéo de référence utilisée pour conditionner la génération audio et vidéo. La piste audio de la vidéo sert également de référence audio.
validation[].reference_audio_urlfacultatif
Typeurl · audio
Remplace facultativement la piste audio de `reference_video_url` en fournissant l'URL d'un fichier audio de référence distinct.
validation_negative_promptfacultatif
Typestring
Par défautblurry, out of focus, overexposed, underexposed, low contrast, washed out colors, excessive noise, grainy texture, poor lighting, flickering, motion blur, distorted proportions, unnatural skin tones, deformed facial features, asymmetrical face, missing facial features, extra limbs, disfigured hands, wrong hand count, artifacts around text, inconsistent perspective, camera shake, incorrect depth of field, background too sharp, background clutter, distracting reflections, harsh shadows, inconsistent lighting direction, color banding, cartoonish rendering, 3D CGI look, unrealistic materials, uncanny valley effect, incorrect ethnicity, wrong gender, exaggerated expressions, wrong gaze direction, mismatched lip sync, silent or muted audio, distorted voice, robotic voice, echo, background noise, off-sync audio, incorrect dialogue, added dialogue, repetitive speech, jittery movement, awkward pauses, incorrect timing, unnatural transitions, inconsistent framing, tilted camera, flat lighting, inconsistent tone, cinematic oversaturation, stylized filters, or AI artifacts.
Invite négative appliquée pendant la validation, qui utilise un processus d'aperçu en une seule étape. Comme ce processus approxime l'inférence de production distillée en deux étapes, son guidage et sa qualité d'aperçu diffèrent des résultats finaux.
validation_number_of_framesfacultatif
Typeinteger
Par défaut89
9 – 121
Nombre d'images de chaque vidéo de validation.
validation_frame_ratefacultatif
Typeinteger
Par défaut24
8 – 60
Fréquence d'images cible des vidéos de validation, en images par seconde; LTX-2.3 fonctionne nativement à 24.
validation_resolutionfacultatif
Typeenum
Par défauthigh
lowmediumhigh
Résolution utilisée pendant la validation.
validation_aspect_ratiofacultatif
Typeenum
Par défaut1:1
16:91:19:16
Rapport hauteur/largeur utilisé pendant la validation.
stg_scalefacultatif
Typenumber
Par défaut1
0 – 3
Échelle du guidage spatio-temporel (STG), avec 1.0 recommandé et 0.0 pour désactiver STG.
reference_downscale_factorfacultatif
Typeinteger
Par défaut1
1 – 8
Facteur de réduction utilisé pour créer un proxy de contrôle vidéo de référence grossier et basse résolution avant l'encodage, tout en conservant la sortie en pleine résolution. Les deux dimensions de référence doivent être divisibles par 32 avant et après la division par le facteur; la valeur par défaut de 1 conserve la résolution originale.
reference_temporal_scale_factorfacultatif
Typeinteger
Par défaut1
1 – 8
Facteur de réduction de la fréquence d'images de la vidéo de référence, avec 1 par défaut pour préserver le fps. Le sous-échantillonnage temporel selon ce facteur réduit le fps avant l'encodage de la vidéo.
requis

Sortie

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ltx23-trainer-v2/av2av",
  "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": 13600,
    "usd": "13.60",
    "charged": 13600,
    "refunded": 0
  },
  "input": {
    "training_data_url": "https://example.com/your-file.zip"
  },
  "output": {
    "video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    },
    "audio": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    },
    "lora_file": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    },
    "config_file": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    },
    "debug_dataset": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "file",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_size": 1843200,
      "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"
  }
}
Vos fichiers, votre choixChaque outputs[].url est une copie dans notre stockage : conservée indéfiniment (facturation par Go-mois) ou pendant 7 jours gratuitement, selon le réglage de votre compte ou ?storage=.
Même structure pour chaque modèletype, url, content_type, width, height et duration, pour les images, les vidéos et les fichiers audio. output est l’objet de résultat propre au modèle.
Champs de sortie
video
object {url, content_type, file_name, file_size} | nullAperçu vidéo combiné issu de la validation, lorsqu'il est disponible pour les points de terminaison qui produisent une vidéo.
audio
object {url, content_type, file_name, file_size} | nullAudio combiné issu de la validation, fourni comme aperçu lorsqu'il est disponible pour ces routes audio seulement : /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a et /v2a.
lora_file
object {url, content_type, file_name, file_size}URL des poids LoRA entraînés au format .safetensors.
config_file
object {url, content_type, file_name, file_size}Configuration de l'installation du point de terminaison d'inférence.
debug_dataset
object {url, content_type, file_name, file_size} | nullSortie de débogage disponible lorsque `debug_dataset` est activé : archive téléchargeable contenant les données d'entraînement après le prétraitement.

Plus de modèles : Entraînement

Pour les agents IA : cette page en Markdown se trouve à https://doitong.com/fr-CA/developers/models/ltx23-trainer-v2/av2av.md. Tous les modèles et guides : https://doitong.com/developers/llms.txt