Ir para o conteúdo

LTX-2.3 22B · Audio to Video · LoRA

Integrar

ID do modelo 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"

Arquivos como o exemplo: $ 0,403 403 créditos de API · ≈ ₽ 43,31 seus arquivos são medidos antes da execução Executar nesta página

Obter chave de API
Lightricks · Vídeo

Seu primeiro resultado aparecerá aqui

Monte uma requisição abaixo e execute-a com sua chave de API. As saídas são copiadas para nosso armazenamento, mantidas para sempre ou por 7 dias gratuitamente.

Criar uma solicitação

Os controles são gerados a partir do esquema do modelo. O código e o preço são atualizados conforme você os altera.

•obrigatório

Prompt usado como base para a geração do vídeo.

•obrigatório audio_url
Solte um arquivo ou

URL do áudio de origem usado para gerar o vídeo.

image_url
Solte um arquivo ou

URL opcional da imagem que define o quadro inicial do vídeo.

video_size padrão landscape_16_9

Dimensões do vídeo, com dimensionamento pela imagem de entrada disponível por meio de 'auto' quando uma imagem é fornecida.

padrão 121

Contagem de quadros da saída gerada.

padrão 24

Taxa de quadros do vídeo de saída, medida em quadros por segundo.

•obrigatório

Seleção de LoRA para geração.

Avançado 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
padrão news broadcast, 3d an...

Prompt negativo usado durante a geração de vídeo.

end_image_url
Solte um arquivo ou

URL da imagem que define o quadro final do vídeo.

scheduler padrão ltx2

Seleção do scheduler.

acceleration padrão regular

Nível de aceleração aplicado ao processamento.

camera_lora padrão none

Seleção do Camera LoRA para controlar o movimento no vídeo gerado com mais precisão do que apenas prompts de movimento da câmera.

video_output_type padrão X264 (.mp4)

Tipo de saída do vídeo resultante.

video_quality padrão high

Nível de qualidade do vídeo resultante.

video_write_mode padrão balanced

Modo de gravação do vídeo resultante.

padrão 40

Quantidade de etapas de inferência realizadas.

padrão 3

Configuração de orientação do vídeo: aumente-a para obter mais consistência e foco no conteúdo gerado. Usa classifier-free guidance (CFG).

padrão 0

Controle de consistência e foco do vídeo pela escala Spatiotemporal Guidance (STG); aumente a configuração para intensificar ambas as qualidades.

padrão 0.7

Ajuste de redimensionamento do vídeo para equilibrar classifier-free guidance e orientação espaço-temporal como uma proporção.

padrão 3

Ajuste de modalidade do vídeo para equilibrar as contribuições do vídeo e do áudio como uma proporção.

padrão 7

Configuração de orientação do áudio: aumente-a para obter mais consistência e foco no conteúdo gerado. Usa classifier-free guidance (CFG).

padrão 0

Controle de consistência e foco do áudio pela escala Spatiotemporal Guidance (STG); aumente a configuração para intensificar ambas as qualidades.

padrão 0.7

Ajuste de redimensionamento do áudio para equilibrar classifier-free guidance e orientação espaço-temporal como uma proporção.

padrão 3

Ajuste de modalidade do áudio para equilibrar as contribuições do vídeo e do áudio como uma proporção.

padrão 2

Configuração de estimativa do gradiente de remoção de ruído: 0 desativa a estimativa; caso contrário, o valor especifica gamma.

padrão 1

Intensidade do Camera LoRA para controlar o movimento no vídeo gerado com mais precisão do que apenas prompts de movimento da câmera.

padrão 0.2

Controle a escala do distill LoRA da primeira passagem, usando 0 para desativá-la.

padrão 0.5

Controle a escala do distill LoRA em cada passagem após a primeira.

padrão 1

Intensidade da influência da imagem na geração de vídeo.

padrão 1

Controle quanto a imagem final influencia o vídeo gerado.

padrão 1

Intensidade do condicionamento do áudio, com exatamente 1.0 preservando a entrada sem alterações. O modelo pode modificar o áudio com valores abaixo de 1.0.

Valor de seed que inicializa a geração de números aleatórios.

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

Executar esta solicitação

Sua chave permanece neste navegador: ela é enviada somente à Doitong API e salva (localStorage) apenas se você marcar Lembrar. Obter uma chave de API

Sobre LTX-2.3 22B · Audio to Video · LoRA

Assim como o modelo padrão de áudio para vídeo, recebe um `prompt` e um `audio_url` e pode usar `image_url` e `end_image_url` como primeiro e último quadros. Além disso, requer `loras`, uma lista de LoRAs personalizadas aplicadas durante a geração. A contagem de quadros segue o áudio ou `num_frames` (9 a 481), com as mesmas opções de amostragem e camera LoRA.

Parâmetros

Envie o nome canônico ou o nome nativo, não ambos. Nomes canônicos

NomeTipo PadrãoPermitido Descrição
promptobrigatório
Tipostring
Prompt usado como base para a geração do vídeo.
audio_urlobrigatório audio
Tipourl · audio
URL do áudio de origem usado para gerar o vídeo.
image_urlopcional image
Tipourl · image
URL opcional da imagem que define o quadro inicial do vídeo.
end_image_urlopcional end_image
Tipourl · image
URL da imagem que define o quadro final do vídeo.
match_audio_lengthopcional
Tipoboolean
Padrãotrue
Alternância da seleção da quantidade de quadros: desabilitada usa num_frames, enquanto habilitada calcula a quantidade a partir do FPS e da duração do áudio.
num_framesopcional
Tipointeger
Padrão121
9 – 481
Contagem de quadros da saída gerada.
video_sizeopcional
Tipoobject
Padrãolandscape_16_9
autosquare_hdsquareportrait_4_3portrait_16_9landscape_4_3landscape_16_9
Dimensões do vídeo, com dimensionamento pela imagem de entrada disponível por meio de 'auto' quando uma imagem é fornecida.
use_multiscaleopcional
Tipoboolean
Padrãotrue
Alternância de geração em múltiplas escalas para melhorar a coerência e os detalhes. Com True, um vídeo preliminar menor orienta uma segunda geração cujo tamanho atende ou excede as dimensões solicitadas.
fpsopcional
Tiponumber
Padrão24
1 – 60
Taxa de quadros do vídeo de saída, medida em quadros por segundo.
num_inference_stepsopcional
Tipointeger
Padrão40
8 – 50
Quantidade de etapas de inferência realizadas.
video_cfg_scaleopcional
Tiponumber
Padrão3
1 – 20
Configuração de orientação do vídeo: aumente-a para obter mais consistência e foco no conteúdo gerado. Usa classifier-free guidance (CFG).
video_stg_scaleopcional
Tiponumber
Padrão0
0 – 20
Controle de consistência e foco do vídeo pela escala Spatiotemporal Guidance (STG); aumente a configuração para intensificar ambas as qualidades.
video_rescaling_scaleopcional
Tiponumber
Padrão0.7
0 – 1
Ajuste de redimensionamento do vídeo para equilibrar classifier-free guidance e orientação espaço-temporal como uma proporção.
video_modality_scaleopcional
Tiponumber
Padrão3
0 – 10
Ajuste de modalidade do vídeo para equilibrar as contribuições do vídeo e do áudio como uma proporção.
audio_cfg_scaleopcional
Tiponumber
Padrão7
1 – 20
Configuração de orientação do áudio: aumente-a para obter mais consistência e foco no conteúdo gerado. Usa classifier-free guidance (CFG).
audio_stg_scaleopcional
Tiponumber
Padrão0
0 – 20
Controle de consistência e foco do áudio pela escala Spatiotemporal Guidance (STG); aumente a configuração para intensificar ambas as qualidades.
audio_rescaling_scaleopcional
Tiponumber
Padrão0.7
0 – 1
Ajuste de redimensionamento do áudio para equilibrar classifier-free guidance e orientação espaço-temporal como uma proporção.
audio_modality_scaleopcional
Tiponumber
Padrão3
0 – 10
Ajuste de modalidade do áudio para equilibrar as contribuições do vídeo e do áudio como uma proporção.
gradient_estimation_gammaopcional
Tiponumber
Padrão2
0 – 10
Configuração de estimativa do gradiente de remoção de ruído: 0 desativa a estimativa; caso contrário, o valor especifica gamma.
use_restart_samplingopcional
Tipoboolean
Padrãofalse
Alternância de amostragem com reinício para potencialmente melhorar a qualidade do vídeo: habilitá-la introduz um pouco de ruído a cada etapa de remoção de ruído.
scheduleropcional
Tipoenum
Padrãoltx2
ltx2linear_quadraticbeta
Seleção do scheduler.
accelerationopcional
Tipoenum
Padrãoregular
noneregularhighfull
Nível de aceleração aplicado ao processamento.
camera_loraopcional
Tipoenum
Padrãonone
dolly_indolly_outdolly_leftdolly_rightjib_upjib_downstaticnone
Seleção do Camera LoRA para controlar o movimento no vídeo gerado com mais precisão do que apenas prompts de movimento da câmera.
camera_lora_scaleopcional
Tiponumber
Padrão1
0 – 1
Intensidade do Camera LoRA para controlar o movimento no vídeo gerado com mais precisão do que apenas prompts de movimento da câmera.
negative_promptopcional
Tipostring
Padrãonews broadcast, 3d animation, computer graphics, pc game, console game, video game, cartoon, childish, watermark, logo, text, on screen text, subtitles, titles, signature, slowmo, static
Prompt negativo usado durante a geração de vídeo.
seedopcional
Tipointeger | null
Valor de seed que inicializa a geração de números aleatórios.
enable_prompt_expansionopcional
Tipoboolean
Padrãotrue
Controla se a expansão do prompt está ativada.
enable_safety_checkeropcional
Tipoboolean
Padrãotrue
Controla se a verificação de segurança está ativada.
video_output_typeopcional
Tipoenum
PadrãoX264 (.mp4)
X264 (.mp4)VP9 (.webm)PRORES4444 (.mov)GIF (.gif)
Tipo de saída do vídeo resultante.
video_qualityopcional
Tipoenum
Padrãohigh
lowmediumhighmaximum
Nível de qualidade do vídeo resultante.
video_write_modeopcional
Tipoenum
Padrãobalanced
fastbalancedsmall
Modo de gravação do vídeo resultante.
lorasobrigatório
Tipoobject[]
Seleção de LoRA para geração.
loras[].pathobrigatório
Tipostring
Localização dos pesos do LoRA, fornecida como URL ou ID de repositório do HuggingFace no formato owner/repo.
loras[].weight_nameopcional
Tipostring | null
Nome do peso do LoRA para selecionar entre vários pesos em um repositório do HuggingFace; somente repositórios com vários pesos exigem esse valor. Esta configuração não tem efeito a menos que `path` identifique um repositório do HuggingFace.
loras[].scaleopcional
Tiponumber
Padrão1
0 – 4
Fator de escala aplicado ao LoRA, variando de 0.0 a 4.0.
distill_lora_first_pass_scaleopcional
Tiponumber
Padrão0.2
0 – 1
Controle a escala do distill LoRA da primeira passagem, usando 0 para desativá-la.
distill_lora_second_pass_scaleopcional
Tiponumber
Padrão0.5
0 – 1
Controle a escala do distill LoRA em cada passagem após a primeira.
image_strengthopcional
Tiponumber
Padrão1
0 – 1
Intensidade da influência da imagem na geração de vídeo.
end_image_strengthopcional
Tiponumber
Padrão1
0 – 1
Controle quanto a imagem final influencia o vídeo gerado.
audio_strengthopcional
Tiponumber
Padrão1
0 – 1
Intensidade do condicionamento do áudio, com exatamente 1.0 preservando a entrada sem alterações. O modelo pode modificar o áudio com valores abaixo de 1.0.
preprocess_audioopcional
Tipoboolean
Padrãotrue
Controla se o áudio é pré-processado antes de ser usado para condicionamento.
obrigatório Nome canônico, também aceito

Os parâmetros de arquivo aceitam uma URL https:// pública, um URI data: de até 10 MB ou o file_url de um upload. Arquivos

Saída

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"
  }
}
Seus arquivos, sua escolhaCada outputs[].url é uma cópia em nosso armazenamento: mantida para sempre (cobrada por GB-mês) ou por 7 dias gratuitamente, conforme a configuração da sua conta ou ?storage=.
Mesmo formato em todos os modelostype, url, content_type, width, height e duration, para imagens, vídeos e áudios. output é o próprio objeto de resultado do modelo.
Campos da saída
video
object {url, content_type, file_name, file_size, width, height, fps, duration, num_frames}Vídeo produzido pelo modelo.
seed
integerValor da seed usado para inicializar a geração de números aleatórios.
prompt
stringPrompt usado para orientar a geração.

Mais modelos: Sincronização labial e avatares

Para agentes de IA: esta página em Markdown está em https://doitong.com/pt-BR/developers/models/ltx-2.3-22b/audio-to-video/lora.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt