# Ltx 2.3 Quality · Audio to Video API

> پرامپٹ اور آڈیو ٹریک سے آڈیو پر مبنی ویڈیو، اختیاری پہلے فریم کی تصویر کے ساتھ

فراہم کردہ آڈیو ٹریک کے مطابق ویڈیو بناتا ہے، جس کی رہنمائی متن کے `prompt` سے ہوتی ہے۔ `audio_url` لازمی ہے؛ `image_url` اختیاری ہے اور پہلا فریم مقرر کرتا ہے، جبکہ `image_strength` (0 سے 1) اس کی مماثلت کو کنٹرول کرتا ہے۔ `match_audio_length` آن ہونے پر فریم کی تعداد آڈیو کی لمبائی اور `frames_per_second` سے آتی ہے؛ بصورت دیگر `num_frames` (9 سے 481) لاگو ہوتا ہے۔ `auto` سمیت سات `resolution` پری سیٹس دستیاب ہیں۔

- Model id: `ltx-2.3-quality/audio-to-video`
- Made by: Lightricks
- Category: Lipsync & Avatars
- Output: video
- Price per megapixel of your output video: $0.00241 / megapixel of output video (cheapest run $0.003 (3 API credits))
- Run: `POST https://api.doitong.ru/v1/run/ltx-2.3-quality/audio-to-video`
- Quote: `POST https://api.doitong.ru/v1/quote/ltx-2.3-quality/audio-to-video`
- Docs page: https://doitong.com/ur/developers/models/ltx-2.3-quality/audio-to-video

## Pricing

Price: **$0.00241 / 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 $0.537 = 537 API credits (223 MP output video × $0.002408).

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-quality/audio-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 |  |  | آڈیو سے چلنے والی ویڈیو تخلیق کی رہنمائی کرنے والا پرامپٹ۔ |
| `audio_url` | `audio` | string (audio URL) | yes |  |  | تخلیق چلانے کے لیے استعمال ہونے والے آڈیو track کا URL۔ |
| `image_url` | `image` | string (image URL) \| null | no |  |  | URL کے ذریعے فراہم کردہ ابتدائی فریم کی تصویر، جو صرف text اور آڈیو استعمال کرنے والی تخلیق میں اضافی رہنمائی دیتی ہے؛ اسے فراہم کرنا اختیاری ہے۔ |
| `match_audio_length` |  | boolean | no | `true` |  | فریم تعداد کا موڈ؛ بند ہونے پر `num_frames` استعمال ہوتا ہے۔ فعال کرنے پر تعداد `frames_per_second` اور آڈیو دورانیے سے شمار ہوتی ہے۔ |
| `num_frames` |  | integer | no | `121` | 9 – 481 | تخلیق شدہ آؤٹ پٹ کے فریموں کی تعداد۔ |
| `resolution` |  | object {width, height} \| enum (string) | no | `auto` | `auto`, `square_hd`, `square`, `portrait_4_3`, `portrait_16_9`, `landscape_4_3`, `landscape_16_9` | حتمی آؤٹ پٹ کے ابعاد؛ 'auto' کے لیے افقی ابعاد استعمال ہوتے ہیں، الا یہ کہ `image_url` فراہم کیا گیا ہو۔ تصویر موجود ہونے پر 'auto' اسی کا تناسبِ ابعاد اختیار کرتا ہے۔ |
| `frames_per_second` |  | number | no | `24` | 1 – 60 | آؤٹ پٹ ویڈیو فریم rate، فریمز per سیکنڈ میں ناپا جاتا ہے۔ |
| `num_inference_steps` |  | integer | no | `15` | 8 – 30 | inference steps کی تعداد متعین کریں، زیادہ سے زیادہ 30؛ اسے تبدیل نہ کرنے پر 15 استعمال ہوتے ہیں۔ |
| `guidance_scale` |  | number | no | `1` | 1 – 20 | اس scale کے ذریعے classifier-free guidance ایڈجسٹ کریں؛ اس کی ڈیفالٹ tuning اعلیٰ معیار اور تیز تخلیق دونوں کے لیے ہے۔ |
| `generate_audio` |  | boolean | no | `true` |  | واپس کی جانے والی MP4 کے لیے audio-track ٹوگل: بند ہونے پر صرف ویڈیو فائل بنتی ہے، فعال ہونے پر آڈیو شامل ہوتا ہے۔ |
| `image_strength` |  | number | no | `0.7` | 0 – 1 | اختیاری ابتدائی فریم conditioning strength: ماڈل کو زیادہ آزادی دینے کے لیے اسے کم کریں، یا تصویر کی سخت پابندی کے لیے 1.0 استعمال کریں۔ |
| `negative_prompt` |  | string | no | `color distortion, overexposure, static, blurry details, subtitles, style, artwork, painting, frame, still, dim overall tone, worst quality, low quality, JPEG compression artifacts, ugly, mutilated, extra fingers, poorly drawn hands, poorly drawn face, deformed, disfigured, malformed limbs, fused fingers, motionless frame, cluttered background, three legs, crowded background, walking backwards` |  | منفی پرامپٹ جو بتاتا ہے کہ تخلیق میں کن چیزوں سے گریز کیا جائے۔ |
| `seed` |  | integer \| null | no |  |  | تخلیق کو قابلِ تکرار بنانے والا سیڈ۔ اسے None پر سیٹ کرنے سے سیڈ تصادفی طور پر منتخب ہوتا ہے۔ |
| `enable_prompt_expansion` |  | boolean | no | `true` |  | متعین کرتا ہے کہ پرامپٹ کی توسیع فعال ہے یا نہیں۔ |
| `enable_safety_checker` |  | boolean | no | `true` |  | یہ کنٹرول کرتا ہے کہ حفاظتی جانچ فعال ہو یا نہیں۔ |
| `video_quality` |  | enum (string) | no | `high` | `low`, `medium`, `high`, `maximum` | آؤٹ پٹ ویڈیو پر لاگو ہونے والا quality preset۔ |
| `video_write_mode` |  | enum (string) | no | `balanced` | `fast`, `balanced`, `small` | حاصل ہونے والی ویڈیو کا رائٹ موڈ۔ |

File parameters (`audio`, `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",
  "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
}
```

A fuller example:

```json
{
  "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"
}
```

## 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-quality/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_url": "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"
```

### 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-quality/audio-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",
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }),
});
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",
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/ltx-2.3-quality/audio-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-quality/audio-to-video",
      "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"
      },
      "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-quality/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": 537,
    "usd": "0.537",
    "charged": 537,
    "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
    },
    "seed": 42,
    "prompt": "string"
  },
  "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} | ماڈل کی تیار کردہ ویڈیو۔ |
| `seed` | integer | تخلیق کے دوران لاگو ہونے والی حقیقی seed۔ |
| `prompt` | string | تخلیقی پرامپٹ، جس میں استعمال سے پہلے کی گئی کوئی بھی expansion شامل ہے۔ |

## Related models

- [Ltx 2.3 Quality · Text to Video](https://doitong.com/developers/models/ltx-2.3-quality/text-to-video.md) (`ltx-2.3-quality/text-to-video`): $0.00241 / megapixel of output video
- [Ltx 2.3 Quality · Text to Video · LoRA](https://doitong.com/developers/models/ltx-2.3-quality/text-to-video/lora.md) (`ltx-2.3-quality/text-to-video/lora`): $0.00271 / megapixel of output video
- [Ltx 2.3 Quality · Image to Video](https://doitong.com/developers/models/ltx-2.3-quality/image-to-video.md) (`ltx-2.3-quality/image-to-video`): $0.00241 / megapixel of output video
- [Ltx 2.3 Quality · Image to Video · LoRA](https://doitong.com/developers/models/ltx-2.3-quality/image-to-video/lora.md) (`ltx-2.3-quality/image-to-video/lora`): $0.00271 / megapixel of output video
- [Ltx 2.3 Quality · Ingredient](https://doitong.com/developers/models/ltx-2.3-quality/ingredient.md) (`ltx-2.3-quality/ingredient`): $0.00241 / 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-2.3-quality/audio-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-quality/audio-to-video
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.ru/v1/models/ltx-2.3-quality/audio-to-video