Hoppa till innehåll

LTX-2.3 22B · Audio to Video

Integrera

Modell-id ltx-2.3-22b/audio-to-video
# 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?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"
  }'

# 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"

Filer som exemplet: 0,358 $ 358 API-krediter · ≈ 38,42 ₽ dina filer mäts innan körningen Kör den på den här sidan

Hämta API-nyckel
Lightricks · Video

Ditt första resultat visas här

Skapa en begäran nedan och kör den med din API-nyckel. Utdata kopieras till vår lagring och sparas för alltid eller 7 dagar kostnadsfritt.

Skapa en begäran

Kontrollerna genereras från modellschemat. Koden och priset uppdateras när du ändrar dem.

•obligatoriskt

Prompt som används som grund för videogenerering.

•obligatoriskt audio_url
Släpp en fil eller

URL till källjudet som används för att generera videon.

image_url
Släpp en fil eller

Valfri bild-URL som definierar videons första bildruta.

video_size standard landscape_16_9

Videodimensioner, med storlek baserad på indatafilen via 'auto' när en bild har angetts.

standard 121

Antal bildrutor i den genererade utdatan.

standard 24

Bildfrekvens för videoutdata, mätt i bildrutor per sekund.

Avancerat 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
standard news broadcast, 3d an...

Negativ prompt som används vid videogenerering.

end_image_url
Släpp en fil eller

Bild-URL som definierar videons sista bildruta.

scheduler standard ltx2

Val av schemaläggare.

acceleration standard regular

Accelerationsnivå som tillämpas på bearbetningen.

camera_lora standard none

Val av kamera-LoRA för att styra rörelsen i den genererade videon mer exakt än enbart prompter för kamerarörelser.

video_output_type standard X264 (.mp4)

Utdataformat för den resulterande videon.

video_quality standard high

Kvalitetsnivå för den resulterande videon.

video_write_mode standard balanced

Skrivläge för den resulterande videon.

standard 40

Antal utförda inferenssteg.

standard 3

Videovägledningsinställning: höj den för större konsekvens och fokus i det genererade innehållet. Använder classifier-free guidance (CFG).

standard 0

Styrning av videons konsekvens och fokus genom skalan för Spatiotemporal Guidance (STG); höj inställningen för att förstärka båda egenskaperna.

standard 0.7

Omskalningsjustering för video som balanserar classifier-free guidance mot spatiotemporal guidance som ett förhållande.

standard 3

Justering av videomodulen som balanserar video- och ljudbidrag som ett förhållande.

standard 7

Ljudvägledningsinställning: höj den för större konsekvens och fokus i det genererade innehållet. Använder classifier-free guidance (CFG).

standard 0

Styrning av ljudets konsekvens och fokus genom skalan för Spatiotemporal Guidance (STG); höj inställningen för att förstärka båda egenskaperna.

standard 0.7

Omskalningsjustering för ljud som balanserar classifier-free guidance mot spatiotemporal guidance som ett förhållande.

standard 3

Justering av ljudmodulen som balanserar video- och ljudbidrag som ett förhållande.

standard 2

Inställning för uppskattning av brusreduceringsgradienten: 0 stänger av uppskattningen; annars anger värdet gamma.

standard 1

Kamera-LoRA-styrka för att styra rörelsen i den genererade videon mer exakt än enbart prompter för kamerarörelser.

standard 0.2

Styr skalningen för distill-LoRA i första passet; använd 0 för att stänga av den.

standard 0.5

Styr skalningen för distill-LoRA i varje pass efter det första.

standard 1

Bildens påverkan på videogenereringen.

standard 1

Styr hur mycket slutfotot påverkar den genererade videon.

standard 1

Styrka för ljudkonditionering, där exakt 1.0 bevarar indatan oförändrad. Modellen kan ändra ljudet vid värden under 1.0.

Seed-värde som initierar generering av slumptal.

POST /run/ltx-2.3-22b/audio-to-video?wait=20 pris → 0,358 $
# 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?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"
  }'

# 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"

Kör den här begäran

Din nyckel stannar i den här webbläsaren: den skickas endast till Doitong API och sparas endast i localStorage om du markerar Kom ihåg. Hämta en API-nyckel

Om LTX-2.3 22B · Audio to Video

Kräver en `prompt` och en `audio_url`. Som standard härleds antalet bildrutor från ljudets längd (`match_audio_length`); annars används `num_frames` (9 till 481). `image_url` och `end_image_url` kan låsa första och sista bildrutan. Många samplingskontroller finns, till exempel styrkeskalor, `scheduler`, `camera_lora` och utdataformat som mp4, webm, mov och GIF.

Parametrar

Skicka antingen det kanoniska namnet eller det inbyggda namnet, inte båda. Kanoniska namn

NamnTyp StandardTillåtna Beskrivning
promptobligatoriskt
Typstring
Prompt som används som grund för videogenerering.
audio_urlobligatoriskt audio
Typurl · audio
URL till källjudet som används för att generera videon.
image_urlvalfritt image
Typurl · image
Valfri bild-URL som definierar videons första bildruta.
end_image_urlvalfritt end_image
Typurl · image
Bild-URL som definierar videons sista bildruta.
match_audio_lengthvalfritt
Typboolean
Standardtrue
Växling för val av antal bildrutor: inaktiverad använder num_frames, medan aktiverad beräknar antalet från FPS och ljudets längd.
num_framesvalfritt
Typinteger
Standard121
9 – 481
Antal bildrutor i den genererade utdatan.
video_sizevalfritt
Typobject
Standardlandscape_16_9
autosquare_hdsquareportrait_4_3portrait_16_9landscape_4_3landscape_16_9
Videodimensioner, med storlek baserad på indatafilen via 'auto' när en bild har angetts.
use_multiscalevalfritt
Typboolean
Standardtrue
Växling för flerskalig generering för bättre koherens och detaljrikedom. Med True vägleder en preliminär mindre video en andra generering vars storlek motsvarar eller överstiger de begärda dimensionerna.
fpsvalfritt
Typnumber
Standard24
1 – 60
Bildfrekvens för videoutdata, mätt i bildrutor per sekund.
num_inference_stepsvalfritt
Typinteger
Standard40
8 – 50
Antal utförda inferenssteg.
video_cfg_scalevalfritt
Typnumber
Standard3
1 – 20
Videovägledningsinställning: höj den för större konsekvens och fokus i det genererade innehållet. Använder classifier-free guidance (CFG).
video_stg_scalevalfritt
Typnumber
Standard0
0 – 20
Styrning av videons konsekvens och fokus genom skalan för Spatiotemporal Guidance (STG); höj inställningen för att förstärka båda egenskaperna.
video_rescaling_scalevalfritt
Typnumber
Standard0.7
0 – 1
Omskalningsjustering för video som balanserar classifier-free guidance mot spatiotemporal guidance som ett förhållande.
video_modality_scalevalfritt
Typnumber
Standard3
0 – 10
Justering av videomodulen som balanserar video- och ljudbidrag som ett förhållande.
audio_cfg_scalevalfritt
Typnumber
Standard7
1 – 20
Ljudvägledningsinställning: höj den för större konsekvens och fokus i det genererade innehållet. Använder classifier-free guidance (CFG).
audio_stg_scalevalfritt
Typnumber
Standard0
0 – 20
Styrning av ljudets konsekvens och fokus genom skalan för Spatiotemporal Guidance (STG); höj inställningen för att förstärka båda egenskaperna.
audio_rescaling_scalevalfritt
Typnumber
Standard0.7
0 – 1
Omskalningsjustering för ljud som balanserar classifier-free guidance mot spatiotemporal guidance som ett förhållande.
audio_modality_scalevalfritt
Typnumber
Standard3
0 – 10
Justering av ljudmodulen som balanserar video- och ljudbidrag som ett förhållande.
gradient_estimation_gammavalfritt
Typnumber
Standard2
0 – 10
Inställning för uppskattning av brusreduceringsgradienten: 0 stänger av uppskattningen; annars anger värdet gamma.
use_restart_samplingvalfritt
Typboolean
Standardfalse
Växling för omstart av sampling för potentiellt bättre videokvalitet: om den aktiveras tillförs lite brus vid varje brusreduceringssteg.
schedulervalfritt
Typenum
Standardltx2
ltx2linear_quadraticbeta
Val av schemaläggare.
accelerationvalfritt
Typenum
Standardregular
noneregularhighfull
Accelerationsnivå som tillämpas på bearbetningen.
camera_loravalfritt
Typenum
Standardnone
dolly_indolly_outdolly_leftdolly_rightjib_upjib_downstaticnone
Val av kamera-LoRA för att styra rörelsen i den genererade videon mer exakt än enbart prompter för kamerarörelser.
camera_lora_scalevalfritt
Typnumber
Standard1
0 – 1
Kamera-LoRA-styrka för att styra rörelsen i den genererade videon mer exakt än enbart prompter för kamerarörelser.
negative_promptvalfritt
Typstring
Standardnews broadcast, 3d animation, computer graphics, pc game, console game, video game, cartoon, childish, watermark, logo, text, on screen text, subtitles, titles, signature, slowmo, static
Negativ prompt som används vid videogenerering.
seedvalfritt
Typinteger | null
Seed-värde som initierar generering av slumptal.
enable_prompt_expansionvalfritt
Typboolean
Standardtrue
Styr om promptutökning är aktiverad.
enable_safety_checkervalfritt
Typboolean
Standardtrue
Styr om säkerhetskontroll är aktiverad.
video_output_typevalfritt
Typenum
StandardX264 (.mp4)
X264 (.mp4)VP9 (.webm)PRORES4444 (.mov)GIF (.gif)
Utdataformat för den resulterande videon.
video_qualityvalfritt
Typenum
Standardhigh
lowmediumhighmaximum
Kvalitetsnivå för den resulterande videon.
video_write_modevalfritt
Typenum
Standardbalanced
fastbalancedsmall
Skrivläge för den resulterande videon.
distill_lora_first_pass_scalevalfritt
Typnumber
Standard0.2
0 – 1
Styr skalningen för distill-LoRA i första passet; använd 0 för att stänga av den.
distill_lora_second_pass_scalevalfritt
Typnumber
Standard0.5
0 – 1
Styr skalningen för distill-LoRA i varje pass efter det första.
image_strengthvalfritt
Typnumber
Standard1
0 – 1
Bildens påverkan på videogenereringen.
end_image_strengthvalfritt
Typnumber
Standard1
0 – 1
Styr hur mycket slutfotot påverkar den genererade videon.
audio_strengthvalfritt
Typnumber
Standard1
0 – 1
Styrka för ljudkonditionering, där exakt 1.0 bevarar indatan oförändrad. Modellen kan ändra ljudet vid värden under 1.0.
preprocess_audiovalfritt
Typboolean
Standardtrue
Styr om ljudet förbehandlas innan det används för konditionering.
obligatoriskt Kanoniskt namn, accepteras också

Filparametrar tar emot en offentlig https://-URL, en data:-URI på upp till 10 MB eller file_url från en uppladdning. Filer

Resultat

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ltx-2.3-22b/audio-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": 358,
    "usd": "0.358",
    "charged": 358,
    "refunded": 0
  },
  "input": {
    "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"
  }
}
Dina filer, ditt valVarje outputs[].url är en kopia i vår lagring: sparad för alltid (debiteras per GB-månad) eller 7 dagar kostnadsfritt, enligt din kontoinställning eller ?storage=.
Samma struktur för varje modelltype, url, content_type, width, height och duration, för bilder, video och ljud. output är modellens eget resultatobjekt.
Resultatets fält
video
object {url, content_type, file_name, file_size, width, height, fps, duration, num_frames}Video som produceras av modellen.
seed
integerSeed-värde som används för att initiera genereringen av slumptal.
prompt
stringPrompt som används för att vägleda genereringen.

Fler modeller: Läppsynkning och avatarer

För AI-agenter: den här sidan som Markdown finns på https://doitong.com/sv/developers/models/ltx-2.3-22b/audio-to-video.md. Alla modeller och guider: https://doitong.com/developers/llms.txt