ਸਮੱਗਰੀ ਵੱਲ ਜਾਓ

LTX 2.3 Trainer (V2) - Spatial Outpainting

ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ

ਮਾਡਲ id ltx23-trainer-v2/outpaint
# 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/ltx23-trainer-v2/outpaint?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "training_data_url": "https://example.com/your-file.zip",
    "crop_top_left": [
      0,
      0
    ],
    "crop_bottom_right": [
      512,
      512
    ]
  }'

# 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"

ਇਹ ਬੇਨਤੀ: $12.00 12,000 API ਕ੍ਰੈਡਿਟ · ≈ ₽1,290.96 ਇਸ ਪੰਨੇ ’ਤੇ ਚਲਾਓ

API ਕੁੰਜੀ ਲਵੋ
Lightricks ਟ੍ਰੇਨਿੰਗ 1–60 s

ਅਜਿਹੀ LoRA ਟ੍ਰੇਨ ਕਰਦਾ ਹੈ ਜੋ ਤੁਹਾਡੇ ਨਿਰਧਾਰਤ ਸਥਿਰ ਅੰਦਰੂਨੀ ਆਯਤ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਵੀਡੀਓ ਨੂੰ ਬਾਹਰ ਵੱਲ ਫੈਲਾਉਂਦੀ ਹੈ

Lightricks · ਫ਼ਾਈਲ

ਤੁਹਾਡਾ ਪਹਿਲਾ ਨਤੀਜਾ ਇੱਥੇ ਹੋਵੇਗਾ

ਹੇਠਾਂ ਬੇਨਤੀ ਬਣਾਓ ਅਤੇ ਆਪਣੀ API ਕੁੰਜੀ ਨਾਲ ਚਲਾਓ। ਆਉਟਪੁੱਟ ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਕਾਪੀ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਹਮੇਸ਼ਾ ਲਈ ਜਾਂ ਮੁਫ਼ਤ ਵਿੱਚ 7 ਦਿਨ ਤੱਕ ਰੱਖੇ ਜਾਂਦੇ ਹਨ।

ਰਿਕਵੈਸਟ ਬਣਾਓ

ਕੰਟਰੋਲ ਮਾਡਲ ਸਕੀਮਾ ਤੋਂ ਤਿਆਰ ਹੁੰਦੇ ਹਨ। ਤੁਸੀਂ ਬਦਲਾਅ ਕਰਦੇ ਹੀ ਕੋਡ ਅਤੇ ਕੀਮਤ ਅੱਪਡੇਟ ਹੋ ਜਾਂਦੇ ਹਨ।

resolution ਡਿਫ਼ਾਲਟ medium

ਟ੍ਰੇਨਿੰਗ ਰੈਜ਼ੋਲਿਊਸ਼ਨ। ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਵਧਾਉਣ ਨਾਲ ਮੈਮੋਰੀ ਦੀ ਲੋੜ ਵਧਦੀ ਹੈ।

aspect_ratio ਡਿਫ਼ਾਲਟ 1:1

ਟ੍ਰੇਨਿੰਗ ਪੱਖ ਅਨੁਪਾਤ।

•ਲੋੜੀਂਦਾ

ਟ੍ਰੇਨਿੰਗ ਡੇਟਾ ਵਾਲੇ `.zip` ਦਾ URL, ਚੁਣੇ ਟ੍ਰੇਨਿੰਗ ਮੋਡ ਅਨੁਸਾਰ ਵਿਵਸਥਿਤ। ਹਰ ਮੀਡੀਆ ਫ਼ਾਈਲ ਨਾਲ ਮਿਲਦੇ ਬੇਸ ਨਾਮ ਵਾਲਾ `.txt` ਕੈਪਸ਼ਨ ਹੋ ਸਕਦਾ ਹੈ।

