# LTX-2.3 22B · Audio to Video API

> Crea un video che segue una traccia audio di input, con immagini facoltative per il primo e l'ultimo fotogramma e camera LoRA

Richiede un `prompt` e un `audio_url`. Per impostazione predefinita, il numero di fotogrammi deriva dalla durata dell'audio (`match_audio_length`); altrimenti si applica `num_frames` (da 9 a 481). `image_url` e `end_image_url` possono fissare il primo e l'ultimo fotogramma. Espone numerosi controlli di campionamento, tra cui scale di guida, `scheduler`, `camera_lora` e formati di output come mp4, webm, mov e 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/it/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 usato come base per la generazione del video. |
| `audio_url` | `audio` | string (audio URL) | yes |  |  | URL dell'audio sorgente usato per generare il video. |
| `image_url` | `image` | string (image URL) \| null | no |  |  | URL opzionale dell'immagine che definisce il fotogramma iniziale del video. |
| `end_image_url` | `end_image` | string (image URL) \| null | no |  |  | URL dell'immagine che definisce il fotogramma finale del video. |
| `match_audio_length` |  | boolean | no | `true` |  | Selezione del numero di fotogrammi: disabilitata usa num_frames, mentre abilitata calcola il numero da FPS e durata dell'audio. |
| `num_frames` |  | integer | no | `121` | 9 – 481 | Numero di fotogrammi dell'output generato. |
| `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` | Dimensioni del video, con il dimensionamento basato sull'immagine di input disponibile tramite 'auto' quando viene fornita un'immagine. |
| `use_multiscale` |  | boolean | no | `true` |  | Attiva la generazione multiscala per migliorare coerenza e dettaglio. Con True, un video preliminare più piccolo guida una seconda generazione le cui dimensioni soddisfano o superano quelle richieste. |
| `fps` |  | number | no | `24` | 1 – 60 | Frequenza dei fotogrammi del video di output, misurata in fotogrammi al secondo. |
| `num_inference_steps` |  | integer | no | `40` | 8 – 50 | Numero di passaggi di inferenza eseguiti. |
| `video_cfg_scale` |  | number | no | `3` | 1 – 20 | Impostazione della guida video: aumentala per ottenere maggiore coerenza e focalizzazione nel contenuto generato. Usa la classifier-free guidance (CFG). |
| `video_stg_scale` |  | number | no | `0` | 0 – 20 | Controllo della coerenza e della focalizzazione del video tramite la scala Spatiotemporal Guidance (STG); aumenta l'impostazione per rafforzare entrambe le qualità. |
| `video_rescaling_scale` |  | number | no | `0.7` | 0 – 1 | Regolazione del ridimensionamento video per bilanciare, come rapporto, la guidance classifier-free e quella spaziotemporale. |
| `video_modality_scale` |  | number | no | `3` | 0 – 10 | Regolazione della modalità video per bilanciare, come rapporto, i contributi di video e audio. |
| `audio_cfg_scale` |  | number | no | `7` | 1 – 20 | Impostazione della guida audio: aumentala per ottenere maggiore coerenza e focalizzazione nel contenuto generato. Usa la classifier-free guidance (CFG). |
| `audio_stg_scale` |  | number | no | `0` | 0 – 20 | Controllo della coerenza e della focalizzazione dell'audio tramite la scala Spatiotemporal Guidance (STG); aumenta l'impostazione per rafforzare entrambe le qualità. |
| `audio_rescaling_scale` |  | number | no | `0.7` | 0 – 1 | Regolazione del ridimensionamento audio per bilanciare, come rapporto, la guidance classifier-free e quella spaziotemporale. |
| `audio_modality_scale` |  | number | no | `3` | 0 – 10 | Regolazione della modalità audio per bilanciare, come rapporto, i contributi di video e audio. |
| `gradient_estimation_gamma` |  | number | no | `2` | 0 – 10 | Impostazione della stima del gradiente di denoising: 0 disattiva la stima; altrimenti, il valore specifica gamma. |
| `use_restart_sampling` |  | boolean | no | `false` |  | Attiva il riavvio del campionamento per una qualità video potenzialmente migliore: abilitarlo introduce una piccola quantità di rumore a ogni passaggio di denoising. |
| `scheduler` |  | enum (string) | no | `ltx2` | `ltx2`, `linear_quadratic`, `beta` | Selezione dello scheduler. |
| `acceleration` |  | enum (string) | no | `regular` | `none`, `regular`, `high`, `full` | Livello di accelerazione applicato all'elaborazione. |
| `camera_lora` |  | enum (string) | no | `none` | `dolly_in`, `dolly_out`, `dolly_left`, `dolly_right`, `jib_up`, `jib_down`, `static`, `none` | Selezione della LoRA della fotocamera per controllare il movimento nel video generato con maggiore precisione rispetto ai soli prompt sul movimento della fotocamera. |
| `camera_lora_scale` |  | number | no | `1` | 0 – 1 | Intensità della LoRA della fotocamera per controllare il movimento nel video generato con maggiore precisione rispetto ai soli prompt sul movimento della fotocamera. |
| `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 negativo usato durante la generazione del video. |
| `seed` |  | integer \| null | no |  |  | Valore seed che inizializza la generazione di numeri casuali. |
| `enable_prompt_expansion` |  | boolean | no | `true` |  | Controlla se l'espansione del prompt è abilitata. |
| `enable_safety_checker` |  | boolean | no | `true` |  | Controlla se il controllo di sicurezza è abilitato. |
| `video_output_type` |  | enum (string) | no | `X264 (.mp4)` | `X264 (.mp4)`, `VP9 (.webm)`, `PRORES4444 (.mov)`, `GIF (.gif)` | Tipo di output per il video risultante. |
| `video_quality` |  | enum (string) | no | `high` | `low`, `medium`, `high`, `maximum` | Livello di qualità del video risultante. |
| `video_write_mode` |  | enum (string) | no | `balanced` | `fast`, `balanced`, `small` | Modalità di scrittura del video risultante. |
| `distill_lora_first_pass_scale` |  | number | no | `0.2` | 0 – 1 | Controlla il ridimensionamento della LoRA distill del primo passaggio, usando 0 per disattivarlo. |
| `distill_lora_second_pass_scale` |  | number | no | `0.5` | 0 – 1 | Controlla il ridimensionamento della LoRA distill per ogni passaggio successivo al primo. |
| `image_strength` |  | number | no | `1` | 0 – 1 | Intensità dell'influenza dell'immagine sulla generazione del video. |
| `end_image_strength` |  | number | no | `1` | 0 – 1 | Controlla quanto l'immagine finale influenzi il video generato. |
| `audio_strength` |  | number | no | `1` | 0 – 1 | Intensità del condizionamento audio, con esattamente 1.0 che preserva l'input invariato. Il modello può modificare l'audio con impostazioni inferiori a 1.0. |
| `preprocess_audio` |  | boolean | no | `true` |  | Controlla se l'audio viene preelaborato prima di essere usato per il condizionamento. |

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} | Video prodotto dal modello. |
| `seed` | integer | Valore del seed usato per inizializzare la generazione di numeri casuali. |
| `prompt` | string | Prompt usato per guidare la generazione. |

## 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