Op den Inhalt sprangen

LTX-2.3 22B · Audio to Video

Integréieren

Modell-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"

Dateie wéi am Beispill: 0,358 $ 358 API-Kreditter · ≈ 38,51 ₽ Är Dateie gi virun der Ausféierung gemooss Op dëser Säit ausféieren

API-Schlëssel kréien
Lightricks Lipsync & Avataren Lipsync

Baut e Video, deen enger Input-Audiospur follegt, mat optionalen éischten a leschte Frame-Biller an enger Kamera-LoRA

Lightricks · Video

Äin éischt Resultat kënnt hei hin

Baut hei drënner eng Ufro a féiert se mat Ärem API-Schlëssel aus. Output gëtt an eis Späicherung kopéiert, fir ëmmer oder 7 Deeg gratis gespäichert.

Eng Ufro erstellen

D'Kontrolle ginn aus dem Modellschema generéiert. De Code an de Präis aktualiséiere sech, wann s du se ännerst.

•obligatoresch

Prompt, deen als Grondlag fir d'Videogeneratioun benotzt gëtt.

•obligatoresch audio_url
Fichier erofzéien, oder

URL vum Quell-Audio, deen zur Videogeneratioun benotzt gëtt.

image_url
Fichier erofzéien, oder

Optional Bild-URL, déi den éischte Frame vum Video definéiert.

video_size Standard landscape_16_9

Videodimensiounen; mat 'auto' kann d'Gréisst vum Input-Bild benotzt ginn, wann e Bild geliwwert gëtt.

Standard 121

Frame-Zuel vum generéierten Output.

Standard 24

Frame-Rate vum Output-Video, gemooss a Frames pro Sekonn.

Erweidert 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
Standard news broadcast, 3d an...

Negativen Prompt, dee bei der Videogeneratioun benotzt gëtt.

end_image_url
Fichier erofzéien, oder

Bild-URL, déi de leschte Frame vum Video definéiert.

scheduler Standard ltx2

Auswiel vum Scheduler.

acceleration Standard regular

Beschleunigungsniveau, deen op d'Veraarbechtung applizéiert gëtt.

camera_lora Standard none

Auswiel vun der Kamera-LoRA fir d'Beweegung am generéierte Video méi präzis ze steiere wéi nëmme mat Kamera-Beweegungs-Prompts.

video_output_type Standard X264 (.mp4)

Output-Typ vum resultéierende Video.

video_quality Standard high

Qualitéitsniveau vum resultéierende Video.

video_write_mode Standard balanced

Schreifmodus vum resultéierende Video.

Standard 40

Zuel vun den ausgeféierten Inferenzschrëtt.

Standard 3

Video-Guidance-Astellung: erhéicht se fir méi Konsistenz a Fokus am generéierten Inhalt. Benotzt classifier-free guidance (CFG).

Standard 0

Kontroll vu Konsistenz a Fokus vum Video duerch d'Skala vu Spatiotemporal Guidance (STG); erhéicht d'Astellung, fir béid Eegeschafte ze verstäerken.

Standard 0.7

Video-Rescaling-Astellung, déi classifier-free a spatiotemporal guidance als Verhältnis ausbalancéiert.

Standard 3

Video-Modalitéits-Astellung, déi d'Bäiträg vu Video an Audio als Verhältnis ausbalancéiert.

Standard 7

Audio-Guidance-Astellung: erhéicht se fir méi Konsistenz a Fokus am generéierten Inhalt. Benotzt classifier-free guidance (CFG).

Standard 0

Kontroll vu Konsistenz a Fokus vum Audio duerch d'Skala vu Spatiotemporal Guidance (STG); erhéicht d'Astellung, fir béid Eegeschafte ze verstäerken.

Standard 0.7

Audio-Rescaling-Astellung, déi classifier-free a spatiotemporal guidance als Verhältnis ausbalancéiert.

Standard 3

Audio-Modalitéits-Astellung, déi d'Bäiträg vu Video an Audio als Verhältnis ausbalancéiert.

Standard 2

Astellung fir d'Estimatioun vum Denoising-Gradient: 0 deaktivéiert d'Estimatioun; soss spezifizéiert de Wäert gamma.

Standard 1

Stäerkt vun der Kamera-LoRA fir d'Beweegung am generéierte Video méi präzis ze steiere wéi nëmme mat Kamera-Beweegungs-Prompts.

Standard 0.2

Steiert d'Skaléierung vun der Distill-LoRA am éischte Pass; 0 deaktivéiert se.

Standard 0.5

Steiert d'Skaléierung vun der Distill-LoRA fir all Pass nom éischten.

Standard 1

Aflossstäerkt vum Bild op d'Videogeneratioun.

Standard 1

Steiert, wéi staark d'Endbild de generéierte Video beaflosst.

Standard 1

Audio-Conditioning-Stäerkt; genee 1.0 erhält den Input onverännert. Bei Astellunge méi kleng wéi 1.0 kann d'Modell den Audio änneren.

Seed-Wäert, deen d'Generatioun vun Zoufallszuelen initialiséiert.

POST /run/ltx-2.3-22b/audio-to-video?wait=20 Präis → 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"

Dës Ufro ausféieren

Äre Schlëssel bleift an dësem Browser: e gëtt nëmmen un d'Doitong API geschéckt an nëmme gespäichert (localStorage), wann s du „Erënneren“ aktivéiers. En API-Schlëssel kréien

Iwwer LTX-2.3 22B · Audio to Video

Braucht e `prompt` an eng `audio_url`. Standardméisseg gëtt d'Framezuel aus der Audiodauer ofgeleet (`match_audio_length`); soss gëllt `num_frames` (9 bis 481). `image_url` an `end_image_url` kënnen den éischten an de leschte Frame fixéieren. Et gi vill Sampling-Kontrollen, wéi Guidance-Skalen, `scheduler`, `camera_lora`, an Outputformater dorënner mp4, webm, mov a GIF.

Parameteren

Schéck entweder den kanoneschen Numm oder den natierlechen Numm, net béid. Kanonesch Nimm

NummTyp StandardErlaabt Beschreiwung
promptobligatoresch
Typstring
Prompt, deen als Grondlag fir d'Videogeneratioun benotzt gëtt.
audio_urlobligatoresch audio
Typurl · audio
URL vum Quell-Audio, deen zur Videogeneratioun benotzt gëtt.
image_urloptional image
Typurl · image
Optional Bild-URL, déi den éischte Frame vum Video definéiert.
end_image_urloptional end_image
Typurl · image
Bild-URL, déi de leschte Frame vum Video definéiert.
match_audio_lengthoptional
Typboolean
Standardtrue
Auswiel-Toggle fir d'Frame-Zuel: deaktivéiert benotzt num_frames, aktivéiert berechent d'Zuel aus FPS an der Audio-Dauer.
num_framesoptional
Typinteger
Standard121
9 – 481
Frame-Zuel vum generéierten Output.
video_sizeoptional
Typobject
Standardlandscape_16_9
autosquare_hdsquareportrait_4_3portrait_16_9landscape_4_3landscape_16_9
Videodimensiounen; mat 'auto' kann d'Gréisst vum Input-Bild benotzt ginn, wann e Bild geliwwert gëtt.
use_multiscaleoptional
Typboolean
Standardtrue
Toggle fir Multi-Scale-Generatioun fir besser Kohärenz an Detailer. Mat True féiert e méi klenge virleefege Video eng zweet Generatioun un, där hir Gréisst déi ugefrote Dimensiounen erreecht oder iwwerschreit.
fpsoptional
Typnumber
Standard24
1 – 60
Frame-Rate vum Output-Video, gemooss a Frames pro Sekonn.
num_inference_stepsoptional
Typinteger
Standard40
8 – 50
Zuel vun den ausgeféierten Inferenzschrëtt.
video_cfg_scaleoptional
Typnumber
Standard3
1 – 20
Video-Guidance-Astellung: erhéicht se fir méi Konsistenz a Fokus am generéierten Inhalt. Benotzt classifier-free guidance (CFG).
video_stg_scaleoptional
Typnumber
Standard0
0 – 20
Kontroll vu Konsistenz a Fokus vum Video duerch d'Skala vu Spatiotemporal Guidance (STG); erhéicht d'Astellung, fir béid Eegeschafte ze verstäerken.
video_rescaling_scaleoptional
Typnumber
Standard0.7
0 – 1
Video-Rescaling-Astellung, déi classifier-free a spatiotemporal guidance als Verhältnis ausbalancéiert.
video_modality_scaleoptional
Typnumber
Standard3
0 – 10
Video-Modalitéits-Astellung, déi d'Bäiträg vu Video an Audio als Verhältnis ausbalancéiert.
audio_cfg_scaleoptional
Typnumber
Standard7
1 – 20
Audio-Guidance-Astellung: erhéicht se fir méi Konsistenz a Fokus am generéierten Inhalt. Benotzt classifier-free guidance (CFG).
audio_stg_scaleoptional
Typnumber
Standard0
0 – 20
Kontroll vu Konsistenz a Fokus vum Audio duerch d'Skala vu Spatiotemporal Guidance (STG); erhéicht d'Astellung, fir béid Eegeschafte ze verstäerken.
audio_rescaling_scaleoptional
Typnumber
Standard0.7
0 – 1
Audio-Rescaling-Astellung, déi classifier-free a spatiotemporal guidance als Verhältnis ausbalancéiert.
audio_modality_scaleoptional
Typnumber
Standard3
0 – 10
Audio-Modalitéits-Astellung, déi d'Bäiträg vu Video an Audio als Verhältnis ausbalancéiert.
gradient_estimation_gammaoptional
Typnumber
Standard2
0 – 10
Astellung fir d'Estimatioun vum Denoising-Gradient: 0 deaktivéiert d'Estimatioun; soss spezifizéiert de Wäert gamma.
use_restart_samplingoptional
Typboolean
Standardfalse
Toggle fir Restart-Sampling mat méiglecherweis besserer Videoqualitéit: d'Aktivéierung füügt bei all Denoising-Schrëtt e bëssen Rausche bäi.
scheduleroptional
Typenum
Standardltx2
ltx2linear_quadraticbeta
Auswiel vum Scheduler.
accelerationoptional
Typenum
Standardregular
noneregularhighfull
Beschleunigungsniveau, deen op d'Veraarbechtung applizéiert gëtt.
camera_loraoptional
Typenum
Standardnone
dolly_indolly_outdolly_leftdolly_rightjib_upjib_downstaticnone
Auswiel vun der Kamera-LoRA fir d'Beweegung am generéierte Video méi präzis ze steiere wéi nëmme mat Kamera-Beweegungs-Prompts.
camera_lora_scaleoptional
Typnumber
Standard1
0 – 1
Stäerkt vun der Kamera-LoRA fir d'Beweegung am generéierte Video méi präzis ze steiere wéi nëmme mat Kamera-Beweegungs-Prompts.
negative_promptoptional
Typstring
Standardnews broadcast, 3d animation, computer graphics, pc game, console game, video game, cartoon, childish, watermark, logo, text, on screen text, subtitles, titles, signature, slowmo, static
Negativen Prompt, dee bei der Videogeneratioun benotzt gëtt.
seedoptional
Typinteger | null
Seed-Wäert, deen d'Generatioun vun Zoufallszuelen initialiséiert.
enable_prompt_expansionoptional
Typboolean
Standardtrue
Steiert, ob d'Prompt-Erweiderung aktivéiert ass.
enable_safety_checkeroptional
Typboolean
Standardtrue
Steiert, ob d'Sécherheetskontroll aktivéiert ass.
video_output_typeoptional
Typenum
StandardX264 (.mp4)
X264 (.mp4)VP9 (.webm)PRORES4444 (.mov)GIF (.gif)
Output-Typ vum resultéierende Video.
video_qualityoptional
Typenum
Standardhigh
lowmediumhighmaximum
Qualitéitsniveau vum resultéierende Video.
video_write_modeoptional
Typenum
Standardbalanced
fastbalancedsmall
Schreifmodus vum resultéierende Video.
distill_lora_first_pass_scaleoptional
Typnumber
Standard0.2
0 – 1
Steiert d'Skaléierung vun der Distill-LoRA am éischte Pass; 0 deaktivéiert se.
distill_lora_second_pass_scaleoptional
Typnumber
Standard0.5
0 – 1
Steiert d'Skaléierung vun der Distill-LoRA fir all Pass nom éischten.
image_strengthoptional
Typnumber
Standard1
0 – 1
Aflossstäerkt vum Bild op d'Videogeneratioun.
end_image_strengthoptional
Typnumber
Standard1
0 – 1
Steiert, wéi staark d'Endbild de generéierte Video beaflosst.
audio_strengthoptional
Typnumber
Standard1
0 – 1
Audio-Conditioning-Stäerkt; genee 1.0 erhält den Input onverännert. Bei Astellunge méi kleng wéi 1.0 kann d'Modell den Audio änneren.
preprocess_audiooptional
Typboolean
Standardtrue
Steiert, ob den Audio virun der Benotzung fir d'Conditioning virveraarbecht gëtt.
obligatoresch Kanoneschen Numm, och akzeptéiert

Fichierparameter akzeptéieren eng ëffentlech https:// URL, eng data: URI bis zu 10 MB oder de file_url vun engem Upload. Fichieren

Output

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"
  }
}
Är Fichieren, Är WielAll outputs[].url ass eng Kopie an eiser Späicherung: fir ëmmer gespäichert (bezuelbar pro GB-Mount) oder 7 Deeg gratis, jee no Ärer Kontastellung oder ?storage=.
D'selwecht Struktur bei all Modelltype, url, content_type, width, height an duration, fir Biller, Video an Audio gläichermoossen. output ass dem Modell säin eegent Resultatobjet.
Output-Felder
video
object {url, content_type, file_name, file_size, width, height, fps, duration, num_frames}Video, dee vum Modell produzéiert gëtt.
seed
integerSeed-Wäert, mat deem d'Generatioun vun Zoufallszuele initialiséiert gëtt.
prompt
stringPrompt, deen d'Generatioun leet.

Méi Modeller: Lipsync & Avataren

Fir AI-Agenten: dës Säit als Markdown ass ënner https://doitong.com/lb/developers/models/ltx-2.3-22b/audio-to-video.md. All Modeller a Guiden: https://doitong.com/developers/llms.txt