ਡਿਫ਼ਾਲਟ 2000

ਟ੍ਰੇਨਿੰਗ ਪੜਾਵਾਂ ਦੀ ਕੁੱਲ ਗਿਣਤੀ।

•ਲੋੜੀਂਦਾ

ਰੱਖੇ ਜਾਣ ਵਾਲੇ ਅੰਦਰੂਨੀ ਆਇਤ ਦਾ ਉੱਪਰਲਾ-ਖੱਬਾ ਕੋਨਾ (x1, y1), ਜਿਸਨੂੰ ਰੈਜ਼ੋਲਿਊਸ਼ਨ × `aspect_ratio` ਦੁਆਰਾ ਚੁਣੇ ਗਏ training-ਰੈਜ਼ੋਲਿਊਸ਼ਨ bucket ਅੰਦਰ 32px latent grid ਨਾਲ ਮਿਲਾਇਆ ਜਾਂਦਾ ਹੈ। Cropping ਇਸ bucket ਵਿੱਚ ਰੀਸਾਈਜ਼ ਕਰਨ ਤੋਂ ਬਾਅਦ ਹੁੰਦੀ ਹੈ, ਇਸ ਲਈ ਕੋਆਰਡੀਨੇਟ ਅੱਪਲੋਡ ਕੀਤੀ ਵੀਡੀਓ ਦੇ ਮੂਲ ਮਾਪ ਨਹੀਂ ਵਰਤਦੇ।

•ਲੋੜੀਂਦਾ

ਰੱਖੇ ਜਾਣ ਵਾਲੇ ਅੰਦਰੂਨੀ ਆਇਤ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਵਾਲੇ ਹੇਠਲੇ-ਸੱਜੇ ਕੋਆਰਡੀਨੇਟ (x2, y2); ਮਾਡਲ ਇਸ ਤੋਂ ਬਾਹਰ ਸਭ ਕੁਝ ਸਿਰਜਦਾ ਹੈ। ਇਹ training-resolution ਪਿਕਸਲਾਂ ਵਿੱਚ ਦਰਸਾਏ ਜਾਂਦੇ ਹਨ, ਅਤੇ ਇਹ ਕੋਨਾ training ਫ੍ਰੇਮ ਦੇ ਅੰਦਰ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ x2 > x1 तथा y2 > y1 ਪੂਰਾ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।

ਉੱਨਤ validation_negative_prompt · rank · validation_resolution · validation_aspect_ratio · trigger_phrase · learning_rate · number_of_frames · frame_rate · split_input_duration_threshold · validation_number_of_frames · validation_frame_rate · stg_scale · auto_scale_input · split_input_into_scenes · debug_dataset · validation
ਡਿਫ਼ਾਲਟ blurry, out of focus,...

ਵੈਲੀਡੇਸ਼ਨ ਦੌਰਾਨ ਲਾਗੂ ਨਕਾਰਾਤਮਕ ਪ੍ਰੌਂਪਟ, ਜੋ ਇਕ-ਪੜਾਅ ਪ੍ਰੀਵਿਊ ਪ੍ਰਕਿਰਿਆ ਵਰਤਦਾ ਹੈ। ਕਿਉਂਕਿ ਇਹ ਪ੍ਰਕਿਰਿਆ ਦੋ ਪੜਾਵਾਂ ਵਾਲੇ ਡਿਸਟਿਲਡ ਪ੍ਰੋਡਕਸ਼ਨ ਇਨਫ਼ਰੈਂਸ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਂਦੀ ਹੈ, ਇਸਦੀ ਗਾਈਡੈਂਸ ਅਤੇ ਪ੍ਰੀਵਿਊ ਗੁਣਵੱਤਾ ਅੰਤਿਮ ਨਤੀਜਿਆਂ ਤੋਂ ਵੱਖਰੀ ਹੁੰਦੀ ਹੈ।

rank ਡਿਫ਼ਾਲਟ 32

LoRA ਅਨੁਕੂਲਨ ਰੈਂਕ, ਸੈਟਿੰਗ ਵਧਣ ਨਾਲ ਵੱਧ ਸਮਰੱਥਾ ਦੇ ਬਦਲੇ ਵੱਧ ਮੈਮੋਰੀ ਖਪਤ।

validation_resolution ਡਿਫ਼ਾਲਟ high

ਵੈਲੀਡੇਸ਼ਨ ਦੌਰਾਨ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਰੈਜ਼ੋਲਿਊਸ਼ਨ।

validation_aspect_ratio ਡਿਫ਼ਾਲਟ 1:1

ਵੈਲੀਡੇਸ਼ਨ ਦੌਰਾਨ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਪੱਖ ਅਨੁਪਾਤ।

ਡਿਫ਼ਾਲਟ

LoRA ਸ਼ੈਲੀ ਸਰਗਰਮੀ ਵਾਕੰਸ਼, ਟ੍ਰੇਨਿੰਗ ਦੌਰਾਨ ਕੈਪਸ਼ਨਾਂ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ।

ਡਿਫ਼ਾਲਟ 0.0002

ਓਪਟੀਮਾਈਜ਼ੇਸ਼ਨ ਲਰਨਿੰਗ ਦਰ।

ਡਿਫ਼ਾਲਟ 89

ਹਰੇਕ ਟ੍ਰੇਨਿੰਗ ਨਮੂਨੇ ਲਈ ਫ੍ਰੇਮ ਗਿਣਤੀ। ਗਿਣਤੀ ਨੂੰ 8 ਨਾਲ ਭਾਗ ਦੇਣ 'ਤੇ ਬਾਕੀ 1 ਆਉਣਾ ਲਾਜ਼ਮੀ ਹੈ; ਉਦਾਹਰਨਾਂ ਵਿੱਚ 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97 ਸ਼ਾਮਲ ਹਨ।

ਡਿਫ਼ਾਲਟ 24

ਟ੍ਰੇਨਿੰਗ ਵੀਡੀਓ ਦੀ ਲਕਸ਼ਿਤ ਫ੍ਰੇਮ ਦਰ, ਫ੍ਰੇਮ ਪ੍ਰਤੀ ਸਕਿੰਟ। LTX-2.3 ਦੀ ਮੂਲ ਦਰ 24 ਹੈ।

ਡਿਫ਼ਾਲਟ 30

ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਿਆਦ ਵਜੋਂ ਦਿੱਤਾ ਦ੍ਰਿਸ਼-ਵੰਡ ਟ੍ਰਿਗਰ: ਸਿਰਫ਼ ਸੀਮਾ ਤੋਂ ਲੰਬੇ ਵੀਡੀਓ ਵੰਡੇ ਜਾਂਦੇ ਹਨ।

ਡਿਫ਼ਾਲਟ 89

ਹਰੇਕ ਵੈਲੀਡੇਸ਼ਨ ਵੀਡੀਓ ਲਈ ਫ੍ਰੇਮ ਗਿਣਤੀ।

ਡਿਫ਼ਾਲਟ 24

ਵੈਲੀਡੇਸ਼ਨ ਵੀਡੀਓਜ਼ ਲਈ ਲਕਸ਼ਿਤ ਫ੍ਰੇਮ ਦਰ, ਫ੍ਰੇਮ ਪ੍ਰਤੀ ਸਕਿੰਟ; LTX-2.3 ਦੀ ਮੂਲ ਦਰ 24 ਹੈ।

ਡਿਫ਼ਾਲਟ 1

Spatio-Temporal Guidance (STG) ਸਕੇਲ, 1.0 ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ 0.0 STG ਬੰਦ ਕਰਦਾ ਹੈ।

ਡਿਫ਼ਾਲਟ []

ਆਉਟਪੇਂਟਿੰਗ ਲਈ validation ਡੇਟਾ, ਜੋ ਪ੍ਰੌਂਪਟ ਅਤੇ ਪੂਰੇ-ਕੈਨਵਸ ਵੀਡੀਓ ਵਾਲੀਆਂ ਐਂਟਰੀਆਂ ਦੀ ਸੂਚੀ ਵਜੋਂ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ।

POST /run/ltx23-trainer-v2/outpaint?wait=20 ਕੋਟ → $12.00
# 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/ltx23-trainer-v2/outpaint?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "training_data_url": "https://example.com/your-file.zip",
    "crop_top_left": [
      0,
      0
    ],
    "crop_bottom_right": [
      512,
      512
    ]
  }'

# 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"

ਇਹ ਬੇਨਤੀ ਚਲਾਓ

ਤੁਹਾਡੀ key ਇਸ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਰਹਿੰਦੀ ਹੈ: ਇਹ ਸਿਰਫ਼ Doitong API ਨੂੰ ਭੇਜੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਸਿਰਫ਼ ਤਾਂ ਹੀ (localStorage) ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਹੁੰਦੀ ਹੈ ਜੇ ਤੁਸੀਂ Remember ਚੁਣੋ। API ਕੁੰਜੀ ਪ੍ਰਾਪਤ ਕਰੋ

LTX 2.3 Trainer (V2) - Spatial Outpainting ਬਾਰੇ

ਸਥਾਨਕ ਆਉਟਪੇਂਟਿੰਗ ਲਈ LoRA ਟ੍ਰੇਨ ਕਰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਅੰਦਰਲਾ ਆਯਤ ਸਥਿਰ ਰਹਿੰਦਾ ਹੈ ਅਤੇ ਮਾਡਲ ਇਸ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਦਾ ਖੇਤਰ ਬਣਾਉਂਦਾ ਹੈ। `crop_top_left` ਅਤੇ `crop_bottom_right` ਰੱਖੇ ਜਾਣ ਵਾਲੇ ਆਯਤ ਦੇ ਲਾਜ਼ਮੀ (x, y) ਕੋਨੇ ਹਨ, ਜੋ `resolution` ਅਤੇ `aspect_ratio` ਨਾਲ ਨਿਰਧਾਰਤ ਟ੍ਰੇਨਿੰਗ-ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਪਿਕਸਲਾਂ ਵਿੱਚ ਦਿੱਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਫ੍ਰੇਮ ਦੇ ਅੰਦਰ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ। ਹਰ ਵੈਲੀਡੇਸ਼ਨ ਸੈਂਪਲ ਵਿੱਚ ਪੂਰੇ ਕੈਨਵਸ ਵਾਲੀ ਵੀਡੀਓ ਵਰਤੀ ਜਾਂਦੀ ਹੈ।

ਪੈਰਾਮੀਟਰ

ਨਾਮਕਿਸਮ ਡਿਫ਼ਾਲਟਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵੇਰਵਾ
training_data_urlਲੋੜੀਂਦਾ
ਕਿਸਮstring
ਟ੍ਰੇਨਿੰਗ ਡੇਟਾ ਵਾਲੇ `.zip` ਦਾ URL, ਚੁਣੇ ਟ੍ਰੇਨਿੰਗ ਮੋਡ ਅਨੁਸਾਰ ਵਿਵਸਥਿਤ। ਹਰ ਮੀਡੀਆ ਫ਼ਾਈਲ ਨਾਲ ਮਿਲਦੇ ਬੇਸ ਨਾਮ ਵਾਲਾ `.txt` ਕੈਪਸ਼ਨ ਹੋ ਸਕਦਾ ਹੈ।
rankਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟ32
8163264128
LoRA ਅਨੁਕੂਲਨ ਰੈਂਕ, ਸੈਟਿੰਗ ਵਧਣ ਨਾਲ ਵੱਧ ਸਮਰੱਥਾ ਦੇ ਬਦਲੇ ਵੱਧ ਮੈਮੋਰੀ ਖਪਤ।
number_of_stepsਵਿਕਲਪਿਕ
ਕਿਸਮinteger
ਡਿਫ਼ਾਲਟ2000
100 – 10,000
ਟ੍ਰੇਨਿੰਗ ਪੜਾਵਾਂ ਦੀ ਕੁੱਲ ਗਿਣਤੀ।
learning_rateਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ0.0002
0.000001 – 1
ਓਪਟੀਮਾਈਜ਼ੇਸ਼ਨ ਲਰਨਿੰਗ ਦਰ।
number_of_framesਵਿਕਲਪਿਕ
ਕਿਸਮinteger
ਡਿਫ਼ਾਲਟ89
9 – 121
ਹਰੇਕ ਟ੍ਰੇਨਿੰਗ ਨਮੂਨੇ ਲਈ ਫ੍ਰੇਮ ਗਿਣਤੀ। ਗਿਣਤੀ ਨੂੰ 8 ਨਾਲ ਭਾਗ ਦੇਣ 'ਤੇ ਬਾਕੀ 1 ਆਉਣਾ ਲਾਜ਼ਮੀ ਹੈ; ਉਦਾਹਰਨਾਂ ਵਿੱਚ 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97 ਸ਼ਾਮਲ ਹਨ।
frame_rateਵਿਕਲਪਿਕ
ਕਿਸਮinteger
ਡਿਫ਼ਾਲਟ24
8 – 60
ਟ੍ਰੇਨਿੰਗ ਵੀਡੀਓ ਦੀ ਲਕਸ਼ਿਤ ਫ੍ਰੇਮ ਦਰ, ਫ੍ਰੇਮ ਪ੍ਰਤੀ ਸਕਿੰਟ। LTX-2.3 ਦੀ ਮੂਲ ਦਰ 24 ਹੈ।
resolutionਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟmedium
lowmediumhigh
ਟ੍ਰੇਨਿੰਗ ਰੈਜ਼ੋਲਿਊਸ਼ਨ। ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਵਧਾਉਣ ਨਾਲ ਮੈਮੋਰੀ ਦੀ ਲੋੜ ਵਧਦੀ ਹੈ।
aspect_ratioਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟ1:1
16:91:19:16
ਟ੍ਰੇਨਿੰਗ ਪੱਖ ਅਨੁਪਾਤ।
trigger_phraseਵਿਕਲਪਿਕ
ਕਿਸਮstring
ਡਿਫ਼ਾਲਟ
LoRA ਸ਼ੈਲੀ ਸਰਗਰਮੀ ਵਾਕੰਸ਼, ਟ੍ਰੇਨਿੰਗ ਦੌਰਾਨ ਕੈਪਸ਼ਨਾਂ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ।
auto_scale_inputਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟfalse
ਚਾਲੂ ਹੋਣ 'ਤੇ ਬੇਨਤੀ ਕੀਤੀ FPS ਅਤੇ ਫ੍ਰੇਮ ਗਿਣਤੀ ਨਾਲ ਮੇਲ ਕਰਨ ਲਈ ਵੀਡੀਓ ਦਾ ਸਵੈਚਲਿਤ ਸਮਾਯੋਜਨ; ਚਿੱਤਰ ਡੇਟਾਸੈੱਟ ਅਣਬਦਲੇ ਰਹਿੰਦੇ ਹਨ।
split_input_into_scenesਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟtrue
ਮਿਆਦ ਦੀ ਹੱਦ ਤੋਂ ਵੱਧ ਲੰਬੇ ਵੀਡੀਓ ਲਈ ਦ੍ਰਿਸ਼ ਵੰਡਣਾ, ਜਦੋਂ true ਹੋਵੇ ਤਾਂ ਸਮਰੱਥ।
split_input_duration_thresholdਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ30
1 – 60
ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਿਆਦ ਵਜੋਂ ਦਿੱਤਾ ਦ੍ਰਿਸ਼-ਵੰਡ ਟ੍ਰਿਗਰ: ਸਿਰਫ਼ ਸੀਮਾ ਤੋਂ ਲੰਬੇ ਵੀਡੀਓ ਵੰਡੇ ਜਾਂਦੇ ਹਨ।
debug_datasetਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟfalse
ਪੂਰੀ ਟ੍ਰੇਨਿੰਗ ਚਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਵੀਡੀਓ, ਚਿੱਤਰ ਅਤੇ ਕੈਪਸ਼ਨਾਂ ਦੀ ਜਾਂਚ ਲਈ ਪ੍ਰੀਪ੍ਰੋਸੈਸਿੰਗ ਨਿਰੀਖਣ ਮੋਡ। ਚਾਲੂ ਕਰਨ 'ਤੇ ਟ੍ਰੇਨਰ ਪ੍ਰੋਸੈਸ ਕੀਤਾ ਟ੍ਰੇਨਿੰਗ ਡੇਟਾਸੈੱਟ ਡਾਊਨਲੋਡਯੋਗ ਆਰਕਾਈਵ ਵਿੱਚ ਵਾਪਸ ਕਰਦਾ ਹੈ।
crop_top_leftਲੋੜੀਂਦਾ
ਕਿਸਮany[]
≤ 2 ਆਈਟਮਾਂ≥ 2 ਆਈਟਮਾਂ
ਰੱਖੇ ਜਾਣ ਵਾਲੇ ਅੰਦਰੂਨੀ ਆਇਤ ਦਾ ਉੱਪਰਲਾ-ਖੱਬਾ ਕੋਨਾ (x1, y1), ਜਿਸਨੂੰ ਰੈਜ਼ੋਲਿਊਸ਼ਨ × `aspect_ratio` ਦੁਆਰਾ ਚੁਣੇ ਗਏ training-ਰੈਜ਼ੋਲਿਊਸ਼ਨ bucket ਅੰਦਰ 32px latent grid ਨਾਲ ਮਿਲਾਇਆ ਜਾਂਦਾ ਹੈ। Cropping ਇਸ bucket ਵਿੱਚ ਰੀਸਾਈਜ਼ ਕਰਨ ਤੋਂ ਬਾਅਦ ਹੁੰਦੀ ਹੈ, ਇਸ ਲਈ ਕੋਆਰਡੀਨੇਟ ਅੱਪਲੋਡ ਕੀਤੀ ਵੀਡੀਓ ਦੇ ਮੂਲ ਮਾਪ ਨਹੀਂ ਵਰਤਦੇ।
crop_bottom_rightਲੋੜੀਂਦਾ
ਕਿਸਮany[]
≤ 2 ਆਈਟਮਾਂ≥ 2 ਆਈਟਮਾਂ
ਰੱਖੇ ਜਾਣ ਵਾਲੇ ਅੰਦਰੂਨੀ ਆਇਤ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਵਾਲੇ ਹੇਠਲੇ-ਸੱਜੇ ਕੋਆਰਡੀਨੇਟ (x2, y2); ਮਾਡਲ ਇਸ ਤੋਂ ਬਾਹਰ ਸਭ ਕੁਝ ਸਿਰਜਦਾ ਹੈ। ਇਹ training-resolution ਪਿਕਸਲਾਂ ਵਿੱਚ ਦਰਸਾਏ ਜਾਂਦੇ ਹਨ, ਅਤੇ ਇਹ ਕੋਨਾ training ਫ੍ਰੇਮ ਦੇ ਅੰਦਰ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ x2 > x1 तथा y2 > y1 ਪੂਰਾ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।
validationਵਿਕਲਪਿਕ
ਕਿਸਮobject[]
ਡਿਫ਼ਾਲਟ[]
≤ 2 ਆਈਟਮਾਂ
ਆਉਟਪੇਂਟਿੰਗ ਲਈ validation ਡੇਟਾ, ਜੋ ਪ੍ਰੌਂਪਟ ਅਤੇ ਪੂਰੇ-ਕੈਨਵਸ ਵੀਡੀਓ ਵਾਲੀਆਂ ਐਂਟਰੀਆਂ ਦੀ ਸੂਚੀ ਵਜੋਂ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ।
validation[].promptਲੋੜੀਂਦਾ
ਕਿਸਮstring
ਵੈਲੀਡੇਸ਼ਨ ਦੌਰਾਨ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਪ੍ਰੌਂਪਟ।
validation[].video_urlਲੋੜੀਂਦਾ
ਕਿਸਮurl · video
≥ 1 characters
ਆਲੇ-ਦੁਆਲੇ ਦੇ ਖੇਤਰ ਦੀ ਆਉਟਪੇਂਟਿੰਗ ਲਈ ਪੂਰੇ-ਕੈਨਵਸ ਵੀਡੀਓ ਦਾ URL।
validation_negative_promptਵਿਕਲਪਿਕ
ਕਿਸਮstring
ਡਿਫ਼ਾਲਟblurry, out of focus, overexposed, underexposed, low contrast, washed out colors, excessive noise, grainy texture, poor lighting, flickering, motion blur, distorted proportions, unnatural skin tones, deformed facial features, asymmetrical face, missing facial features, extra limbs, disfigured hands, wrong hand count, artifacts around text, inconsistent perspective, camera shake, incorrect depth of field, background too sharp, background clutter, distracting reflections, harsh shadows, inconsistent lighting direction, color banding, cartoonish rendering, 3D CGI look, unrealistic materials, uncanny valley effect, incorrect ethnicity, wrong gender, exaggerated expressions, wrong gaze direction, mismatched lip sync, silent or muted audio, distorted voice, robotic voice, echo, background noise, off-sync audio, incorrect dialogue, added dialogue, repetitive speech, jittery movement, awkward pauses, incorrect timing, unnatural transitions, inconsistent framing, tilted camera, flat lighting, inconsistent tone, cinematic oversaturation, stylized filters, or AI artifacts.
ਵੈਲੀਡੇਸ਼ਨ ਦੌਰਾਨ ਲਾਗੂ ਨਕਾਰਾਤਮਕ ਪ੍ਰੌਂਪਟ, ਜੋ ਇਕ-ਪੜਾਅ ਪ੍ਰੀਵਿਊ ਪ੍ਰਕਿਰਿਆ ਵਰਤਦਾ ਹੈ। ਕਿਉਂਕਿ ਇਹ ਪ੍ਰਕਿਰਿਆ ਦੋ ਪੜਾਵਾਂ ਵਾਲੇ ਡਿਸਟਿਲਡ ਪ੍ਰੋਡਕਸ਼ਨ ਇਨਫ਼ਰੈਂਸ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਂਦੀ ਹੈ, ਇਸਦੀ ਗਾਈਡੈਂਸ ਅਤੇ ਪ੍ਰੀਵਿਊ ਗੁਣਵੱਤਾ ਅੰਤਿਮ ਨਤੀਜਿਆਂ ਤੋਂ ਵੱਖਰੀ ਹੁੰਦੀ ਹੈ।
validation_number_of_framesਵਿਕਲਪਿਕ
ਕਿਸਮinteger
ਡਿਫ਼ਾਲਟ89
9 – 121
ਹਰੇਕ ਵੈਲੀਡੇਸ਼ਨ ਵੀਡੀਓ ਲਈ ਫ੍ਰੇਮ ਗਿਣਤੀ।
validation_frame_rateਵਿਕਲਪਿਕ
ਕਿਸਮinteger
ਡਿਫ਼ਾਲਟ24
8 – 60
ਵੈਲੀਡੇਸ਼ਨ ਵੀਡੀਓਜ਼ ਲਈ ਲਕਸ਼ਿਤ ਫ੍ਰੇਮ ਦਰ, ਫ੍ਰੇਮ ਪ੍ਰਤੀ ਸਕਿੰਟ; LTX-2.3 ਦੀ ਮੂਲ ਦਰ 24 ਹੈ।
validation_resolutionਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟhigh
lowmediumhigh
ਵੈਲੀਡੇਸ਼ਨ ਦੌਰਾਨ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਰੈਜ਼ੋਲਿਊਸ਼ਨ।
validation_aspect_ratioਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟ1:1
16:91:19:16
ਵੈਲੀਡੇਸ਼ਨ ਦੌਰਾਨ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਪੱਖ ਅਨੁਪਾਤ।
stg_scaleਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ1
0 – 3
Spatio-Temporal Guidance (STG) ਸਕੇਲ, 1.0 ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ 0.0 STG ਬੰਦ ਕਰਦਾ ਹੈ।
ਲੋੜੀਂਦਾ

ਆਉਟਪੁੱਟ

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ltx23-trainer-v2/outpaint",
  "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": 12000,
    "usd": "12.00",
    "charged": 12000,
    "refunded": 0
  },
  "input": {
    "training_data_url": "https://example.com/your-file.zip",
    "crop_top_left": [
      0,
      0
    ],
    "crop_bottom_right": [
      512,
      512
    ]
  },
  "output": {
    "video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    },
    "audio": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    },
    "lora_file": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    },
    "config_file": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    },
    "debug_dataset": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "file",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_size": 1843200,
      "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"
  }
}
ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ, ਤੁਹਾਡੀ ਚੋਣਹਰ outputs[].url ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਇੱਕ ਕਾਪੀ ਹੈ: ਹਮੇਸ਼ਾ ਲਈ ਰੱਖੀ ਜਾਂਦੀ ਹੈ (ਪ੍ਰਤੀ GB-ਮਹੀਨਾ ਭੁਗਤਾਨ) ਜਾਂ 7 ਦਿਨ ਤੱਕ ਮੁਫ਼ਤ, ਤੁਹਾਡੀ ਖਾਤਾ ਸੈਟਿੰਗ ਜਾਂ ?storage= ਅਨੁਸਾਰ।
ਹਰ ਮਾਡਲ ’ਤੇ ਇੱਕੋ ਜਿਹਾ ਰੂਪਤਸਵੀਰਾਂ, ਵੀਡੀਓ ਅਤੇ ਆਡੀਓ ਸਭ ਲਈ type, url, content_type, width, height ਅਤੇ duration। output ਮਾਡਲ ਦਾ ਆਪਣਾ ਨਤੀਜਾ ਆਬਜੈਕਟ ਹੈ।
ਆਉਟਪੁੱਟ ਦੇ ਫ਼ੀਲਡ
video
object {url, content_type, file_name, file_size} | nullਵੈਲੀਡੇਸ਼ਨ ਤੋਂ ਸੰਯੁਕਤ ਵੀਡੀਓ ਪ੍ਰੀਵਿਊ, ਜਦੋਂ ਵੀਡੀਓ ਬਣਾਉਣ ਵਾਲੇ ਐਂਡਪੋਇੰਟਾਂ ਲਈ ਉਪਲਬਧ ਹੋਵੇ।
audio
object {url, content_type, file_name, file_size} | nullਵੈਲੀਡੇਸ਼ਨ ਤੋਂ ਸੰਯੁਕਤ ਆਡੀਓ, ਇਨ੍ਹਾਂ ਆਡੀਓ-ਕੇਂਦਰਿਤ ਰੂਟਾਂ ਲਈ ਉਪਲਬਧ ਹੋਣ 'ਤੇ ਪ੍ਰੀਵਿਊ ਵਜੋਂ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a, ਅਤੇ /v2a।
lora_file
object {url, content_type, file_name, file_size}.safetensors ਫਾਰਮੈਟ ਵਿੱਚ ਟ੍ਰੇਨ ਕੀਤੇ LoRA ਵਜ਼ਨਾਂ ਦਾ URL।
config_file
object {url, content_type, file_name, file_size}ਇਨਫ਼ਰੈਂਸ ਐਂਡਪੋਇੰਟ ਸੈਟਅੱਪ ਲਈ ਕਾਨਫ਼ਿਗਰੇਸ਼ਨ।
debug_dataset
object {url, content_type, file_name, file_size} | null`debug_dataset` ਚਾਲੂ ਹੋਣ 'ਤੇ ਉਪਲਬਧ ਡੀਬੱਗ ਆਉਟਪੁੱਟ: ਡਾਊਨਲੋਡਯੋਗ ਆਰਕਾਈਵ, ਜਿਸ ਵਿੱਚ ਪ੍ਰੀਪ੍ਰੋਸੈਸਿੰਗ ਤੋਂ ਬਾਅਦ ਦਾ ਟ੍ਰੇਨਿੰਗ ਡੇਟਾ ਹੁੰਦਾ ਹੈ।

ਹੋਰ ਮਾਡਲ: ਟ੍ਰੇਨਿੰਗ

AI ਏਜੰਟਾਂ ਲਈ: ਇਹ ਪੰਨਾ Markdown ਵਜੋਂ ਇੱਥੇ ਹੈ https://doitong.com/pa/developers/models/ltx23-trainer-v2/outpaint.md. ਸਾਰੇ ਮਾਡਲ ਅਤੇ ਗਾਈਡ: https://doitong.com/developers/llms.txt