# LTX Video-0.9.7 13B Distilled · Multiconditioning API

> Video-to-video z warunkowaniem obrazem i wideo, obsługą LoRA oraz dwuetapowym udoskonalaniem i opcjonalną poprawą szczegółów

Generuje wideo z wymaganego `prompt`, korzystając z danych warunkujących w `images` i `videos`. Niestandardowe LoRA można przekazać w `loras`. Wynik ma rozdzielczość 480p lub 720p, `num_frames` od 9 do 1441 i `frame_rate` od 1 do 60. Oddzielne liczby kroków dla pierwszego i drugiego etapu, opcjonalny etap poprawy szczegółów oraz ustawienia koloru, takie jak `temporal_adain_factor`, pozwalają dostroić wynik.

- 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/pl/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 |  |  | Instrukcje tekstowe sterujące generowaniem. |
| `negative_prompt` |  | string | no | `worst quality, inconsistent motion, blurry, jittery, distorted` |  | Negatywne instrukcje tekstowe dla generowania. |
| `loras` |  | array of object {path, weight_name, scale} | no | `[]` |  | Wagi LoRA stosowane podczas generowania. |
| `loras[].path` |  | string | yes |  |  | Lokalizacja wag LoRA podana jako URL lub ścieżka. |
| `loras[].weight_name` |  | string \| null | no |  |  | 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[].scale` |  | number | no | `1` | 0 – 4 | Mnożnik skalujący wagę LoRA podczas ładowania. |
| `resolution` |  | enum (string) | no | `720p` | `480p`, `720p` | Rozdzielczość wynikowego wideo. |
| `aspect_ratio` |  | enum (string) | no | `auto` | `9:16`, `1:1`, `16:9`, `auto` | Proporcje obrazu wideo. |
| `seed` |  | integer \| null | no |  |  | Ziarno sterujące losowością podczas generowania. |
| `num_frames` |  | integer | no | `121` | 9 – 1,441 | Łączna liczba klatek wideo. |
| `first_pass_num_inference_steps` |  | integer | no | `8` | 2 – 12 | Liczba kroków wnioskowania dla pierwszego przebiegu. |
| `second_pass_num_inference_steps` |  | integer | no | `8` | 2 – 12 | Liczba kroków wnioskowania dla drugiego przebiegu. |
| `second_pass_skip_initial_steps` |  | integer | no | `5` | 1 – 11 | Początkowa liczba kroków wnioskowania pomijanych podczas drugiego przebiegu, przesuwająca go w stronę pracy nad drobnymi szczegółami zamiast dużych zmian. |
| `frame_rate` |  | integer | no | `24` | 1 – 60 | Liczba klatek na sekundę wideo. |
| `expand_prompt` |  | boolean | no | `false` |  | Rozszerzanie promptu przez model językowy. |
| `reverse_video` |  | boolean | no | `false` |  | Odwrócenie kolejności odtwarzania wideo. |
| `enable_safety_checker` |  | boolean | no | `true` |  | Przełącznik kontroli bezpieczeństwa, którego ustawienie wyłączone jest honorowane tylko dla autoryzowanych kont. Wszystkie żądania bez tej autoryzacji przechodzą kontrole bezpieczeństwa. |
| `enable_detail_pass` |  | boolean | no | `false` |  | Opcjonalny drugi przebieg udoskonalania, który po włączeniu poprawia szczegóły wideo. |
| `temporal_adain_factor` |  | number | no | `0.5` | 0 – 1 | Siła adaptacyjnej normalizacji instancji (AdaIN), równoważąca spójność kolorów przy wyższych wartościach z większą ich zmiennością przy niższych. Działa na wygenerowanych fragmentach z wyjątkiem pierwszego, normalizując rozkłady kolorów w całym wideo, aby ograniczyć stopniowy wzrost nasycenia lub kontrastu. |
| `tone_map_compression_ratio` |  | number | no | `0` | 0 – 1 | Poziom kompresji mapowania tonów, od braku kompresji przy 0.0 do maksymalnej kompresji przy 1.0. Kompresja zakresu dynamicznego wideo w ten sposób poprawia jakość wizualną. |
| `constant_rate_factor` |  | integer | no | `29` | 0 – 51 | Stały współczynnik jakości (CRF) używany do kompresji danych wejściowych, który może poprawić jakość ruchu, przybliżając dostarczone multimedia do danych treningowych modelu. |
| `images` |  | array of object {image_url, start_frame_num, strength} | no | `[]` |  | Obrazy uwarunkowujące dostarczone przez URL. |
| `images[].image_url` |  | string (image URL) | yes |  |  | Obraz uwarunkowujący dostarczony przez URL. |
| `images[].start_frame_num` |  | integer | no | `0` | 0 – 1,440 | Pozycja początkowa uwarunkowania obrazu, podana za pomocą numeru klatki podzielnego przez 8. |
| `images[].strength` |  | number | no | `1` | 0 – 1 | Intensywność uwarunkowania: 0.0 je wyłącza, a 1.0 stosuje w pełni. |
| `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 | `[]` |  | Wideo dostarczone do uwarunkowania. |
| `videos[].video_url` |  | string (video URL) | yes |  |  | Wideo uwarunkowujące dostarczone przez URL. |
| `videos[].conditioning_type` |  | enum (string) \| null | no | `rgb` | `rgb`, `depth`, `pose`, `canny` | Kategoria uwarunkowania wideo używana do wyboru potoku przetwarzania wstępnego, gdy jest ono włączone, oraz do prawidłowego stosowania wag LoRA in-context. |
| `videos[].preprocess` |  | boolean | no | `false` |  | Włącza przetwarzanie wstępne dopasowujące się do typu uwarunkowania wideo. Dla uwarunkowania RGB włączenie nie wprowadza zmian. |
| `videos[].start_frame_num` |  | integer | no | `0` | 0 – 1,440 | Pozycja początkowa uwarunkowania w wideo, podana jako numer klatki podzielny przez 8. |
| `videos[].strength` |  | number | no | `1` | 0 – 1 | Intensywność uwarunkowania: 0.0 je wyłącza, a 1.0 stosuje w pełni. |
| `videos[].limit_num_frames` |  | boolean | no | `false` |  | Przełącznik limitu klatek wideo: po włączeniu `max_num_frames` staje się limitem klatek pobieranych z wideo. |
| `videos[].max_num_frames` |  | integer | no | `1441` | 1 – 1,441 | Limit używanych klatek wideo; None wybiera całe wideo zamiast ograniczonej liczby klatek. |
| `videos[].resample_fps` |  | boolean | no | `false` |  | Przełącznik konwersji liczby klatek wideo: po włączeniu ponownie próbuje wideo z częstotliwością określoną przez `target_fps`. |
| `videos[].target_fps` |  | integer | no | `24` | 1 – 60 | Częstotliwość próbkowania klatek w FPS, stosowana tylko przy włączonym `resample_fps`. |
| `videos[].reverse_video` |  | boolean | no | `false` |  | Odwrócenie kolejności wideo dla zadań wymagających uwarunkowania zgodnego z klatkami odtwarzanymi wstecz. |

## 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} | Plik wideo utworzony podczas generowania. |
| `prompt` | string | Prompt użyty do wygenerowania wyniku. |
| `seed` | integer | Wartość ziarna stosowana podczas generowania. |

## 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