सामग्री पर जाएँ

LTX-2.3 22B · Audio to Video

इंटीग्रेट करें

मॉडल id ltx-2.3-22b/audio-to-video
# 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": "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"

उदाहरण जैसी फ़ाइलें: $0.358 358 API क्रेडिट · ≈ ₽38.42 चलाने से पहले आपकी फ़ाइलों को मापा जाता है इसे इस पेज पर चलाएँ

API कुंजी प्राप्त करें
Lightricks लिपसिंक और अवतार लिपसिंक

इनपुट ऑडियो ट्रैक का अनुसरण करने वाला वीडियो बनाता है, जिसमें वैकल्पिक पहले और अंतिम फ़्रेम की छवियां तथा कैमरा LoRA शामिल हैं

Lightricks · वीडियो

आपका पहला परिणाम यहाँ आएगा

नीचे एक अनुरोध बनाएँ और उसे अपनी API कुंजी से चलाएँ। आउटपुट हमारे स्टोरेज में कॉपी किए जाते हैं और हमेशा के लिए या 7 दिन तक मुफ़्त में रखे जाते हैं।

अनुरोध बनाएँ

कंट्रोल मॉडल स्कीमा से जनरेट होते हैं। इन्हें बदलने पर कोड और कीमत अपडेट होती है।

•आवश्यक

वीडियो निर्माण के आधार के रूप में उपयोग किया गया प्रॉम्प्ट।

•आवश्यक audio_url
फ़ाइल ड्रॉप करें, या

वीडियो बनाने के लिए उपयोग किए गए स्रोत ऑडियो का URL।

image_url
फ़ाइल ड्रॉप करें, या

वीडियो के शुरुआती फ़्रेम को परिभाषित करने वाला वैकल्पिक इमेज URL।

video_size डिफ़ॉल्ट landscape_16_9

वीडियो के आयाम; इमेज दिए जाने पर 'auto' के माध्यम से इनपुट-इमेज का आकार निर्धारित किया जा सकता है।

डिफ़ॉल्ट 121

निर्मित आउटपुट में फ़्रेम की संख्या।

डिफ़ॉल्ट 24

आउटपुट वीडियो की फ़्रेम दर, फ़्रेम प्रति सेकंड में मापी जाती है।

उन्नत negative_prompt · end_image · scheduler · acceleration · camera_lora · video_output_type · video_quality · video_write_mode · num_inference_steps · video_cfg_scale · video_stg_scale · video_rescaling_scale · video_modality_scale · audio_cfg_scale · audio_stg_scale · audio_rescaling_scale · audio_modality_scale · gradient_estimation_gamma · camera_lora_scale · distill_lora_first_pass_scale · distill_lora_second_pass_scale · image_strength · end_image_strength · audio_strength · seed · use_multiscale · use_restart_sampling · enable_prompt_expansion · enable_safety_checker · preprocess_audio
डिफ़ॉल्ट news broadcast, 3d an...

वीडियो निर्माण के दौरान उपयोग किया जाने वाला नकारात्मक प्रॉम्प्ट।

end_image_url
फ़ाइल ड्रॉप करें, या

वीडियो के अंतिम फ़्रेम को परिभाषित करने वाला इमेज URL।

scheduler डिफ़ॉल्ट ltx2

Scheduler चयन।

acceleration डिफ़ॉल्ट regular

प्रोसेसिंग पर लागू त्वरण स्तर।

camera_lora डिफ़ॉल्ट none

कैमरा LoRA चयन, जो केवल camera-motion प्रॉम्प्ट की तुलना में बनाए गए वीडियो में गति को अधिक सटीकता से नियंत्रित करता है।

video_output_type डिफ़ॉल्ट X264 (.mp4)

परिणामी वीडियो का आउटपुट प्रकार।

video_quality डिफ़ॉल्ट high

परिणामी वीडियो का गुणवत्ता स्तर।

video_write_mode डिफ़ॉल्ट balanced

परिणामी वीडियो का लेखन मोड।

डिफ़ॉल्ट 40

किए गए इन्फ़रेंस चरणों की संख्या।

डिफ़ॉल्ट 3

वीडियो guidance सेटिंग: बनाए गए कंटेंट में अधिक संगति और फ़ोकस के लिए इसे बढ़ाएँ। Classifier-free guidance (CFG) का उपयोग करती है।

डिफ़ॉल्ट 0

Spatiotemporal Guidance (STG) स्केल के माध्यम से वीडियो की संगति और फ़ोकस नियंत्रित करती है; दोनों गुणों को मजबूत करने के लिए सेटिंग बढ़ाएँ।

डिफ़ॉल्ट 0.7

वीडियो rescaling समायोजन, classifier-free और spatiotemporal guidance के बीच अनुपात के रूप में संतुलन के लिए।

डिफ़ॉल्ट 3

वीडियो modality समायोजन, वीडियो और ऑडियो के योगदान को अनुपात के रूप में संतुलित करने के लिए।

डिफ़ॉल्ट 7

ऑडियो guidance सेटिंग: बनाए गए कंटेंट में अधिक संगति और फ़ोकस के लिए इसे बढ़ाएँ। Classifier-free guidance (CFG) का उपयोग करती है।

डिफ़ॉल्ट 0

Spatiotemporal Guidance (STG) स्केल के माध्यम से ऑडियो की संगति और फ़ोकस नियंत्रित करती है; दोनों गुणों को मजबूत करने के लिए सेटिंग बढ़ाएँ।

डिफ़ॉल्ट 0.7

ऑडियो rescaling समायोजन, classifier-free और spatiotemporal guidance के बीच अनुपात के रूप में संतुलन के लिए।

डिफ़ॉल्ट 3

ऑडियो modality समायोजन, वीडियो और ऑडियो के योगदान को अनुपात के रूप में संतुलित करने के लिए।

डिफ़ॉल्ट 2

Denoising gradient-estimation सेटिंग: 0 अनुमान बंद करता है; अन्यथा, मान gamma निर्दिष्ट करता है।

डिफ़ॉल्ट 1

कैमरा LoRA की क्षमता, जो केवल camera-motion प्रॉम्प्ट की तुलना में बनाए गए वीडियो में गति को अधिक सटीकता से नियंत्रित करती है।

डिफ़ॉल्ट 0.2

पहले पास के distill LoRA स्केलिंग को नियंत्रित करें; इसे बंद करने के लिए 0 उपयोग करें।

डिफ़ॉल्ट 0.5

पहले पास के बाद प्रत्येक पास के लिए distill LoRA स्केलिंग नियंत्रित करें।

डिफ़ॉल्ट 1

वीडियो निर्माण पर इमेज के प्रभाव की क्षमता।

डिफ़ॉल्ट 1

नियंत्रित करें कि अंतिम इमेज बनाए गए वीडियो को कितना प्रभावित करती है।

डिफ़ॉल्ट 1

ऑडियो conditioning की क्षमता; ठीक 1.0 इनपुट को अपरिवर्तित रखता है। 1.0 से कम सेटिंग पर मॉडल ऑडियो में बदलाव कर सकता है।

रैंडम-नंबर निर्माण शुरू करने वाला सीड मान।

POST /run/ltx-2.3-22b/audio-to-video?wait=20 कोटेशन → $0.358
# 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": "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"

यह अनुरोध चलाएँ

आपकी key इसी ब्राउज़र में रहती है: इसे केवल Doitong API को भेजा जाता है और केवल तभी (localStorage) में सेव किया जाता है जब आप Remember चुनते हैं। API कुंजी प्राप्त करें

LTX-2.3 22B · Audio to Video के बारे में

`prompt` और `audio_url` आवश्यक हैं। डिफ़ॉल्ट रूप से फ़्रेम संख्या ऑडियो की लंबाई (`match_audio_length`) से निर्धारित होती है; अन्यथा `num_frames` (9 से 481) लागू होता है। `image_url` और `end_image_url` पहले और अंतिम फ़्रेम तय कर सकते हैं। यह गाइडेंस स्केल, `scheduler`, `camera_lora` जैसे कई सैंपलिंग नियंत्रण और mp4, webm, mov तथा GIF सहित आउटपुट फ़ॉर्मैट उपलब्ध कराता है।

