Przejdź do treści

LTX-2.3 22B · Audio to Video · LoRA

Integracja

Identyfikator modelu ltx-2.3-22b/audio-to-video/lora
# 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/lora?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",
    "loras": [
      {
        "path": "https://example.com/your-file.safetensors"
      }
    ]
  }'

# 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"

Pliki takie jak przykład: 0,403 $ 403 kredyty API · ≈ 43,25 ₽ Twoje pliki są mierzone przed uruchomieniem Uruchom na tej stronie

Uzyskaj klucz API
Lightricks · Wideo

Tutaj pojawi się pierwszy wynik

Zbuduj poniżej żądanie i uruchom je za pomocą klucza API. Wyniki są kopiowane do naszej przestrzeni dyskowej i przechowywane bezterminowo lub 7 dni bezpłatnie.

Zbuduj żądanie

Elementy sterujące są generowane ze schematu modelu. Kod i cena aktualizują się podczas ich zmiany.

•wymagane

Prompt używany jako podstawa generowania wideo.

•wymagane audio_url
Upuść plik lub

URL audio źródłowego używanego do generowania wideo.

image_url
Upuść plik lub

Opcjonalny URL obrazu określającego klatkę otwierającą wideo.

video_size domyślnie landscape_16_9

Wymiary wideo; przy przekazaniu obrazu rozmiar obrazu wejściowego można uzyskać przez 'auto'.

domyślnie 121

Liczba klatek generowanego wyniku.

domyślnie 24

Liczba klatek wideo wynikowego, mierzona w klatkach na sekundę.

•wymagane

Wybór LoRA do generowania.

Zaawansowane 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
domyślnie news broadcast, 3d an...

Negatywny prompt używany podczas generowania wideo.

end_image_url
Upuść plik lub

URL obrazu określającego klatkę końcową wideo.

scheduler domyślnie ltx2

Wybór schedulera.

acceleration domyślnie regular

Poziom akceleracji zastosowany do przetwarzania.

camera_lora domyślnie none

Wybór LoRA kamery do precyzyjniejszego sterowania ruchem w generowanym wideo niż za pomocą samych promptów dotyczących ruchu kamery.

video_output_type domyślnie X264 (.mp4)

Typ wynikowego wideo.

video_quality domyślnie high

Poziom jakości wynikowego wideo.

video_write_mode domyślnie balanced

Tryb zapisu wynikowego wideo.

domyślnie 40

Liczba wykonanych kroków inferencji.

domyślnie 3

Ustawienie sterowania wideo: zwiększ je, aby uzyskać większą spójność i wyrazistość generowanej treści. Używa classifier-free guidance (CFG).

domyślnie 0

Kontrola spójności i wyrazistości wideo za pomocą skali Spatiotemporal Guidance (STG); zwiększ ustawienie, aby wzmocnić obie cechy.

domyślnie 0.7

Regulacja przeskalowania wideo równoważąca classifier-free guidance i spatiotemporal guidance jako proporcję.

domyślnie 3

Regulacja modalności wideo równoważąca udział wideo i audio jako proporcję.

domyślnie 7

Ustawienie sterowania audio: zwiększ je, aby uzyskać większą spójność i wyrazistość generowanej treści. Używa classifier-free guidance (CFG).

domyślnie 0

Kontrola spójności i wyrazistości audio za pomocą skali Spatiotemporal Guidance (STG); zwiększ ustawienie, aby wzmocnić obie cechy.

domyślnie 0.7

Regulacja przeskalowania audio równoważąca classifier-free guidance i spatiotemporal guidance jako proporcję.

domyślnie 3

Regulacja modalności audio równoważąca udział wideo i audio jako proporcję.

domyślnie 2

Ustawienie szacowania gradientu odszumiania: 0 wyłącza szacowanie; w przeciwnym razie wartość określa gamma.

domyślnie 1

Siła LoRA kamery do precyzyjniejszego sterowania ruchem w generowanym wideo niż za pomocą samych promptów dotyczących ruchu kamery.

domyślnie 0.2

Steruje skalowaniem LoRA destylacji pierwszego przejścia; wartość 0 ją wyłącza.

domyślnie 0.5

Steruje skalowaniem LoRA destylacji dla każdego przejścia po pierwszym.

domyślnie 1

Siła wpływu obrazu na generowanie wideo.

domyślnie 1

Kontroluje wpływ obrazu końcowego na generowane wideo.

domyślnie 1

Siła warunkowania audio; dokładnie 1.0 zachowuje dane wejściowe bez zmian. Przy wartościach poniżej 1.0 model może modyfikować audio.

Wartość ziarna inicjująca generowanie liczb losowych.

