مواد پر جائیں

LTX-2.3 22B · Audio to Video

انٹیگریٹ کریں

ماڈل 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"

مثال جیسی فائلیں: ⁨$0.358⁩ 358 API کریڈٹس · ≈ ⁨₽38.51⁩ آپ کی فائلیں رن سے پہلے ناپی جاتی ہیں اس صفحے پر چلائیں

API کلید حاصل کریں
Lightricks لِپ سنک اور اوتار لِپ سنک

ان پٹ آڈیو ٹریک کے مطابق ویڈیو بناتا ہے، اختیاری پہلے اور آخری فریم کی تصاویر اور کیمرہ LoRA کے ساتھ

Lightricks · ویڈیو

آپ کا پہلا نتیجہ یہاں آئے گا

ذیل میں درخواست بنائیں اور اپنی API کلید کے ساتھ چلائیں۔ آؤٹ پٹس ہمارے اسٹوریج میں کاپی ہو جاتے ہیں، ہمیشہ کے لیے یا مفت میں 7 دن تک محفوظ رہتے ہیں۔

درخواست بنائیں

کنٹرولز ماڈل اسکیما سے تیار ہوتے ہیں۔ آپ کے بدلنے کے ساتھ کوڈ اور قیمت اپ ڈیٹ ہوتے ہیں۔

•لازمی

ویڈیو تخلیق کی بنیاد کے طور پر استعمال ہونے والا پرامپٹ۔

•لازمی audio_url
فائل ڈراپ کریں، یا

ویڈیو کی تخلیق کے لیے استعمال ہونے والے ماخذ آڈیو کا URL۔

image_url
فائل ڈراپ کریں، یا

ویڈیو کے ابتدائی فریم کی وضاحت کرنے والا اختیاری تصویر URL۔

video_size ڈیفالٹ landscape_16_9

ویڈیو کے ابعاد؛ تصویر فراہم ہونے پر 'auto' کے ذریعے ان پٹ تصویر کے مطابق sizing دستیاب ہے۔

ڈیفالٹ 121

تخلیق شدہ آؤٹ پٹ کے فریموں کی تعداد۔

ڈیفالٹ 24

آؤٹ پٹ ویڈیو کا فریم ریٹ، فریم فی سیکنڈ میں۔

ایڈوانسڈ 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
ڈیفالٹ news broadcast, 3d an...

ویڈیو کی تخلیق کے دوران استعمال ہونے والا منفی پرامپٹ۔

end_image_url
فائل ڈراپ کریں، یا

ویڈیو کے آخری فریم کی وضاحت کرنے والا تصویر URL۔

scheduler ڈیفالٹ ltx2

Scheduler کا انتخاب۔

acceleration ڈیفالٹ regular

processing پر لاگو acceleration level۔

camera_lora ڈیفالٹ none

تیار کردہ ویڈیو میں حرکت کو صرف camera-motion پرامپٹس کے مقابلے میں زیادہ درستگی سے کنٹرول کرنے کے لیے Camera LoRA کا انتخاب۔

video_output_type ڈیفالٹ X264 (.mp4)

حاصل ہونے والی ویڈیو کی آؤٹ پٹ قسم۔

video_quality ڈیفالٹ high

حاصل ہونے والی ویڈیو کا معیار۔

video_write_mode ڈیفالٹ balanced

حاصل ہونے والی ویڈیو کا رائٹ موڈ۔

ڈیفالٹ 40

انجام دیے گئے inference steps کی تعداد۔

ڈیفالٹ 3

ویڈیو guidance کی ترتیب: تیار کردہ مواد میں زیادہ یکسانیت اور فوکس کے لیے اسے بڑھائیں۔ Classifier-free guidance (CFG) استعمال کرتی ہے۔

ڈیفالٹ 0

Spatiotemporal Guidance (STG) scale کے ذریعے ویڈیو کی یکسانیت اور فوکس کنٹرول کریں؛ دونوں خصوصیات مضبوط کرنے کے لیے ترتیب بڑھائیں۔

ڈیفالٹ 0.7

Classifier-free اور spatiotemporal guidance کے درمیان ratio کے طور پر توازن کے لیے ویڈیو rescaling ایڈجسٹمنٹ۔

ڈیفالٹ 3

ویڈیو اور آڈیو کی شراکت کو ratio کے طور پر متوازن کرنے کے لیے ویڈیو modality ایڈجسٹمنٹ۔

ڈیفالٹ 7

آڈیو guidance کی ترتیب: تیار کردہ مواد میں زیادہ یکسانیت اور فوکس کے لیے اسے بڑھائیں۔ Classifier-free guidance (CFG) استعمال کرتی ہے۔

ڈیفالٹ 0

Spatiotemporal Guidance (STG) scale کے ذریعے آڈیو کی یکسانیت اور فوکس کنٹرول کریں؛ دونوں خصوصیات مضبوط کرنے کے لیے ترتیب بڑھائیں۔

ڈیفالٹ 0.7

Classifier-free اور spatiotemporal guidance کے درمیان ratio کے طور پر توازن کے لیے آڈیو rescaling ایڈجسٹمنٹ۔

ڈیفالٹ 3

ویڈیو اور آڈیو کی شراکت کو ratio کے طور پر متوازن کرنے کے لیے آڈیو modality ایڈجسٹمنٹ۔

ڈیفالٹ 2

Denoising gradient-estimation کی ترتیب: 0 تخمینہ کاری بند کرتا ہے؛ بصورت دیگر value، gamma متعین کرتی ہے۔

ڈیفالٹ 1

تیار کردہ ویڈیو میں حرکت کو زیادہ درستگی سے کنٹرول کرنے کے لیے Camera LoRA کی طاقت۔

ڈیفالٹ 0.2

پہلے pass کے distill LoRA scaling کو کنٹرول کریں؛ اسے بند کرنے کے لیے 0 استعمال کریں۔

ڈیفالٹ 0.5

پہلے pass کے بعد ہر pass کے لیے distill LoRA scaling کنٹرول کریں۔

ڈیفالٹ 1

ویڈیو کی تخلیق پر تصویر کے اثر کی طاقت۔

ڈیفالٹ 1

کنٹرول کریں کہ آخری تصویر تیار کردہ ویڈیو پر کتنا اثر ڈالتی ہے۔

ڈیفالٹ 1

آڈیو conditioning کی طاقت؛ بالکل 1.0 ان پٹ کو بغیر تبدیلی محفوظ رکھتی ہے۔ 1.0 سے کم ترتیبات پر ماڈل آڈیو تبدیل کر سکتا ہے۔

سیڈ کی قدر جو بے ترتیب اعداد کی تخلیق شروع کرتی ہے۔

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

یہ درخواست چلائیں

آپ کی key اسی براؤزر میں رہتی ہے: یہ صرف Doitong API کو بھیجی جاتی ہے اور صرف اس صورت میں localStorage میں محفوظ ہوتی ہے جب آپ Remember منتخب کریں۔ API کلید حاصل کریں

LTX-2.3 22B · Audio to Video کے بارے میں

`prompt` اور `audio_url` درکار ہیں۔ ڈیفالٹ طور پر فریم کی تعداد آڈیو کی لمبائی سے اخذ ہوتی ہے (`match_audio_length`)؛ بصورت دیگر `num_frames` (9 سے 481) لاگو ہوتا ہے۔ `image_url` اور `end_image_url` پہلے اور آخری فریم مقرر کر سکتے ہیں۔ یہ رہنمائی اسکیلز، `scheduler`، `camera_lora` اور mp4، webm، mov اور GIF سمیت آؤٹ پٹ فارمیٹس جیسے کئی سیمپلنگ کنٹرولز فراہم کرتا ہے۔

پیرامیٹرز

معیاری نام یا مقامی نام میں سے صرف ایک بھیجیں، دونوں نہیں۔ معیاری نام

نامقسم ڈیفالٹمجاز تفصیل
promptلازمی
قسمstring
ویڈیو تخلیق کی بنیاد کے طور پر استعمال ہونے والا پرامپٹ۔
audio_urlلازمی audio
قسمurl · audio
ویڈیو کی تخلیق کے لیے استعمال ہونے والے ماخذ آڈیو کا URL۔
image_urlاختیاری image
قسمurl · image
ویڈیو کے ابتدائی فریم کی وضاحت کرنے والا اختیاری تصویر URL۔
end_image_urlاختیاری end_image
قسمurl · image
ویڈیو کے آخری فریم کی وضاحت کرنے والا تصویر URL۔
match_audio_lengthاختیاری
قسمboolean
ڈیفالٹtrue
فریم تعداد کا انتخاب: غیر فعال ہونے پر num_frames استعمال ہوتا ہے، جبکہ فعال ہونے پر تعداد FPS اور آڈیو دورانیے سے شمار ہوتی ہے۔
num_framesاختیاری
قسمinteger
ڈیفالٹ121
9 – 481
تخلیق شدہ آؤٹ پٹ کے فریموں کی تعداد۔
video_sizeاختیاری
قسمobject
ڈیفالٹlandscape_16_9
autosquare_hdsquareportrait_4_3portrait_16_9landscape_4_3landscape_16_9
ویڈیو کے ابعاد؛ تصویر فراہم ہونے پر 'auto' کے ذریعے ان پٹ تصویر کے مطابق sizing دستیاب ہے۔
use_multiscaleاختیاری
قسمboolean
ڈیفالٹtrue
بہتر یکسانیت اور تفصیل کے لیے multi-scale تخلیق کا ٹوگل۔ True ہونے پر ابتدائی چھوٹی ویڈیو دوسری تخلیق کی رہنمائی کرتی ہے، جس کا سائز مطلوبہ ابعاد کے برابر یا بڑا ہوتا ہے۔
fpsاختیاری
قسمnumber
ڈیفالٹ24
1 – 60
آؤٹ پٹ ویڈیو کا فریم ریٹ، فریم فی سیکنڈ میں۔
num_inference_stepsاختیاری
قسمinteger
ڈیفالٹ40
8 – 50
انجام دیے گئے inference steps کی تعداد۔
video_cfg_scaleاختیاری
قسمnumber
ڈیفالٹ3
1 – 20
ویڈیو guidance کی ترتیب: تیار کردہ مواد میں زیادہ یکسانیت اور فوکس کے لیے اسے بڑھائیں۔ Classifier-free guidance (CFG) استعمال کرتی ہے۔
video_stg_scaleاختیاری
قسمnumber
ڈیفالٹ0
0 – 20
Spatiotemporal Guidance (STG) scale کے ذریعے ویڈیو کی یکسانیت اور فوکس کنٹرول کریں؛ دونوں خصوصیات مضبوط کرنے کے لیے ترتیب بڑھائیں۔
video_rescaling_scaleاختیاری
قسمnumber
ڈیفالٹ0.7
0 – 1
Classifier-free اور spatiotemporal guidance کے درمیان ratio کے طور پر توازن کے لیے ویڈیو rescaling ایڈجسٹمنٹ۔
video_modality_scaleاختیاری
قسمnumber
ڈیفالٹ3
0 – 10
ویڈیو اور آڈیو کی شراکت کو ratio کے طور پر متوازن کرنے کے لیے ویڈیو modality ایڈجسٹمنٹ۔
audio_cfg_scaleاختیاری
قسمnumber
ڈیفالٹ7
1 – 20
آڈیو guidance کی ترتیب: تیار کردہ مواد میں زیادہ یکسانیت اور فوکس کے لیے اسے بڑھائیں۔ Classifier-free guidance (CFG) استعمال کرتی ہے۔
audio_stg_scaleاختیاری
قسمnumber
ڈیفالٹ0
0 – 20
Spatiotemporal Guidance (STG) scale کے ذریعے آڈیو کی یکسانیت اور فوکس کنٹرول کریں؛ دونوں خصوصیات مضبوط کرنے کے لیے ترتیب بڑھائیں۔
audio_rescaling_scaleاختیاری
قسمnumber
ڈیفالٹ0.7
0 – 1
Classifier-free اور spatiotemporal guidance کے درمیان ratio کے طور پر توازن کے لیے آڈیو rescaling ایڈجسٹمنٹ۔
audio_modality_scaleاختیاری
قسمnumber
ڈیفالٹ3
0 – 10
ویڈیو اور آڈیو کی شراکت کو ratio کے طور پر متوازن کرنے کے لیے آڈیو modality ایڈجسٹمنٹ۔
gradient_estimation_gammaاختیاری
قسمnumber
ڈیفالٹ2
0 – 10
Denoising gradient-estimation کی ترتیب: 0 تخمینہ کاری بند کرتا ہے؛ بصورت دیگر value، gamma متعین کرتی ہے۔
use_restart_samplingاختیاری
قسمboolean
ڈیفالٹfalse
ممکنہ طور پر بہتر ویڈیو معیار کے لیے restart sampling کا ٹوگل: فعال کرنے پر ہر denoising step میں تھوڑا noise شامل ہوتا ہے۔
schedulerاختیاری
قسمenum
ڈیفالٹltx2
ltx2linear_quadraticbeta
Scheduler کا انتخاب۔
accelerationاختیاری
قسمenum
ڈیفالٹregular
noneregularhighfull
processing پر لاگو acceleration level۔
camera_loraاختیاری
قسمenum
ڈیفالٹnone
dolly_indolly_outdolly_leftdolly_rightjib_upjib_downstaticnone
تیار کردہ ویڈیو میں حرکت کو صرف camera-motion پرامپٹس کے مقابلے میں زیادہ درستگی سے کنٹرول کرنے کے لیے Camera LoRA کا انتخاب۔
camera_lora_scaleاختیاری
قسمnumber
ڈیفالٹ1
0 – 1
تیار کردہ ویڈیو میں حرکت کو زیادہ درستگی سے کنٹرول کرنے کے لیے Camera LoRA کی طاقت۔
negative_promptاختیاری
قسمstring
ڈیفالٹnews broadcast, 3d animation, computer graphics, pc game, console game, video game, cartoon, childish, watermark, logo, text, on screen text, subtitles, titles, signature, slowmo, static
ویڈیو کی تخلیق کے دوران استعمال ہونے والا منفی پرامپٹ۔
seedاختیاری
قسمinteger | null
سیڈ کی قدر جو بے ترتیب اعداد کی تخلیق شروع کرتی ہے۔
enable_prompt_expansionاختیاری
قسمboolean
ڈیفالٹtrue
متعین کرتا ہے کہ پرامپٹ کی توسیع فعال ہے یا نہیں۔
enable_safety_checkerاختیاری
قسمboolean
ڈیفالٹtrue
یہ کنٹرول کرتا ہے کہ حفاظتی جانچ فعال ہو یا نہیں۔
video_output_typeاختیاری
قسمenum
ڈیفالٹX264 (.mp4)
X264 (.mp4)VP9 (.webm)PRORES4444 (.mov)GIF (.gif)
حاصل ہونے والی ویڈیو کی آؤٹ پٹ قسم۔
video_qualityاختیاری
قسمenum
ڈیفالٹhigh
lowmediumhighmaximum
حاصل ہونے والی ویڈیو کا معیار۔
video_write_modeاختیاری
قسمenum
ڈیفالٹbalanced
fastbalancedsmall
حاصل ہونے والی ویڈیو کا رائٹ موڈ۔
distill_lora_first_pass_scaleاختیاری
قسمnumber
ڈیفالٹ0.2
0 – 1
پہلے pass کے distill LoRA scaling کو کنٹرول کریں؛ اسے بند کرنے کے لیے 0 استعمال کریں۔
distill_lora_second_pass_scaleاختیاری
قسمnumber
ڈیفالٹ0.5
0 – 1
پہلے pass کے بعد ہر pass کے لیے distill LoRA scaling کنٹرول کریں۔
image_strengthاختیاری
قسمnumber
ڈیفالٹ1
0 – 1
ویڈیو کی تخلیق پر تصویر کے اثر کی طاقت۔
end_image_strengthاختیاری
قسمnumber
ڈیفالٹ1
0 – 1
کنٹرول کریں کہ آخری تصویر تیار کردہ ویڈیو پر کتنا اثر ڈالتی ہے۔
audio_strengthاختیاری
قسمnumber
ڈیفالٹ1
0 – 1
آڈیو conditioning کی طاقت؛ بالکل 1.0 ان پٹ کو بغیر تبدیلی محفوظ رکھتی ہے۔ 1.0 سے کم ترتیبات پر ماڈل آڈیو تبدیل کر سکتا ہے۔
preprocess_audioاختیاری
قسمboolean
ڈیفالٹtrue
کنٹرول کرتا ہے کہ conditioning کے لیے استعمال سے پہلے آڈیو preprocess ہو یا نہیں۔
لازمی معیاری نام، یہ بھی قبول ہے

فائل پیرامیٹرز عوامی https:// URL، 10 MB تک کی data: URI، یا اپ لوڈ کے file_url کو قبول کرتے ہیں۔ فائلیں

آؤٹ پٹ

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"
  }
}
آپ کی فائلیں، آپ کا انتخابہر outputs[].url ہمارے اسٹوریج میں ایک کاپی ہے: ہمیشہ کے لیے محفوظ (فی GB-ماہ ادائیگی) یا مفت میں 7 دن تک، آپ کی اکاؤنٹ سیٹنگ یا ?storage= کے مطابق۔
ہر ماڈل میں ایک جیسی ساختtype، url، content_type، width، height اور duration، تصاویر، ویڈیو اور آڈیو سب کے لیے یکساں۔ output ماڈل کا اپنا نتیجہ آبجیکٹ ہے۔
آؤٹ پٹ کے فیلڈز
video
object {url, content_type, file_name, file_size, width, height, fps, duration, num_frames}ماڈل کی تیار کردہ ویڈیو۔
seed
integerرینڈم نمبر تخلیق شروع کرنے کے لیے استعمال ہونے والی seed value۔
prompt
stringتخلیق کی رہنمائی کے لیے استعمال ہونے والا پرامپٹ۔

مزید ماڈلز: لِپ سنک اور اوتار

AI ایجنٹس کے لیے: یہ صفحہ Markdown میں یہاں موجود ہے https://doitong.com/ur/developers/models/ltx-2.3-22b/audio-to-video.md. تمام ماڈلز اور گائیڈز: https://doitong.com/developers/llms.txt