Gå til innhold

LTX-2.3 22B · Audio to Video

Integrer

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"

Filer som eksempelet: 0,358 $ 358 API-kreditter · ≈ 38,51 ₽ filene dine måles før kjøring Kjør den på denne siden

Hent API-nøkkel
Lightricks · Video

Det første resultatet ditt kommer her

Bygg en forespørsel nedenfor og kjør den med API-nøkkelen din. Utdata kopieres til lagringen vår, lagret for alltid eller 7 dager gratis.

Bygg en forespørsel

Kontrollene genereres fra modellskjemaet. Koden og prisen oppdateres når du endrer dem.

•obligatorisk

Prompt brukt som grunnlag for videogenerering.

•obligatorisk audio_url
Slipp en fil, eller

URL til kildelyden som brukes til å generere videoen.

image_url
Slipp en fil, eller

Valgfri bilde-URL som definerer videoens åpningsbilde.

video_size standard landscape_16_9

Videodimensjoner, med mulighet for å bruke inndatabildets størrelse gjennom 'auto' når et bilde er oppgitt.

standard 121

Antall bilder i de genererte utdataene.

standard 24

Bildehastighet for utdata-videoen, målt i bilder per sekund.

Avansert 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...

Negativ prompt som brukes under videogenerering.

end_image_url
Slipp en fil, eller

Bilde-URL som definerer videoens sluttbilde.

scheduler standard ltx2

Valg av planlegger.

acceleration standard regular

Akselerasjonsnivå brukt på behandlingen.

camera_lora standard none

Valg av kamera-LoRA for mer presis styring av bevegelse i den genererte videoen enn med bare kamerabevegelsesprompter.

video_output_type standard X264 (.mp4)

Utdata type for videoen som resultat.

video_quality standard high

Kvalitetsnivå for videoen som resultat.

video_write_mode standard balanced

Skrivemodus for videoen som resultat.

standard 40

Antall utførte inferenssteg.

standard 3

Veiledningsinnstilling for video: øk den for større konsistens og fokus i det genererte innholdet. Bruker classifier-free guidance (CFG).

standard 0

Styrer videoens konsistens og fokus gjennom skalaen for Spatiotemporal Guidance (STG); øk innstillingen for å styrke begge egenskapene.

standard 0.7

Justering av videoskalering for å balansere classifier-free guidance mot spatiotemporal guidance som et forhold.

standard 3

Justering av videomodusen for å balansere bidragene fra video og lyd som et forhold.

standard 7

Veiledningsinnstilling for lyd: øk den for større konsistens og fokus i det genererte innholdet. Bruker classifier-free guidance (CFG).

standard 0

Styrer lydens konsistens og fokus gjennom skalaen for Spatiotemporal Guidance (STG); øk innstillingen for å styrke begge egenskapene.

standard 0.7

Justering av lydskalering for å balansere classifier-free guidance mot spatiotemporal guidance som et forhold.

standard 3

Justering av lydmodusen for å balansere bidragene fra video og lyd som et forhold.

standard 2

Innstilling for estimering av gradient ved støyreduksjon: 0 deaktiverer estimering; ellers angir verdien gamma.

standard 1

Styrke for kamera-LoRA for mer presis styring av bevegelse i den genererte videoen enn med bare kamerabevegelsesprompter.

standard 0.2

Styrer skaleringen av distill-LoRA i første pass; bruk 0 for å deaktivere den.

standard 0.5

Styrer skaleringen av distill-LoRA for hvert pass etter det første.

standard 1

Styrken på bildets påvirkning av videogenereringen.

standard 1

Styrer hvor mye sluttbildet påvirker den genererte videoen.

standard 1

Styrke for lydbetingelse, der nøyaktig 1.0 bevarer inndata uendret. Modellen kan endre lyden ved innstillinger under 1.0.

Seed-verdi som initialiserer generering av tilfeldige tall.

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

Kjør denne forespørselen

Nøkkelen din blir i denne nettleseren: Den sendes bare til Doitong API og lagres bare i localStorage hvis du krysser av for Husk. Hent en API-nøkkel

Om LTX-2.3 22B · Audio to Video

Krever en `prompt` og en `audio_url`. Som standard utledes antall bilder fra lydlengden (`match_audio_length`); ellers brukes `num_frames` (9 til 481). `image_url` og `end_image_url` kan låse første og siste bilde. Modellen tilbyr mange samplingskontroller, som guidance-skalaer, `scheduler`, `camera_lora` og utdataformater som mp4, webm, mov og GIF.

Parametere

Send enten det kanoniske navnet eller det opprinnelige navnet, ikke begge. Kanoniske navn

NavnType StandardTillatt Beskrivelse
promptobligatorisk
Typestring
Prompt brukt som grunnlag for videogenerering.
audio_urlobligatorisk audio
Typeurl · audio
URL til kildelyden som brukes til å generere videoen.
image_urlvalgfritt image
Typeurl · image
Valgfri bilde-URL som definerer videoens åpningsbilde.
end_image_urlvalgfritt end_image
Typeurl · image
Bilde-URL som definerer videoens sluttbilde.
match_audio_lengthvalgfritt
Typeboolean
Standardtrue
Bryter for valg av antall bilder: deaktivert bruker num_frames, mens aktivert beregner antallet fra FPS og lydvarighet.
num_framesvalgfritt
Typeinteger
Standard121
9 – 481
Antall bilder i de genererte utdataene.
video_sizevalgfritt
Typeobject
Standardlandscape_16_9
autosquare_hdsquareportrait_4_3portrait_16_9landscape_4_3landscape_16_9
Videodimensjoner, med mulighet for å bruke inndatabildets størrelse gjennom 'auto' når et bilde er oppgitt.
use_multiscalevalgfritt
Typeboolean
Standardtrue
Bryter for generering i flere skalaer for bedre sammenheng og detalj. Med True lager en foreløpig mindre video som veiledning for en ny generering med størrelse som oppfyller eller overstiger de forespurte dimensjonene.
fpsvalgfritt
Typenumber
Standard24
1 – 60
Bildehastighet for utdata-videoen, målt i bilder per sekund.
num_inference_stepsvalgfritt
Typeinteger
Standard40
8 – 50
Antall utførte inferenssteg.
video_cfg_scalevalgfritt
Typenumber
Standard3
1 – 20
Veiledningsinnstilling for video: øk den for større konsistens og fokus i det genererte innholdet. Bruker classifier-free guidance (CFG).
video_stg_scalevalgfritt
Typenumber
Standard0
0 – 20
Styrer videoens konsistens og fokus gjennom skalaen for Spatiotemporal Guidance (STG); øk innstillingen for å styrke begge egenskapene.
video_rescaling_scalevalgfritt
Typenumber
Standard0.7
0 – 1
Justering av videoskalering for å balansere classifier-free guidance mot spatiotemporal guidance som et forhold.
video_modality_scalevalgfritt
Typenumber
Standard3
0 – 10
Justering av videomodusen for å balansere bidragene fra video og lyd som et forhold.
audio_cfg_scalevalgfritt
Typenumber
Standard7
1 – 20
Veiledningsinnstilling for lyd: øk den for større konsistens og fokus i det genererte innholdet. Bruker classifier-free guidance (CFG).
audio_stg_scalevalgfritt
Typenumber
Standard0
0 – 20
Styrer lydens konsistens og fokus gjennom skalaen for Spatiotemporal Guidance (STG); øk innstillingen for å styrke begge egenskapene.
audio_rescaling_scalevalgfritt
Typenumber
Standard0.7
0 – 1
Justering av lydskalering for å balansere classifier-free guidance mot spatiotemporal guidance som et forhold.
audio_modality_scalevalgfritt
Typenumber
Standard3
0 – 10
Justering av lydmodusen for å balansere bidragene fra video og lyd som et forhold.
gradient_estimation_gammavalgfritt
Typenumber
Standard2
0 – 10
Innstilling for estimering av gradient ved støyreduksjon: 0 deaktiverer estimering; ellers angir verdien gamma.
use_restart_samplingvalgfritt
Typeboolean
Standardfalse
Bryter for omstart av sampling for mulig bedre videokvalitet: aktivering tilfører litt støy ved hvert trinn i støyreduksjonen.
schedulervalgfritt
Typeenum
Standardltx2
ltx2linear_quadraticbeta
Valg av planlegger.
accelerationvalgfritt
Typeenum
Standardregular
noneregularhighfull
Akselerasjonsnivå brukt på behandlingen.
camera_loravalgfritt
Typeenum
Standardnone
dolly_indolly_outdolly_leftdolly_rightjib_upjib_downstaticnone
Valg av kamera-LoRA for mer presis styring av bevegelse i den genererte videoen enn med bare kamerabevegelsesprompter.
camera_lora_scalevalgfritt
Typenumber
Standard1
0 – 1
Styrke for kamera-LoRA for mer presis styring av bevegelse i den genererte videoen enn med bare kamerabevegelsesprompter.
negative_promptvalgfritt
Typestring
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
Negativ prompt som brukes under videogenerering.
seedvalgfritt
Typeinteger | null
Seed-verdi som initialiserer generering av tilfeldige tall.
enable_prompt_expansionvalgfritt
Typeboolean
Standardtrue
Styrer om promptutvidelse er aktivert.
enable_safety_checkervalgfritt
Typeboolean
Standardtrue
Styrer om sikkerhetskontroll er aktivert.
video_output_typevalgfritt
Typeenum
StandardX264 (.mp4)
X264 (.mp4)VP9 (.webm)PRORES4444 (.mov)GIF (.gif)
Utdata type for videoen som resultat.
video_qualityvalgfritt
Typeenum
Standardhigh
lowmediumhighmaximum
Kvalitetsnivå for videoen som resultat.
video_write_modevalgfritt
Typeenum
Standardbalanced
fastbalancedsmall
Skrivemodus for videoen som resultat.
distill_lora_first_pass_scalevalgfritt
Typenumber
Standard0.2
0 – 1
Styrer skaleringen av distill-LoRA i første pass; bruk 0 for å deaktivere den.
distill_lora_second_pass_scalevalgfritt
Typenumber
Standard0.5
0 – 1
Styrer skaleringen av distill-LoRA for hvert pass etter det første.
image_strengthvalgfritt
Typenumber
Standard1
0 – 1
Styrken på bildets påvirkning av videogenereringen.
end_image_strengthvalgfritt
Typenumber
Standard1
0 – 1
Styrer hvor mye sluttbildet påvirker den genererte videoen.
audio_strengthvalgfritt
Typenumber
Standard1
0 – 1
Styrke for lydbetingelse, der nøyaktig 1.0 bevarer inndata uendret. Modellen kan endre lyden ved innstillinger under 1.0.
preprocess_audiovalgfritt
Typeboolean
Standardtrue
Styrer om lyd forhåndsbehandles før den brukes som betingelse.
obligatorisk Kanonisk navn, også godkjent

Filparametere tar imot en offentlig https:// URL, en data: URI på opptil 10 MB eller file_url fra en opplasting. Filer

Utdata

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"
  }
}
Filene dine, ditt valgHver outputs[].url er en kopi på lagringen vår: lagret for alltid (betalt per GB-måned) eller 7 dager gratis, styrt av kontoinnstillingen din eller ?storage=.
Samme struktur for hver modelltype, url, content_type, width, height og duration, for bilder, video og lyd. output er modellens eget resultatobjekt.
Utdatafelt
video
object {url, content_type, file_name, file_size, width, height, fps, duration, num_frames}Video produsert av modellen.
seed
integerStartverdi som brukes til å initialisere generering av tilfeldige tall.
prompt
stringPrompt som brukes til å styre genereringen.

Flere modeller: Leppe­synkronisering og avatarer

For AI-agenter: Denne siden som Markdown finnes på https://doitong.com/no/developers/models/ltx-2.3-22b/audio-to-video.md. Alle modeller og veiledninger: https://doitong.com/developers/llms.txt