POST /run/ltx-2.3-22b/audio-to-video/lora?wait=20 wycena → 0,403 $
# 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/lora?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",
    "loras": [
      {
        "path": "https://example.com/your-file.safetensors"
      }
    ]
  }'

# 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"

Uruchom to żądanie

Klucz pozostaje w tej przeglądarce: jest wysyłany tylko do Doitong API i zapisywany (localStorage) tylko po zaznaczeniu opcji Zapamiętaj. Uzyskaj klucz API

Informacje o LTX-2.3 22B · Audio to Video · LoRA

Podobnie jak standardowy model audio-to-video przyjmuje `prompt` i `audio_url` oraz może używać `image_url` i `end_image_url` jako pierwszej i ostatniej klatki. Dodatkowo wymaga `loras` — listy własnych LoRA stosowanych podczas generowania. Liczba klatek zależy od audio lub `num_frames` (od 9 do 481), z tymi samymi opcjami próbkowania i LoRA kamery.

Parametry

Wyślij nazwę kanoniczną albo natywną, nie obie. Nazwy kanoniczne

NazwaTyp DomyślneDozwolone Opis
promptwymagane
Typstring
Prompt używany jako podstawa generowania wideo.
audio_urlwymagane audio
Typurl · audio
URL audio źródłowego używanego do generowania wideo.
image_urlopcjonalne image
Typurl · image
Opcjonalny URL obrazu określającego klatkę otwierającą wideo.
end_image_urlopcjonalne end_image
Typurl · image
URL obrazu określającego klatkę końcową wideo.
match_audio_lengthopcjonalne
Typboolean
Domyślnetrue
Przełącznik wyboru liczby klatek: wyłączony używa num_frames, a włączony oblicza liczbę na podstawie FPS i czasu trwania audio.
num_framesopcjonalne
Typinteger
Domyślne121
9 – 481
Liczba klatek generowanego wyniku.
video_sizeopcjonalne
Typobject
Domyślnelandscape_16_9
autosquare_hdsquareportrait_4_3portrait_16_9landscape_4_3landscape_16_9
Wymiary wideo; przy przekazaniu obrazu rozmiar obrazu wejściowego można uzyskać przez 'auto'.
use_multiscaleopcjonalne
Typboolean
Domyślnetrue
Przełącznik generowania wieloskalowego poprawiającego spójność i szczegółowość. Przy wartości True wstępne mniejsze wideo kieruje drugim generowaniem, którego rozmiar spełnia lub przekracza żądane wymiary.
fpsopcjonalne
Typnumber
Domyślne24
1 – 60
Liczba klatek wideo wynikowego, mierzona w klatkach na sekundę.
num_inference_stepsopcjonalne
Typinteger
Domyślne40
8 – 50
Liczba wykonanych kroków inferencji.
video_cfg_scaleopcjonalne
Typnumber
Domyślne3
1 – 20
Ustawienie sterowania wideo: zwiększ je, aby uzyskać większą spójność i wyrazistość generowanej treści. Używa classifier-free guidance (CFG).
video_stg_scaleopcjonalne
Typnumber
Domyślne0
0 – 20
Kontrola spójności i wyrazistości wideo za pomocą skali Spatiotemporal Guidance (STG); zwiększ ustawienie, aby wzmocnić obie cechy.
video_rescaling_scaleopcjonalne
Typnumber
Domyślne0.7
0 – 1
Regulacja przeskalowania wideo równoważąca classifier-free guidance i spatiotemporal guidance jako proporcję.
video_modality_scaleopcjonalne
Typnumber
Domyślne3
0 – 10
Regulacja modalności wideo równoważąca udział wideo i audio jako proporcję.
audio_cfg_scaleopcjonalne
Typnumber
Domyślne7
1 – 20
Ustawienie sterowania audio: zwiększ je, aby uzyskać większą spójność i wyrazistość generowanej treści. Używa classifier-free guidance (CFG).
audio_stg_scaleopcjonalne
Typnumber
Domyślne0
0 – 20
Kontrola spójności i wyrazistości audio za pomocą skali Spatiotemporal Guidance (STG); zwiększ ustawienie, aby wzmocnić obie cechy.
audio_rescaling_scaleopcjonalne
Typnumber
Domyślne0.7
0 – 1
Regulacja przeskalowania audio równoważąca classifier-free guidance i spatiotemporal guidance jako proporcję.
audio_modality_scaleopcjonalne
Typnumber
Domyślne3
0 – 10
Regulacja modalności audio równoważąca udział wideo i audio jako proporcję.
gradient_estimation_gammaopcjonalne
Typnumber
Domyślne2
0 – 10
Ustawienie szacowania gradientu odszumiania: 0 wyłącza szacowanie; w przeciwnym razie wartość określa gamma.
use_restart_samplingopcjonalne
Typboolean
Domyślnefalse
Przełącznik ponownego próbkowania zapewniającego potencjalnie lepszą jakość wideo: jego włączenie dodaje niewielki szum przy każdym kroku odszumiania.
scheduleropcjonalne
Typenum
Domyślneltx2
ltx2linear_quadraticbeta
Wybór schedulera.
accelerationopcjonalne
Typenum
Domyślneregular
noneregularhighfull
Poziom akceleracji zastosowany do przetwarzania.
camera_loraopcjonalne
Typenum
Domyślnenone
dolly_indolly_outdolly_leftdolly_rightjib_upjib_downstaticnone
Wybór LoRA kamery do precyzyjniejszego sterowania ruchem w generowanym wideo niż za pomocą samych promptów dotyczących ruchu kamery.
camera_lora_scaleopcjonalne
Typnumber
Domyślne1
0 – 1
Siła LoRA kamery do precyzyjniejszego sterowania ruchem w generowanym wideo niż za pomocą samych promptów dotyczących ruchu kamery.
negative_promptopcjonalne
Typstring
Domyślnenews broadcast, 3d animation, computer graphics, pc game, console game, video game, cartoon, childish, watermark, logo, text, on screen text, subtitles, titles, signature, slowmo, static
Negatywny prompt używany podczas generowania wideo.
seedopcjonalne
Typinteger | null
Wartość ziarna inicjująca generowanie liczb losowych.
enable_prompt_expansionopcjonalne
Typboolean
Domyślnetrue
Określa, czy rozwijanie promptu jest włączone.
enable_safety_checkeropcjonalne
Typboolean
Domyślnetrue
Określa, czy sprawdzanie bezpieczeństwa jest włączone.
video_output_typeopcjonalne
Typenum
DomyślneX264 (.mp4)
X264 (.mp4)VP9 (.webm)PRORES4444 (.mov)GIF (.gif)
Typ wynikowego wideo.
video_qualityopcjonalne
Typenum
Domyślnehigh
lowmediumhighmaximum
Poziom jakości wynikowego wideo.
video_write_modeopcjonalne
Typenum
Domyślnebalanced
fastbalancedsmall
Tryb zapisu wynikowego wideo.
loraswymagane
Typobject[]
Wybór LoRA do generowania.
loras[].pathwymagane
Typstring
Lokalizacja wag LoRA podana jako URL lub identyfikator repozytorium HuggingFace w formacie owner/repo.
loras[].weight_nameopcjonalne
Typstring | null
Nazwa wagi LoRA do wyboru spośród wielu wag w repozytorium HuggingFace; jest wymagana tylko w repozytoriach zawierających wiele wag. To ustawienie nie działa, chyba że `path` wskazuje repozytorium HuggingFace.
loras[].scaleopcjonalne
Typnumber
Domyślne1
0 – 4
Współczynnik skalowania stosowany do LoRA, od 0.0 do 4.0.
distill_lora_first_pass_scaleopcjonalne
Typnumber
Domyślne0.2
0 – 1
Steruje skalowaniem LoRA destylacji pierwszego przejścia; wartość 0 ją wyłącza.
distill_lora_second_pass_scaleopcjonalne
Typnumber
Domyślne0.5
0 – 1
Steruje skalowaniem LoRA destylacji dla każdego przejścia po pierwszym.
image_strengthopcjonalne
Typnumber
Domyślne1
0 – 1
Siła wpływu obrazu na generowanie wideo.
end_image_strengthopcjonalne
Typnumber
Domyślne1
0 – 1
Kontroluje wpływ obrazu końcowego na generowane wideo.
audio_strengthopcjonalne
Typnumber
Domyślne1
0 – 1
Siła warunkowania audio; dokładnie 1.0 zachowuje dane wejściowe bez zmian. Przy wartościach poniżej 1.0 model może modyfikować audio.
preprocess_audioopcjonalne
Typboolean
Domyślnetrue
Określa, czy audio jest wstępnie przetwarzane przed użyciem do warunkowania.
wymagane Nazwa kanoniczna, również akceptowana

