# LTX-2.3 22B · Audio to Video API

> Crée une vidéo qui suit une piste audio d'entrée, avec images de première et dernière image facultatives et LoRA de caméra

Nécessite un `prompt` et une `audio_url`. Par défaut, le nombre d'images est déduit de la durée audio (`match_audio_length`) ; sinon, `num_frames` (de 9 à 481) s'applique. `image_url` et `end_image_url` peuvent fixer les première et dernière images. De nombreux contrôles d'échantillonnage sont disponibles, notamment les échelles de guidage, `scheduler`, `camera_lora` et les formats de sortie mp4, webm, mov et GIF.

- Model id: `ltx-2.3-22b/audio-to-video`
- Made by: Lightricks
- Category: Lipsync & Avatars
- Output: video
- Price per megapixel of your output video: $0.00161 / megapixel of output video (cheapest run $0.002 (2 API credits))
- Run: `POST https://api.doitong.ru/v1/run/ltx-2.3-22b/audio-to-video`
- Quote: `POST https://api.doitong.ru/v1/quote/ltx-2.3-22b/audio-to-video`
- Docs page: https://doitong.com/fr/developers/models/ltx-2.3-22b/audio-to-video

## Pricing

Price: **$0.00161 / 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 $0.358 = 358 API credits (223 MP output video × $0.001605).

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-2.3-22b/audio-to-video` 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 |  |  | Prompt utilisé comme base de la génération vidéo. |
| `audio_url` | `audio` | string (audio URL) | yes |  |  | URL de l'audio source utilisé pour générer la vidéo. |
| `image_url` | `image` | string (image URL) \| null | no |  |  | URL d'image facultative définissant la première image de la vidéo. |
| `end_image_url` | `end_image` | string (image URL) \| null | no |  |  | URL de l'image définissant la dernière image de la vidéo. |
| `match_audio_length` |  | boolean | no | `true` |  | Paramètre de sélection du nombre d'images : désactivé, il utilise num_frames ; activé, il calcule le nombre à partir des FPS et de la durée de l'audio. |
| `num_frames` |  | integer | no | `121` | 9 – 481 | Nombre d'images pour la sortie générée. |
| `video_size` |  | object {width, height} \| enum (string) | no | `landscape_16_9` | `auto`, `square_hd`, `square`, `portrait_4_3`, `portrait_16_9`, `landscape_4_3`, `landscape_16_9` | Dimensions de la vidéo, avec un dimensionnement selon l'image d'entrée disponible via 'auto' lorsqu'une image est fournie. |
| `use_multiscale` |  | boolean | no | `true` |  | Paramètre de génération multirésolution pour améliorer la cohérence et les détails. Avec True, une première vidéo plus petite guide une seconde génération dont la taille atteint ou dépasse les dimensions demandées. |
| `fps` |  | number | no | `24` | 1 – 60 | Fréquence d’images de la vidéo de sortie, mesurée en images par seconde. |
| `num_inference_steps` |  | integer | no | `40` | 8 – 50 | Nombre d’étapes d’inférence effectuées. |
| `video_cfg_scale` |  | number | no | `3` | 1 – 20 | Paramètre de guidage vidéo : augmentez-le pour une meilleure cohérence et une plus grande précision du contenu généré. Utilise le guidage sans classifieur (CFG). |
| `video_stg_scale` |  | number | no | `0` | 0 – 20 | Contrôle de la cohérence et de la précision vidéo via l'échelle Spatiotemporal Guidance (STG) ; augmentez ce paramètre pour renforcer ces deux qualités. |
| `video_rescaling_scale` |  | number | no | `0.7` | 0 – 1 | Ajustement du redimensionnement vidéo pour équilibrer le guidage sans classifieur et le guidage spatiotemporel sous forme de ratio. |
| `video_modality_scale` |  | number | no | `3` | 0 – 10 | Ajustement de la modalité vidéo pour équilibrer les contributions de la vidéo et de l'audio sous forme de ratio. |
| `audio_cfg_scale` |  | number | no | `7` | 1 – 20 | Paramètre de guidage audio : augmentez-le pour une meilleure cohérence et une plus grande précision du contenu généré. Utilise le guidage sans classifieur (CFG). |
| `audio_stg_scale` |  | number | no | `0` | 0 – 20 | Contrôle de la cohérence et de la précision audio via l'échelle Spatiotemporal Guidance (STG) ; augmentez ce paramètre pour renforcer ces deux qualités. |
| `audio_rescaling_scale` |  | number | no | `0.7` | 0 – 1 | Ajustement du redimensionnement audio pour équilibrer le guidage sans classifieur et le guidage spatiotemporel sous forme de ratio. |
| `audio_modality_scale` |  | number | no | `3` | 0 – 10 | Ajustement de la modalité audio pour équilibrer les contributions de la vidéo et de l'audio sous forme de ratio. |
| `gradient_estimation_gamma` |  | number | no | `2` | 0 – 10 | Paramètre d'estimation du gradient de débruitage : 0 désactive l'estimation ; sinon, la valeur spécifie gamma. |
| `use_restart_sampling` |  | boolean | no | `false` |  | Paramètre d'échantillonnage avec redémarrage pour améliorer potentiellement la qualité vidéo : son activation introduit un peu de bruit à chaque étape de débruitage. |
| `scheduler` |  | enum (string) | no | `ltx2` | `ltx2`, `linear_quadratic`, `beta` | Sélection du planificateur. |
| `acceleration` |  | enum (string) | no | `regular` | `none`, `regular`, `high`, `full` | Niveau d’accélération appliqué au traitement. |
| `camera_lora` |  | enum (string) | no | `none` | `dolly_in`, `dolly_out`, `dolly_left`, `dolly_right`, `jib_up`, `jib_down`, `static`, `none` | Sélection de la LoRA de caméra pour contrôler le mouvement de la vidéo générée plus précisément qu'avec les seuls prompts de mouvement de caméra. |
| `camera_lora_scale` |  | number | no | `1` | 0 – 1 | Intensité de la LoRA de caméra pour contrôler le mouvement de la vidéo générée plus précisément qu'avec les seuls prompts de mouvement de caméra. |
| `negative_prompt` |  | string | no | `news broadcast, 3d animation, computer graphics, pc game, console game, video game, cartoon, childish, watermark, logo, text, on screen text, subtitles, titles, signature, slowmo, static` |  | Prompt négatif utilisé pendant la génération vidéo. |
| `seed` |  | integer \| null | no |  |  | Valeur de graine qui initialise la génération de nombres aléatoires. |
| `enable_prompt_expansion` |  | boolean | no | `true` |  | Contrôle l’activation de l’expansion du prompt. |
| `enable_safety_checker` |  | boolean | no | `true` |  | Contrôle si la vérification de sécurité est activée. |
| `video_output_type` |  | enum (string) | no | `X264 (.mp4)` | `X264 (.mp4)`, `VP9 (.webm)`, `PRORES4444 (.mov)`, `GIF (.gif)` | Type de sortie de la vidéo résultante. |
| `video_quality` |  | enum (string) | no | `high` | `low`, `medium`, `high`, `maximum` | Niveau de qualité de la vidéo résultante. |
| `video_write_mode` |  | enum (string) | no | `balanced` | `fast`, `balanced`, `small` | Mode d’écriture de la vidéo résultante. |
| `distill_lora_first_pass_scale` |  | number | no | `0.2` | 0 – 1 | Contrôle la mise à l'échelle de la LoRA de distillation de la première passe, en utilisant 0 pour la désactiver. |
| `distill_lora_second_pass_scale` |  | number | no | `0.5` | 0 – 1 | Contrôle la mise à l'échelle de la LoRA de distillation pour chaque passe suivant la première. |
| `image_strength` |  | number | no | `1` | 0 – 1 | Influence de l'image sur la génération vidéo. |
| `end_image_strength` |  | number | no | `1` | 0 – 1 | Contrôle l'influence de l'image finale sur la vidéo générée. |
| `audio_strength` |  | number | no | `1` | 0 – 1 | Intensité du conditionnement audio, avec exactement 1.0 pour conserver l'entrée inchangée. Le modèle peut modifier l'audio avec des valeurs inférieures à 1.0. |
| `preprocess_audio` |  | boolean | no | `true` |  | Contrôle le prétraitement de l'audio avant son utilisation pour le conditionnement. |

File parameters (`audio`, `image`, `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
{
  "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
  "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
}
```

A fuller example:

```json
{
  "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
  "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
}
```

## 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-2.3-22b/audio-to-video?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",
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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-2.3-22b/audio-to-video?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",
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }),
});
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",
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/ltx-2.3-22b/audio-to-video", 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-2.3-22b/audio-to-video",
      "input": {
        "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
        "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
      },
      "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-2.3-22b/audio-to-video",
  "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": 358,
    "usd": "0.358",
    "charged": 358,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "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,
      "width": 1024,
      "height": 768,
      "fps": 1.0,
      "duration": 5,
      "num_frames": 1
    },
    "seed": 42,
    "prompt": "A woman speaks to the camera"
  },
  "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, width, height, fps, duration, num_frames} | Vidéo produite par le modèle. |
| `seed` | integer | Valeur de seed utilisée pour initialiser la génération de nombres aléatoires. |
| `prompt` | string | Prompt utilisé pour guider la génération. |

## Related models

- [LTX-2.3 22B · Text to Video](https://doitong.com/developers/models/ltx-2.3-22b/text-to-video.md) (`ltx-2.3-22b/text-to-video`): $0.00161 / megapixel of output video
- [LTX-2.3 22B · Text to Video · LoRA](https://doitong.com/developers/models/ltx-2.3-22b/text-to-video/lora.md) (`ltx-2.3-22b/text-to-video/lora`): $0.00181 / megapixel of output video
- [LTX-2.3 22B · Image to Video](https://doitong.com/developers/models/ltx-2.3-22b/image-to-video.md) (`ltx-2.3-22b/image-to-video`): $0.00161 / megapixel of output video
- [LTX-2.3 22B · Image to Video · LoRA](https://doitong.com/developers/models/ltx-2.3-22b/image-to-video/lora.md) (`ltx-2.3-22b/image-to-video/lora`): $0.00181 / megapixel of output 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 22B · Extend Video](https://doitong.com/developers/models/ltx-2.3-22b/extend-video.md) (`ltx-2.3-22b/extend-video`): $0.00161 / megapixel of output video
- [LTX-2.3 22B · Extend Video · LoRA](https://doitong.com/developers/models/ltx-2.3-22b/extend-video/lora.md) (`ltx-2.3-22b/extend-video/lora`): $0.00181 / megapixel of output video
- [LTX-2.3 22B · Reference Video to Video](https://doitong.com/developers/models/ltx-2.3-22b/reference-video-to-video.md) (`ltx-2.3-22b/reference-video-to-video`): $0.00161 / megapixel of output video

## Links

- HTML page: https://doitong.com/developers/models/ltx-2.3-22b/audio-to-video
- 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-2.3-22b/audio-to-video
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.ru/v1/models/ltx-2.3-22b/audio-to-video