# LTX-2.3 22B · Reference Video to Video API

> Generuje nowy film na podstawie filmu referencyjnego, z opcjonalnie zastępowanym audio oraz pierwszą i ostatnią klatką

Przyjmuje `prompt` i referencyjny `video_url`. Opcjonalny `audio_url` zastępuje ścieżkę audio; jeśli go nie podasz, używane jest audio z filmu wejściowego. `image_url` i `end_image_url` mogą ustawić pierwszą i ostatnią klatkę. Po włączeniu `match_video_length` liczba klatek odpowiada referencji; w przeciwnym razie obowiązuje `num_frames` (od 9 do 481).

- Model id: `ltx-2.3-22b/reference-video-to-video`
- Made by: Lightricks
- Category: Video to Video
- Output: video
- Price per megapixel of your output video: $0.00161 / megapixel of output video (cheapest run $0.002 (2 API credits))
- Run: `POST https://api.doitong.ru/v1/run/ltx-2.3-22b/reference-video-to-video`
- Quote: `POST https://api.doitong.ru/v1/quote/ltx-2.3-22b/reference-video-to-video`
- Docs page: https://doitong.com/pl/developers/models/ltx-2.3-22b/reference-video-to-video

## Pricing

Price: **$0.00161 / megapixel of output video**. Price per megapixel 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 $0.453 = 453 API credits (282 MP output video × $0.001605).

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-2.3-22b/reference-video-to-video` 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

Send either the canonical name or the native field name (not both). Canonical names are the same across models.

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `prompt` |  | string | yes |  |  | Prompt używany jako podstawa generowania wideo. |
| `video_url` | `video` | string (video URL) | yes |  |  | URL identyfikujący wideo referencyjne. |
| `audio_url` | `audio` | string (audio URL) \| null | no |  |  | Opcjonalny URL audio dostarczający ścieżkę audio wideo. Po pominięciu używane jest audio z wideo źródłowego, jeśli jest dostępne. |
| `image_url` | `image` | string (image URL) \| null | no |  |  | Opcjonalny URL obrazu określającego klatkę otwierającą wideo. |
| `end_image_url` | `end_image` | string (image URL) \| null | no |  |  | URL obrazu określającego klatkę końcową wideo. |
| `match_video_length` |  | boolean | no | `true` |  | Tryb wyboru liczby klatek: wyłączony używa `num_frames`, a włączony oblicza liczbę na podstawie FPS i czasu trwania wideo. |
| `num_frames` |  | integer | no | `121` | 9 – 481 | Liczba klatek generowanego wyniku. |
| `video_size` |  | object {width, height} \| enum (string) | no | `auto` | `auto`, `square_hd`, `square`, `portrait_4_3`, `portrait_16_9`, `landscape_4_3`, `landscape_16_9` | Wymiary wygenerowanego wideo. |
| `generate_audio` |  | boolean | no | `true` |  | Określa, czy wideo zawiera wygenerowane audio. |
| `use_multiscale` |  | boolean | no | `true` |  | Przełącznik generowania wieloskalowego poprawiającego spójność i szczegółowość. Przy wartości True wstępne mniejsze wideo kieruje drugim generowaniem, którego rozmiar spełnia lub przekracza żądane wymiary. |
| `match_input_fps` |  | boolean | no | `true` |  | Zastąpienie liczby klatek na sekundę wyniku, które po włączeniu zastępuje domyślną docelową wartość FPS wartością FPS wideo źródłowego. |
| `fps` |  | number | no | `24` | 1 – 60 | Liczba klatek wideo wynikowego, mierzona w klatkach na sekundę. |
| `num_inference_steps` |  | integer | no | `40` | 8 – 50 | Liczba wykonanych kroków inferencji. |
| `video_cfg_scale` |  | number | no | `3` | 1 – 20 | Ustawienie sterowania wideo: zwiększ je, aby uzyskać większą spójność i wyrazistość generowanej treści. Używa classifier-free guidance (CFG). |
| `video_stg_scale` |  | number | no | `0` | 0 – 20 | Kontrola spójności i wyrazistości wideo za pomocą skali Spatiotemporal Guidance (STG); zwiększ ustawienie, aby wzmocnić obie cechy. |
| `video_rescaling_scale` |  | number | no | `0.7` | 0 – 1 | Regulacja przeskalowania wideo równoważąca classifier-free guidance i spatiotemporal guidance jako proporcję. |
| `video_modality_scale` |  | number | no | `3` | 0 – 10 | Regulacja modalności wideo równoważąca udział wideo i audio jako proporcję. |
| `audio_cfg_scale` |  | number | no | `7` | 1 – 20 | Ustawienie sterowania audio: zwiększ je, aby uzyskać większą spójność i wyrazistość generowanej treści. Używa classifier-free guidance (CFG). |
| `audio_stg_scale` |  | number | no | `0` | 0 – 20 | Kontrola spójności i wyrazistości audio za pomocą skali Spatiotemporal Guidance (STG); zwiększ ustawienie, aby wzmocnić obie cechy. |
| `audio_rescaling_scale` |  | number | no | `0.7` | 0 – 1 | Regulacja przeskalowania audio równoważąca classifier-free guidance i spatiotemporal guidance jako proporcję. |
| `audio_modality_scale` |  | number | no | `3` | 0 – 10 | Regulacja modalności audio równoważąca udział wideo i audio jako proporcję. |
| `gradient_estimation_gamma` |  | number | no | `2` | 0 – 10 | Ustawienie szacowania gradientu odszumiania: 0 wyłącza szacowanie; w przeciwnym razie wartość określa gamma. |
| `use_restart_sampling` |  | boolean | no | `false` |  | Przełącznik ponownego próbkowania zapewniającego potencjalnie lepszą jakość wideo: jego włączenie dodaje niewielki szum przy każdym kroku odszumiania. |
| `scheduler` |  | enum (string) | no | `ltx2` | `ltx2`, `linear_quadratic`, `beta` | Wybór schedulera. |
| `acceleration` |  | enum (string) | no | `regular` | `none`, `regular`, `high`, `full` | Poziom akceleracji zastosowany do przetwarzania. |
| `camera_lora` |  | enum (string) | no | `none` | `dolly_in`, `dolly_out`, `dolly_left`, `dolly_right`, `jib_up`, `jib_down`, `static`, `none` | Wybór LoRA kamery do precyzyjniejszego sterowania ruchem w generowanym wideo niż za pomocą samych promptów dotyczących ruchu kamery. |
| `camera_lora_scale` |  | number | no | `1` | 0 – 1 | Siła LoRA kamery do precyzyjniejszego sterowania ruchem w generowanym wideo niż za pomocą samych promptów dotyczących ruchu kamery. |
| `negative_prompt` |  | string | no | `news 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. |
| `seed` |  | integer \| null | no |  |  | Wartość ziarna inicjująca generowanie liczb losowych. |
| `enable_prompt_expansion` |  | boolean | no | `true` |  | Określa, czy rozwijanie promptu jest włączone. |
| `enable_safety_checker` |  | boolean | no | `true` |  | Określa, czy sprawdzanie bezpieczeństwa jest włączone. |
| `video_output_type` |  | enum (string) | no | `X264 (.mp4)` | `X264 (.mp4)`, `VP9 (.webm)`, `PRORES4444 (.mov)`, `GIF (.gif)` | Typ wynikowego wideo. |
| `video_quality` |  | enum (string) | no | `high` | `low`, `medium`, `high`, `maximum` | Poziom jakości wynikowego wideo. |
| `video_write_mode` |  | enum (string) | no | `balanced` | `fast`, `balanced`, `small` | Tryb zapisu wynikowego wideo. |
| `distill_lora_first_pass_scale` |  | number | no | `0.2` | 0 – 1 | Steruje skalowaniem LoRA destylacji pierwszego przejścia; wartość 0 ją wyłącza. |
| `distill_lora_second_pass_scale` |  | number | no | `0.5` | 0 – 1 | Steruje skalowaniem LoRA destylacji dla każdego przejścia po pierwszym. |
| `video_strength` |  | number | no | `1` | 0 – 1 | Swoboda modyfikowania treści wideo jest kontrolowana przez tę siłę warunkowania: niższe wartości zapewniają modelowi większą swobodę. |
| `audio_strength` |  | number | no | `1` | 0 – 1 | Swoboda modyfikowania treści audio jest kontrolowana przez tę siłę warunkowania: niższe wartości zapewniają modelowi większą swobodę. |
| `preprocessor` |  | enum (string) | no | `none` | `depth`, `canny`, `pose`, `none` | Preprocesor stosowany podczas generowania. |
| `ic_lora_type` |  | enum (string) | no | `union` | `match_preprocessor`, `union`, `detailer`, `none` | Wariant IC LoRA stosowany podczas generowania. |

File parameters (`video`, `audio`, `image`, `end_image`) take a public `https://` URL, a `data:` URI up to 10 MB, or the `file_url` of an upload from `POST /files`.

## Example input

Required parameters only:

```json
{
  "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
  "video": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
}
```

A fuller example:

```json
{
  "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
  "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
}
```

## 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-2.3-22b/reference-video-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",
    "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  }'

# 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-2.3-22b/reference-video-to-video?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",
    "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  }),
});
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",
    "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/ltx-2.3-22b/reference-video-to-video", 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-2.3-22b/reference-video-to-video",
      "input": {
        "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
        "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
      },
      "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-2.3-22b/reference-video-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": 453,
    "usd": "0.453",
    "charged": 453,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "video_url": "https://content.doitong.com/video/showcase/v3/gen_fox_cartoon.mp4"
  },
  "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": "black-and-white video, a cowboy walks through a dusty town, film grain"
  },
  "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, width, height, fps, duration, num_frames} | Wideo utworzone przez model. |
| `seed` | integer | Wartość ziarna używana do inicjalizacji generowania liczb losowych. |
| `prompt` | string | Prompt używany do kierowania generowaniem. |

## Related models

- [LTX-2.3 22B · Text to Video](https://doitong.com/developers/models/ltx-2.3-22b/text-to-video.md) (`ltx-2.3-22b/text-to-video`): $0.00161 / megapixel of output video
- [LTX-2.3 22B · Text to Video · LoRA](https://doitong.com/developers/models/ltx-2.3-22b/text-to-video/lora.md) (`ltx-2.3-22b/text-to-video/lora`): $0.00181 / megapixel of output video
- [LTX-2.3 22B · Image to Video](https://doitong.com/developers/models/ltx-2.3-22b/image-to-video.md) (`ltx-2.3-22b/image-to-video`): $0.00161 / megapixel of output video
- [LTX-2.3 22B · Image to Video · LoRA](https://doitong.com/developers/models/ltx-2.3-22b/image-to-video/lora.md) (`ltx-2.3-22b/image-to-video/lora`): $0.00181 / megapixel of output 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 22B · Extend Video](https://doitong.com/developers/models/ltx-2.3-22b/extend-video.md) (`ltx-2.3-22b/extend-video`): $0.00161 / megapixel of output video
- [LTX-2.3 22B · Extend Video · LoRA](https://doitong.com/developers/models/ltx-2.3-22b/extend-video/lora.md) (`ltx-2.3-22b/extend-video/lora`): $0.00181 / megapixel of output video
- [LTX-2.3 22B · Video to Video](https://doitong.com/developers/models/ltx-2.3-22b/video-to-video.md) (`ltx-2.3-22b/video-to-video`): $0.00161 / megapixel of output video

## Links

- HTML page: https://doitong.com/developers/models/ltx-2.3-22b/reference-video-to-video
- 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-2.3-22b/reference-video-to-video
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.ru/v1/models/ltx-2.3-22b/reference-video-to-video