Parametry plików przyjmują publiczny URL https://, identyfikator URI data: do 10 MB albo file_url przesłanego pliku. Pliki

Wynik

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ltx-2.3-22b/audio-to-video/lora",
  "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": 403,
    "usd": "0.403",
    "charged": 403,
    "refunded": 0
  },
  "input": {
    "loras": [
      {
        "path": "https://example.com/your-file.safetensors"
      }
    ],
    "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"
  }
}
Twoje pliki, Twój wybórKażdy outputs[].url to kopia w naszej przestrzeni dyskowej: przechowywana bezterminowo (opłata za GB-miesiąc) lub 7 dni bezpłatnie, zgodnie z ustawieniem konta lub ?storage=.
Taki sam format w każdym modelutype, url, content_type, width, height i duration — tak samo dla obrazów, filmów i dźwięku. output to własny obiekt wyniku modelu.
Pola wyniku
video
object {url, content_type, file_name, file_size, width, height, fps, duration, num_frames}Wideo utworzone przez model.
seed
integerWartość ziarna używana do inicjalizacji generowania liczb losowych.
prompt
stringPrompt używany do kierowania generowaniem.

Więcej modeli: Synchronizacja ruchu ust i awatary

Dla agentów AI: ta strona w formacie Markdown jest dostępna pod adresem https://doitong.com/pl/developers/models/ltx-2.3-22b/audio-to-video/lora.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt