# LTX Video-0.9.7 13B Distilled · Multiconditioning API

> ပုံနှင့် ဗီဒီယို ထိန်းညှိသတ်မှတ်မှု၊ LoRA ပံ့ပိုးမှုနှင့် ရွေးချယ်နိုင်သော အသေးစိတ်ဖြတ်သန်းမှုပါသော နှစ်ဆင့် ပြုပြင်မှု ပါဝင်သည့် video-to-video

မဖြစ်မနေလိုအပ်သော `prompt` နှင့် `images`၊ `videos` ရှိ ထိန်းညှိသတ်မှတ်မှု ထည့်သွင်းချက်များကို လမ်းညွှန်ချက်အဖြစ် အသုံးပြု၍ ဗီဒီယိုကို ဖန်တီးပေးသည်။ စိတ်ကြိုက် LoRA များကို `loras` တွင် ပေးနိုင်သည်။ ထွက်ရလဒ်သည် 480p သို့မဟုတ် 720p ဖြစ်ပြီး `num_frames` သည် 9 မှ 1441 အထိ၊ `frame_rate` သည် 1 မှ 60 အထိ ဖြစ်သည်။ ပထမနှင့် ဒုတိယအဆင့်အတွက် သီးခြားအဆင့်ရေတွက်မှုများ၊ ရွေးချယ်နိုင်သော အသေးစိတ်အဆင့်နှင့် `temporal_adain_factor` ကဲ့သို့သော အရောင်ထိန်းချုပ်မှုများဖြင့် ရလဒ်ကို ချိန်ညှိနိုင်သည်။

- 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/my/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 |  |  | ဖန်တီးမှုကို လမ်းညွှန်ပေးသော စာသားညွှန်ကြားချက်များ။ |
| `negative_prompt` |  | string | no | `worst quality, inconsistent motion, blurry, jittery, distorted` |  | ဖန်တီးမှုအတွက် အနုတ်လက္ခဏာဆောင်သော စာသားညွှန်ကြားချက်များ။ |
| `loras` |  | array of object {path, weight_name, scale} | no | `[]` |  | ဖန်တီးမှုအတွင်း အသုံးချမည့် LoRA weights။ |
| `loras[].path` |  | string | yes |  |  | URL သို့မဟုတ် လမ်းကြောင်းအဖြစ် ပေးထားသော LoRA weights တည်နေရာ။ |
| `loras[].weight_name` |  | string \| null | no |  |  | HuggingFace repository တစ်ခုအတွင်းရှိ weights များစွာထဲမှ ရွေးချယ်ရန် LoRA weight အမည်။ weights များစွာ ပါရှိသော repository များအတွက်သာ လိုအပ်သည်။ `path` က HuggingFace repository ကို သတ်မှတ်ထားခြင်းမရှိပါက ဤ setting သည် သက်ရောက်မှုမရှိပါ။ |
| `loras[].scale` |  | number | no | `1` | 0 – 4 | တင်သွင်းစဉ် LoRA weight ကို ချိန်ညှိပေးသော မြှောက်ကိန်း။ |
| `resolution` |  | enum (string) | no | `720p` | `480p`, `720p` | ထွက်ရလဒ်ဗီဒီယို၏ ရုပ်ထွက်အရည်အသွေး။ |
| `aspect_ratio` |  | enum (string) | no | `auto` | `9:16`, `1:1`, `16:9`, `auto` | ဗီဒီယို aspect ratio။ |
| `seed` |  | integer \| null | no |  |  | ဖန်တီးမှုအတွင်း ကျပန်းဖြစ်မှုကို ထိန်းချုပ်သော seed။ |
| `num_frames` |  | integer | no | `121` | 9 – 1,441 | ဗီဒီယိုအတွက် ဖရိမ်စုစုပေါင်းအရေအတွက်။ |
| `first_pass_num_inference_steps` |  | integer | no | `8` | 2 – 12 | ပထမအကြိမ်လုပ်ဆောင်မှုအတွက် inference အဆင့်အရေအတွက်။ |
| `second_pass_num_inference_steps` |  | integer | no | `8` | 2 – 12 | ဒုတိယအကြိမ်လုပ်ဆောင်မှုအတွက် inference အဆင့်အရေအတွက်။ |
| `second_pass_skip_initial_steps` |  | integer | no | `5` | 1 – 11 | ဒုတိယအကြိမ်လုပ်ဆောင်မှုအတွင်း ချန်လှပ်မည့် ကနဦး inference အဆင့်အရေအတွက်။ ထိုအကြိမ်ကို အကြီးစားပြောင်းလဲမှုများထက် အသေးစိတ်ပြင်ဆင်မှုဘက်သို့ ရွှေ့ပေးသည်။ |
| `frame_rate` |  | integer | no | `24` | 1 – 60 | ဗီဒီယို၏ ဖရိမ်နှုန်း။ |
| `expand_prompt` |  | boolean | no | `false` |  | ဘာသာစကားမော်ဒယ်မှတစ်ဆင့် ပရောမ့်ချဲ့ထွင်မှု။ |
| `reverse_video` |  | boolean | no | `false` |  | ဗီဒီယိုဖွင့်သည့် အစီအစဉ်ကို ပြောင်းပြန်လှန်ခြင်း။ |
| `enable_safety_checker` |  | boolean | no | `true` |  | ဘေးကင်းရေးစစ်ဆေးမှု ခလုတ်၊ ပိတ်ထားသည့်ဆက်တင်ကို ခွင့်ပြုထားသော account များအတွက်သာ လက်ခံသည်။ ထိုခွင့်ပြုချက်မရှိသော တောင်းဆိုချက်အားလုံးသည် ဘေးကင်းရေးစစ်ဆေးမှု ခံယူရမည်။ |
| `enable_detail_pass` |  | boolean | no | `false` |  | ဖွင့်ထားပါက ဗီဒီယိုအသေးစိတ်ကို ပိုမိုကောင်းမွန်စေသော ရွေးချယ်နိုင်သည့် ဒုတိယအကြိမ် ပြုပြင်မှု။ |
| `temporal_adain_factor` |  | number | no | `0.5` | 0 – 1 | Adaptive instance normalization (AdaIN) အားကောင်းမှု။ မြင့်သောဆက်တင်တွင် အရောင်ညီညွတ်မှုနှင့် နိမ့်သောဆက်တင်တွင် အရောင်ကွဲပြားမှုကို ချိန်ညှိပေးသည်။ ပထမအပိုင်းမှလွဲ၍ ဖန်တီးထားသော အပိုင်းများတွင် လုပ်ဆောင်ပြီး ဗီဒီယိုတစ်လျှောက် အရောင်ဖြန့်ဝေမှုကို ပုံမှန်ပြုလုပ်ကာ saturation သို့မဟုတ် contrast တဖြည်းဖြည်းမြင့်တက်မှုကို တားဆီးပေးသည်။ |
| `tone_map_compression_ratio` |  | number | no | `0` | 0 – 1 | Tone-mapping compression အဆင့်။ 0.0 တွင် compression မရှိမှ 1.0 တွင် အများဆုံး compression အထိ ရှိသည်။ ဗီဒီယို၏ dynamic range ကို ဤနည်းဖြင့် ဖိသိပ်ခြင်းက ရုပ်ပုံအရည်အသွေးကို မြှင့်တင်ပေးသည်။ |
| `constant_rate_factor` |  | integer | no | `29` | 0 – 51 | ထည့်သွင်းချက် compression အတွက် အသုံးပြုသော Constant rate factor (CRF)။ ပေးထားသော မီဒီယာကို မော်ဒယ်၏ လေ့ကျင့်ရေးဒေတာနှင့် ပိုမိုနီးစပ်စေခြင်းဖြင့် လှုပ်ရှားမှုအရည်အသွေးကို မြှင့်တင်နိုင်သည်။ |
| `images` |  | array of object {image_url, start_frame_num, strength} | no | `[]` |  | URL ဖြင့် ပေးထားသော conditioning ပုံများ။ |
| `images[].image_url` |  | string (image URL) | yes |  |  | URL ဖြင့် ပေးထားသော conditioning ပုံ။ |
| `images[].start_frame_num` |  | integer | no | `0` | 0 – 1,440 | 8 ဖြင့်စားလို့ပြတ်သော ဖရိမ်နံပါတ်ဖြင့် သတ်မှတ်ထားသည့် ပုံ conditioning စတင်နေရာ။ |
| `images[].strength` |  | number | no | `1` | 0 – 1 | Conditioning ပြင်းအား။ 0.0 သည် conditioning ကို ပိတ်ပြီး 1.0 သည် အပြည့်အဝ အသုံးချသည်။ |
| `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 | `[]` |  | Conditioning အတွက် ပေးထားသော ဗီဒီယိုများ။ |
| `videos[].video_url` |  | string (video URL) | yes |  |  | URL ဖြင့် ပေးထားသော conditioning ဗီဒီယို။ |
| `videos[].conditioning_type` |  | enum (string) \| null | no | `rgb` | `rgb`, `depth`, `pose`, `canny` | ကြိုတင်လုပ်ဆောင်မှုဖွင့်ထားသည့်အခါ ကြိုတင်လုပ်ဆောင်မည့် pipeline ကို ရွေးချယ်ရန်နှင့် in-context LoRA weights များကို မှန်ကန်စွာ အသုံးချရန် အသုံးပြုသော ဗီဒီယို conditioning အမျိုးအစား။ |
| `videos[].preprocess` |  | boolean | no | `false` |  | ဗီဒီယို၏ conditioning အမျိုးအစားနှင့် ကိုက်ညီစေရန် ကြိုတင်လုပ်ဆောင်မှုကို ဖွင့်သည်။ RGB conditioning အတွက် ဖွင့်ခြင်းသည် ပြောင်းလဲမှုမပြုလုပ်ပါ။ |
| `videos[].start_frame_num` |  | integer | no | `0` | 0 – 1,440 | 8 ဖြင့်စားလို့ပြတ်သော ဖရိမ်နံပါတ်ဖြင့် သတ်မှတ်ထားသည့် ဗီဒီယိုအတွင်း conditioning စတင်နေရာ။ |
| `videos[].strength` |  | number | no | `1` | 0 – 1 | Conditioning ပြင်းအား။ 0.0 သည် conditioning ကို ပိတ်ပြီး 1.0 သည် အပြည့်အဝ အသုံးချသည်။ |
| `videos[].limit_num_frames` |  | boolean | no | `false` |  | ဗီဒီယိုဖရိမ်ကန့်သတ်သည့် ခလုတ်။ ဖွင့်ထားပါက ဗီဒီယိုမှယူမည့် ဖရိမ်များအတွက် `max_num_frames` ကို အများဆုံးတန်ဖိုးအဖြစ် သတ်မှတ်သည်။ |
| `videos[].max_num_frames` |  | integer | no | `1441` | 1 – 1,441 | ဗီဒီယိုမှ အသုံးပြုမည့် ဖရိမ်အရေအတွက် အများဆုံး။ None သည် ကန့်သတ်အရေအတွက်အစား ဗီဒီယိုတစ်ခုလုံးကို ရွေးချယ်သည်။ |
| `videos[].resample_fps` |  | boolean | no | `false` |  | ဗီဒီယိုဖရိမ်နှုန်းပြောင်းလဲသည့် ခလုတ်။ ဖွင့်ထားပါက `target_fps` တွင် သတ်မှတ်ထားသောနှုန်းဖြင့် ဗီဒီယိုကို ပြန်လည်နမူနာယူသည်။ |
| `videos[].target_fps` |  | integer | no | `24` | 1 – 60 | `resample_fps` ဖွင့်ထားသည့်အခါသာ အသုံးပြုနိုင်သော FPS ဖြင့် ဖော်ပြသည့် ပြန်လည်နမူနာယူမည့် ဖရိမ်နှုန်း။ |
| `videos[].reverse_video` |  | boolean | no | `false` |  | Conditioning ကို ဖရိမ်များနောက်ပြန်အစီအစဉ်အတိုင်း လိုအပ်သည့်လုပ်ငန်းများအတွက် ဗီဒီယိုအစီအစဉ်ကို ပြောင်းပြန်လှန်ခြင်း။ |

## 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} | ဖန်တီးမှုမှ ထွက်ရှိသည့် ဗီဒီယိုဖိုင်။ |
| `prompt` | string | ထွက်ရလဒ်ဖန်တီးရန် အသုံးပြုခဲ့သော ပရောမ့်။ |
| `seed` | integer | ဖန်တီးမှုအတွင်း အသုံးပြုသည့် seed တန်ဖိုး။ |

## 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