# LTX Video-0.9.7 13B Distilled · Multiconditioning API

> Videóból videó képes és videós kondicionálással, LoRA-támogatással és kétmenetes finomítással, opcionális részletjavító menettel

Videót generál kötelező `prompt` alapján, az `images` és `videos` kondicionáló bemeneteivel vezérelve. Egyéni LoRA-k a `loras` mezőben adhatók meg. A kimenet 480p vagy 720p, a `num_frames` 9–1441, a `frame_rate` pedig 1–60 lehet. Az első és második menet külön lépésszámai, az opcionális részletjavító menet és az olyan színvezérlők, mint a `temporal_adain_factor`, lehetővé teszik az eredmény finomhangolását.

- Model id: `ltx-video-13b-distilled/multiconditioning`
- Made by: Lightricks
- Category: Video to Video
- Output: video
- Price per second of your output video: from $0.04 / second of output video (cheapest run $0.04 (40 API credits))
- Run: `POST https://api.doitong.ru/v1/run/ltx-video-13b-distilled/multiconditioning`
- Quote: `POST https://api.doitong.ru/v1/quote/ltx-video-13b-distilled/multiconditioning`
- Docs page: https://doitong.com/hu/developers/models/ltx-video-13b-distilled/multiconditioning

## Pricing

Price: **from $0.04 / 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 $0.202 = 202 API credits (5.0417 s output video × $0.04).

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-video-13b-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 |  |  | A generálást vezérlő szöveges utasítások. |
| `negative_prompt` |  | string | no | `worst quality, inconsistent motion, blurry, jittery, distorted` |  | A generáláshoz használt negatív szöveges utasítások. |
| `loras` |  | array of object {path, weight_name, scale} | no | `[]` |  | A generálás során alkalmazott LoRA-súlyok. |
| `loras[].path` |  | string | yes |  |  | A LoRA-súlyok helye URL-ként vagy elérési útként megadva. |
| `loras[].weight_name` |  | string \| null | no |  |  | A LoRA-súly neve több súly közötti választáshoz HuggingFace-tárban; csak több súlyt tartalmazó táraknál szükséges. A beállítás hatástalan, ha a `path` nem HuggingFace-tárat azonosít. |
| `loras[].scale` |  | number | no | `1` | 0 – 4 | A betöltéskor a LoRA-súlyt skálázó szorzó. |
| `resolution` |  | enum (string) | no | `720p` | `480p`, `720p` | A kimeneti videó felbontása. |
| `aspect_ratio` |  | enum (string) | no | `auto` | `9:16`, `1:1`, `16:9`, `auto` | A videó képaránya. |
| `seed` |  | integer \| null | no |  |  | A generálás közbeni véletlenszerűséget vezérlő kezdőérték. |
| `num_frames` |  | integer | no | `121` | 9 – 1,441 | A videó teljes képkockaszáma. |
| `first_pass_num_inference_steps` |  | integer | no | `8` | 2 – 12 | Az első menet következtetési lépéseinek száma. |
| `second_pass_num_inference_steps` |  | integer | no | `8` | 2 – 12 | A második menet következtetési lépéseinek száma. |
| `second_pass_skip_initial_steps` |  | integer | no | `5` | 1 – 11 | A második menet elején kihagyandó következtetési lépések száma, amely a menetet a nagy léptékű változtatások helyett a finom részletek felé tolja. |
| `frame_rate` |  | integer | no | `24` | 1 – 60 | A videó képkockasebessége. |
| `expand_prompt` |  | boolean | no | `false` |  | A prompt nyelvi modellel végzett bővítése. |
| `reverse_video` |  | boolean | no | `false` |  | A videó lejátszási sorrendjének megfordítása. |
| `enable_safety_checker` |  | boolean | no | `true` |  | Biztonsági ellenőrzési kapcsoló, amelynek kikapcsolt állapotát csak engedélyezett fiókoknál veszi figyelembe a rendszer. Minden ilyen engedély nélküli kérés biztonsági ellenőrzésen esik át. |
| `enable_detail_pass` |  | boolean | no | `false` |  | Opcionális második finomítási menet, amely engedélyezve javítja a videó részleteit. |
| `temporal_adain_factor` |  | number | no | `0.5` | 0 – 1 | Az adaptív példánynormalizálás (AdaIN) erőssége: a magasabb értékek nagyobb színkonzisztenciát, az alacsonyabbak nagyobb színváltozatosságot biztosítanak. Az első kivételével a generált részeken működik, a videó teljes hosszában normalizálva a színeloszlásokat, hogy ellensúlyozza a telítettség vagy kontraszt fokozatos növekedését. |
| `tone_map_compression_ratio` |  | number | no | `0` | 0 – 1 | A tónusleképezési tömörítés szintje, amely a 0.0 értéknél nincs tömörítéstől az 1.0 értéknél maximális tömörítésig terjed. A videó dinamikatartományának ilyen tömörítése javítja a vizuális minőséget. |
| `constant_rate_factor` |  | integer | no | `29` | 0 – 51 | A bemeneti tömörítéshez használt állandó bitsebességi tényező (CRF), amely javíthatja a mozgás minőségét azáltal, hogy a megadott médiát közelebb hozza a modell tanítóadataihoz. |
| `images` |  | array of object {image_url, start_frame_num, strength} | no | `[]` |  | URL-en keresztül megadott kondicionáló képek. |
| `images[].image_url` |  | string (image URL) | yes |  |  | URL-en keresztül megadott kondicionáló kép. |
| `images[].start_frame_num` |  | integer | no | `0` | 0 – 1,440 | A képkondicionálás kezdőpozíciója, 8-cal osztható képkockaszámként megadva. |
| `images[].strength` |  | number | no | `1` | 0 – 1 | A kondicionálás intenzitása: a 0.0 letiltja, az 1.0 teljes mértékben alkalmazza a kondicionálást. |
| `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 | `[]` |  | Kondicionáláshoz megadott videók. |
| `videos[].video_url` |  | string (video URL) | yes |  |  | URL-en keresztül megadott kondicionáló videó. |
| `videos[].conditioning_type` |  | enum (string) \| null | no | `rgb` | `rgb`, `depth`, `pose`, `canny` | A videókondicionálás kategóriája, amely engedélyezett előfeldolgozáskor kiválasztja az előfeldolgozási folyamatot, és helyesen alkalmazza a kontextuson belüli LoRA-súlyokat. |
| `videos[].preprocess` |  | boolean | no | `false` |  | Előfeldolgozást engedélyez a videó kondicionálási típusához való igazításhoz. RGB-kondicionálás esetén nincs hatása. |
| `videos[].start_frame_num` |  | integer | no | `0` | 0 – 1,440 | A kondicionálás kezdőpozíciója a videóban, 8-cal osztható képkockaszámként megadva. |
| `videos[].strength` |  | number | no | `1` | 0 – 1 | A kondicionálás intenzitása: a 0.0 letiltja, az 1.0 teljes mértékben alkalmazza a kondicionálást. |
| `videos[].limit_num_frames` |  | boolean | no | `false` |  | Videós képkockakorlát-kapcsoló: engedélyezésekor a `max_num_frames` korlátozza a videóból felhasznált képkockák számát. |
| `videos[].max_num_frames` |  | integer | no | `1441` | 1 – 1,441 | A videóból felhasználható képkockák felső korlátja; a None a teljes videót választja korlátozott képkockaszám helyett. |
| `videos[].resample_fps` |  | boolean | no | `false` |  | Videós képkockasebesség-átalakítási kapcsoló: engedélyezésekor a videót a `target_fps` értékén újramintavételezi. |
| `videos[].target_fps` |  | integer | no | `24` | 1 – 60 | Az újramintavételezés képkockasebessége FPS-ben, csak a `resample_fps` engedélyezésekor alkalmazható. |
| `videos[].reverse_video` |  | boolean | no | `false` |  | A videó sorrendjének megfordítása olyan feladatokhoz, amelyeknél a kondicionálásnak visszafelé kell követnie a képkockákat. |

## 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/ltx-video-13b-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/ltx-video-13b-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/ltx-video-13b-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": "ltx-video-13b-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": "ltx-video-13b-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": 202,
    "usd": "0.202",
    "charged": 202,
    "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} | A generálással létrehozott videófájl. |
| `prompt` | string | A kimenet létrehozásához használt prompt. |
| `seed` | integer | A generálás során alkalmazott seedérték. |

## Related models

- [LTX Video-0.9.7 13B Distilled](https://doitong.com/developers/models/ltx-video-13b-distilled.md) (`ltx-video-13b-distilled`): from $0.04 / second of output video
- [LTX Video-0.9.7 13B Distilled · Image to Video](https://doitong.com/developers/models/ltx-video-13b-distilled/image-to-video.md) (`ltx-video-13b-distilled/image-to-video`): from $0.04 / second of output video
- [LTX Video-0.9.7 13B Distilled · Extend](https://doitong.com/developers/models/ltx-video-13b-distilled/extend.md) (`ltx-video-13b-distilled/extend`): $0.04 / 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/ltx-video-13b-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=ltx-video-13b-distilled/multiconditioning
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.ru/v1/models/ltx-video-13b-distilled/multiconditioning