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

> Entraîne une LoRA transformant la vidéo et l’audio d’un clip de référence en clip cible apparié, avec génération conjointe des deux pistes

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

- Model id: `ltx23-trainer-v2/av2av`
- Made by: Lightricks
- Category: Training
- Output: file
- Price: $0.0068 / step (cheapest run $13.60 (13600 API credits))
- Run: `POST https://api.doitong.ru/v1/run/ltx23-trainer-v2/av2av`
- Quote: `POST https://api.doitong.ru/v1/quote/ltx23-trainer-v2/av2av`
- Docs page: https://doitong.com/fr-FR/developers/models/ltx23-trainer-v2/av2av

## Pricing

Price: **$0.0068 / step**. Billed per training step (`number_of_steps`).

The full example input below costs $13.60 = 13600 API credits (2000 steps × 6.8 API credits).

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/ltx23-trainer-v2/av2av` 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 |
|---|---|---|---|---|---|---|
| `training_data_url` |  | string | yes |  |  | URL d’un `.zip` contenant les données d’entraînement, organisées selon le mode d’entraînement sélectionné. Chaque fichier média peut être accompagné d’une légende `.txt` portant le même nom de base. |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | Rang d’adaptation LoRA, qui échange une consommation mémoire accrue contre une capacité supérieure lorsque la valeur augmente. |
| `number_of_steps` |  | integer | no | `2000` | 100 – 10,000 | Nombre total d’étapes d’entraînement. |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | Taux d’apprentissage de l’optimisation. |
| `number_of_frames` |  | integer | no | `89` | 9 – 121 | Nombre d’images de chaque échantillon d’entraînement. La division de ce nombre par 8 doit laisser un reste de 1 ; exemples : 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97. |
| `frame_rate` |  | integer | no | `24` | 8 – 60 | Cadence cible de la vidéo d’entraînement, en images par seconde. La cadence native de LTX-2.3 est de 24. |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | Résolution d’entraînement. Augmenter la résolution accroît les besoins en mémoire. |
| `aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | Rapport d’aspect d’entraînement. |
| `trigger_phrase` |  | string | no | `` |  | Phrase d’activation du style LoRA, insérée au début des légendes pendant l’entraînement. |
| `auto_scale_input` |  | boolean | no | `false` |  | Ajustement automatique de la vidéo pour correspondre à la cadence et au nombre d’images demandés lorsqu’il est activé ; les jeux de données d’images restent inchangés. |
| `split_input_into_scenes` |  | boolean | no | `false` |  | Le découpage des scènes est désactivé dans av2av afin de maintenir la synchronisation de la paire _start/_end. Les clips doivent être découpés au préalable ; la préparation de la paire cible/référence ignore le paramètre de découpage des scènes. |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | Déclencheur de découpage des scènes exprimé comme une durée en secondes : seules les vidéos plus longues que le seuil sont découpées. |
| `debug_dataset` |  | boolean | no | `false` |  | Mode d’inspection du prétraitement permettant de vérifier les vidéos, les images et les légendes avant une exécution complète de l’entraînement. Son activation demande à l’entraîneur de renvoyer le jeu de données d’entraînement traité dans une archive téléchargeable pour une vérification manuelle. |
| `audio_normalize` |  | boolean | no | `true` |  | Normalisation des crêtes audio afin de maintenir des niveaux cohérents dans tout le jeu de données. |
| `audio_preserve_pitch` |  | boolean | no | `true` |  | Préservation de la hauteur lors de l’ajustement de l’audio à la durée de la vidéo, plutôt que de le tronquer. |
| `validation` |  | array of object {prompt, reference_video_url, reference_audio_url} | no | `[]` | ≤ 2 items | Liste d’invites de validation associant chaque invite à une vidéo et un audio de référence. |
| `validation[].prompt` |  | string | yes |  |  | Invite utilisée pendant la validation. |
| `validation[].reference_video_url` |  | string (video URL) | yes |  | ≥ 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_url` |  | string (audio URL) \| null | no |  |  | Remplace éventuellement la piste audio de `reference_video_url` en fournissant l’URL d’un fichier audio de référence distinct. |
| `validation_negative_prompt` |  | string | no | `blurry, 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 de prévisualisation en une seule étape. Comme ce processus approxime l’inférence de production distillée en deux étapes, son guidage et sa qualité de prévisualisation diffèrent des résultats finaux. |
| `validation_number_of_frames` |  | integer | no | `89` | 9 – 121 | Nombre d’images de chaque vidéo de validation. |
| `validation_frame_rate` |  | integer | no | `24` | 8 – 60 | Cadence cible des vidéos de validation, en images par seconde ; LTX-2.3 fonctionne nativement à 24. |
| `validation_resolution` |  | enum (string) | no | `high` | `low`, `medium`, `high` | Résolution utilisée pendant la validation. |
| `validation_aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | Rapport d’aspect utilisé pendant la validation. |
| `stg_scale` |  | number | no | `1` | 0 – 3 | Échelle du guidage spatio-temporel (STG), avec 1.0 recommandé et 0.0 pour désactiver STG. |
| `reference_downscale_factor` |  | integer | no | `1` | 1 – 8 | Facteur de réduction utilisé pour créer un proxy de contrôle de la vidéo de référence, grossier et de faible 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 d’origine. |
| `reference_temporal_scale_factor` |  | integer | no | `1` | 1 – 8 | Facteur de réduction de la cadence de la vidéo de référence, 1 étant la valeur par défaut pour préserver la cadence. Le sous-échantillonnage temporel selon ce facteur réduit la cadence avant l’encodage de la vidéo. |

## Example input

Required parameters only:

```json
{
  "training_data_url": "https://example.com/your-file.zip"
}
```

A fuller example:

```json
{
  "training_data_url": "https://example.com/your-file.zip"
}
```

## 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/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"
```

### 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/ltx23-trainer-v2/av2av?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "training_data_url": "https://example.com/your-file.zip"
  }),
});
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 = {
    "training_data_url": "https://example.com/your-file.zip",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/ltx23-trainer-v2/av2av", 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": "ltx23-trainer-v2/av2av",
      "input": {
        "training_data_url": "https://example.com/your-file.zip"
      },
      "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": "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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `video` | object {url, content_type, file_name, file_size} \| null | Aperçu 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} \| null | Audio combiné issu de la validation, fourni comme aperçu lorsqu’il est disponible pour ces routes audio uniquement : /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 la mise en place du point de terminaison d’inférence. |
| `debug_dataset` | object {url, content_type, file_name, file_size} \| null | Sortie de débogage disponible lorsque `debug_dataset` est activé : une archive téléchargeable contenant les données d’entraînement après prétraitement. |

## Related models

- [LTX 2.3 Trainer (V2) - Audio Inpainting](https://doitong.com/developers/models/ltx23-trainer-v2/audio-inpaint.md) (`ltx23-trainer-v2/audio-inpaint`): $0.0023 / step
- [LTX 2.3 Trainer (V2) - Audio+Video Reference IC-LoRA](https://doitong.com/developers/models/ltx23-trainer-v2/ic-lora/av2av.md) (`ltx23-trainer-v2/ic-lora/av2av`): $0.0068 / step
- [LTX 2.3 Trainer (V2) - Audio-to-Audio](https://doitong.com/developers/models/ltx23-trainer-v2/a2a.md) (`ltx23-trainer-v2/a2a`): $0.0023 / step
- [LTX 2.3 Trainer (V2) - Audio-to-Audio IC-LoRA](https://doitong.com/developers/models/ltx23-trainer-v2/ic-lora/a2a.md) (`ltx23-trainer-v2/ic-lora/a2a`): $0.0023 / step
- [LTX 2.3 Trainer (V2) - Audio-to-Video](https://doitong.com/developers/models/ltx23-trainer-v2/a2v.md) (`ltx23-trainer-v2/a2v`): $0.006 / step
- [LTX 2.3 Trainer (V2) - Backward Audio Extension](https://doitong.com/developers/models/ltx23-trainer-v2/audio-extend-suffix.md) (`ltx23-trainer-v2/audio-extend-suffix`): $0.0023 / step
- [LTX 2.3 Trainer (V2) - Backward Video Extension](https://doitong.com/developers/models/ltx23-trainer-v2/extend-suffix.md) (`ltx23-trainer-v2/extend-suffix`): $0.0061 / step
- [LTX 2.3 Trainer (V2) - Forward Audio Extension](https://doitong.com/developers/models/ltx23-trainer-v2/audio-extend-prefix.md) (`ltx23-trainer-v2/audio-extend-prefix`): $0.0022 / step

## Links

- HTML page: https://doitong.com/developers/models/ltx23-trainer-v2/av2av
- 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=ltx23-trainer-v2/av2av
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.ru/v1/models/ltx23-trainer-v2/av2av