पैरामीटर

कैनोनिकल नाम या नेटिव नाम में से कोई एक भेजें, दोनों नहीं। कैनोनिकल नाम

नामप्रकार डिफ़ॉल्टअनुमत विवरण
promptआवश्यक
प्रकारstring
वीडियो निर्माण के आधार के रूप में उपयोग किया गया प्रॉम्प्ट।
audio_urlआवश्यक audio
प्रकारurl · audio
वीडियो बनाने के लिए उपयोग किए गए स्रोत ऑडियो का URL।
image_urlवैकल्पिक image
प्रकारurl · image
वीडियो के शुरुआती फ़्रेम को परिभाषित करने वाला वैकल्पिक इमेज URL।
end_image_urlवैकल्पिक end_image
प्रकारurl · image
वीडियो के अंतिम फ़्रेम को परिभाषित करने वाला इमेज URL।
match_audio_lengthवैकल्पिक
प्रकारboolean
डिफ़ॉल्टtrue
फ़्रेम-गणना चयन टॉगल: अक्षम होने पर num_frames उपयोग होता है, जबकि सक्षम होने पर गणना FPS और ऑडियो अवधि से की जाती है।
num_framesवैकल्पिक
प्रकारinteger
डिफ़ॉल्ट121
9 – 481
निर्मित आउटपुट में फ़्रेम की संख्या।
video_sizeवैकल्पिक
प्रकारobject
डिफ़ॉल्टlandscape_16_9
autosquare_hdsquareportrait_4_3portrait_16_9landscape_4_3landscape_16_9
वीडियो के आयाम; इमेज दिए जाने पर 'auto' के माध्यम से इनपुट-इमेज का आकार निर्धारित किया जा सकता है।
use_multiscaleवैकल्पिक
प्रकारboolean
डिफ़ॉल्टtrue
बेहतर संगति और विवरण के लिए मल्टी-स्केल निर्माण टॉगल। True होने पर, प्रारंभिक छोटा वीडियो दूसरे निर्माण का मार्गदर्शन करता है, जिसका आकार अनुरोधित आयामों के बराबर या उनसे बड़ा होता है।
fpsवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट24
1 – 60
आउटपुट वीडियो की फ़्रेम दर, फ़्रेम प्रति सेकंड में मापी जाती है।
num_inference_stepsवैकल्पिक
प्रकारinteger
डिफ़ॉल्ट40
8 – 50
किए गए इन्फ़रेंस चरणों की संख्या।
video_cfg_scaleवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट3
1 – 20
वीडियो guidance सेटिंग: बनाए गए कंटेंट में अधिक संगति और फ़ोकस के लिए इसे बढ़ाएँ। Classifier-free guidance (CFG) का उपयोग करती है।
video_stg_scaleवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट0
0 – 20
Spatiotemporal Guidance (STG) स्केल के माध्यम से वीडियो की संगति और फ़ोकस नियंत्रित करती है; दोनों गुणों को मजबूत करने के लिए सेटिंग बढ़ाएँ।
video_rescaling_scaleवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट0.7
0 – 1
वीडियो rescaling समायोजन, classifier-free और spatiotemporal guidance के बीच अनुपात के रूप में संतुलन के लिए।
video_modality_scaleवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट3
0 – 10
वीडियो modality समायोजन, वीडियो और ऑडियो के योगदान को अनुपात के रूप में संतुलित करने के लिए।
audio_cfg_scaleवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट7
1 – 20
ऑडियो guidance सेटिंग: बनाए गए कंटेंट में अधिक संगति और फ़ोकस के लिए इसे बढ़ाएँ। Classifier-free guidance (CFG) का उपयोग करती है।
audio_stg_scaleवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट0
0 – 20
Spatiotemporal Guidance (STG) स्केल के माध्यम से ऑडियो की संगति और फ़ोकस नियंत्रित करती है; दोनों गुणों को मजबूत करने के लिए सेटिंग बढ़ाएँ।
audio_rescaling_scaleवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट0.7
0 – 1
ऑडियो rescaling समायोजन, classifier-free और spatiotemporal guidance के बीच अनुपात के रूप में संतुलन के लिए।
audio_modality_scaleवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट3
0 – 10
ऑडियो modality समायोजन, वीडियो और ऑडियो के योगदान को अनुपात के रूप में संतुलित करने के लिए।
gradient_estimation_gammaवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट2
0 – 10
Denoising gradient-estimation सेटिंग: 0 अनुमान बंद करता है; अन्यथा, मान gamma निर्दिष्ट करता है।
use_restart_samplingवैकल्पिक
प्रकारboolean
डिफ़ॉल्टfalse
संभावित रूप से बेहतर वीडियो गुणवत्ता के लिए sampling पुनःआरंभ टॉगल: सक्षम करने पर प्रत्येक denoising चरण में थोड़ा नॉइज़ जोड़ा जाता है।
schedulerवैकल्पिक
प्रकारenum
डिफ़ॉल्टltx2
ltx2linear_quadraticbeta
Scheduler चयन।
accelerationवैकल्पिक
प्रकारenum
डिफ़ॉल्टregular
noneregularhighfull
प्रोसेसिंग पर लागू त्वरण स्तर।
camera_loraवैकल्पिक
प्रकारenum
डिफ़ॉल्टnone
dolly_indolly_outdolly_leftdolly_rightjib_upjib_downstaticnone
कैमरा LoRA चयन, जो केवल camera-motion प्रॉम्प्ट की तुलना में बनाए गए वीडियो में गति को अधिक सटीकता से नियंत्रित करता है।
camera_lora_scaleवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट1
0 – 1
कैमरा LoRA की क्षमता, जो केवल camera-motion प्रॉम्प्ट की तुलना में बनाए गए वीडियो में गति को अधिक सटीकता से नियंत्रित करती है।
negative_promptवैकल्पिक
प्रकारstring
डिफ़ॉल्टnews broadcast, 3d animation, computer graphics, pc game, console game, video game, cartoon, childish, watermark, logo, text, on screen text, subtitles, titles, signature, slowmo, static
वीडियो निर्माण के दौरान उपयोग किया जाने वाला नकारात्मक प्रॉम्प्ट।
seedवैकल्पिक
प्रकारinteger | null
रैंडम-नंबर निर्माण शुरू करने वाला सीड मान।
enable_prompt_expansionवैकल्पिक
प्रकारboolean
डिफ़ॉल्टtrue
नियंत्रित करता है कि प्रॉम्प्ट विस्तार सक्षम है या नहीं।
enable_safety_checkerवैकल्पिक
प्रकारboolean
डिफ़ॉल्टtrue
नियंत्रित करता है कि सुरक्षा जाँच सक्षम है या नहीं।
video_output_typeवैकल्पिक
प्रकारenum
डिफ़ॉल्टX264 (.mp4)
X264 (.mp4)VP9 (.webm)PRORES4444 (.mov)GIF (.gif)
परिणामी वीडियो का आउटपुट प्रकार।
video_qualityवैकल्पिक
प्रकारenum
डिफ़ॉल्टhigh
lowmediumhighmaximum
परिणामी वीडियो का गुणवत्ता स्तर।
video_write_modeवैकल्पिक
प्रकारenum
डिफ़ॉल्टbalanced
fastbalancedsmall
परिणामी वीडियो का लेखन मोड।
distill_lora_first_pass_scaleवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट0.2
0 – 1
पहले पास के distill LoRA स्केलिंग को नियंत्रित करें; इसे बंद करने के लिए 0 उपयोग करें।
distill_lora_second_pass_scaleवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट0.5
0 – 1
पहले पास के बाद प्रत्येक पास के लिए distill LoRA स्केलिंग नियंत्रित करें।
image_strengthवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट1
0 – 1
वीडियो निर्माण पर इमेज के प्रभाव की क्षमता।
end_image_strengthवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट1
0 – 1
नियंत्रित करें कि अंतिम इमेज बनाए गए वीडियो को कितना प्रभावित करती है।
audio_strengthवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट1
0 – 1
ऑडियो conditioning की क्षमता; ठीक 1.0 इनपुट को अपरिवर्तित रखता है। 1.0 से कम सेटिंग पर मॉडल ऑडियो में बदलाव कर सकता है।
preprocess_audioवैकल्पिक
प्रकारboolean
डिफ़ॉल्टtrue
नियंत्रित करता है कि conditioning के लिए उपयोग किए जाने से पहले ऑडियो को preprocess किया जाए या नहीं।
आवश्यक कैनोनिकल नाम, यह भी स्वीकार्य है

फ़ाइल पैरामीटर में सार्वजनिक https:// URL, 10 MB तक का data: URI, या अपलोड का file_url लिया जाता है। फ़ाइलें

आउटपुट

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "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"
  }
}
आपकी फ़ाइलें, आपकी पसंदहर outputs[].url हमारे स्टोरेज में एक कॉपी है: हमेशा के लिए (प्रति GB-माह भुगतान) या 7 दिन तक मुफ़्त में, आपके अकाउंट की सेटिंग या ?storage= के अनुसार।
हर मॉडल पर एक जैसा आकारइमेज, वीडियो और ऑडियो सभी के लिए type, url, content_type, width, height और duration। output मॉडल का अपना परिणाम ऑब्जेक्ट है।
आउटपुट के फ़ील्ड
video
object {url, content_type, file_name, file_size, width, height, fps, duration, num_frames}मॉडल द्वारा बनाया गया वीडियो।
seed
integerरैंडम संख्या निर्माण आरंभ करने के लिए उपयोग किया जाने वाला seed मान।
prompt
stringनिर्माण का मार्गदर्शन करने के लिए उपयोग किया जाने वाला प्रॉम्प्ट।

और मॉडल: लिपसिंक और अवतार

AI एजेंट के लिए: इस पेज का Markdown यहाँ है https://doitong.com/hi/developers/models/ltx-2.3-22b/audio-to-video.md. सभी मॉडल और गाइड: https://doitong.com/developers/llms.txt