# LTX-Video 13B 0.9.8 Distilled · Multiconditioning API

> متعدد تصاویر اور ویڈیوز سے بیک وقت مشروط 0.9.8 distilled 13B تخلیق، پرامپٹ کے ساتھ

لازمی `prompt` اور کنڈیشننگ کے لیے `images` اور `videos` کی فہرستوں سے ویڈیو بناتا ہے، تاکہ متعدد حوالے ایک ہی نتیجے کو شکل دے سکیں۔ آؤٹ پٹ 480p یا 720p ہوتا ہے، جبکہ `aspect_ratio` کی قدر auto، 9:16، 1:1 یا 16:9 ہو سکتی ہے۔ `num_frames` کی حد 9 سے 1441 تک ہے، اور `loras` حسبِ ضرورت وزن شامل کرتا ہے۔

- Model id: `ltxv-13b-098-distilled/multiconditioning`
- Made by: Lightricks
- Category: Video to Video
- Output: video
- Price per second of your output video: from $0.02 / second of output video (cheapest run $0.02 (20 API credits))
- Run: `POST https://api.doitong.ru/v1/run/ltxv-13b-098-distilled/multiconditioning`
- Quote: `POST https://api.doitong.ru/v1/quote/ltxv-13b-098-distilled/multiconditioning`
- Docs page: https://doitong.com/ur/developers/models/ltxv-13b-098-distilled/multiconditioning

## Pricing

Price: **from $0.02 / 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 $0.101 = 101 API credits (5.0417 s output video × $0.02).

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/ltxv-13b-098-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 |  |  | تخلیق کی رہنمائی کرنے والی text instructions۔ |
| `negative_prompt` |  | string | no | `worst quality, inconsistent motion, blurry, jittery, distorted` |  | تخلیق کے لیے منفی text instructions۔ |
| `loras` |  | array of object {path, weight_name, scale} | no | `[]` |  | تخلیق کے دوران لاگو ہونے والے LoRA weights۔ |
| `loras[].path` |  | string | yes |  |  | LoRA weights کا مقام، URL یا path کے طور پر دیا جاتا ہے۔ |
| `loras[].weight_name` |  | string \| null | no |  |  | HuggingFace repository میں متعدد وزنوں کے درمیان انتخاب کے لیے LoRA وزن کا نام؛ یہ صرف متعدد وزنوں والی repositories کے لیے درکار ہے۔ اس ترتیب کا کوئی اثر نہیں جب تک `path` کسی HuggingFace repository کی شناخت نہ کرے۔ |
| `loras[].scale` |  | number | no | `1` | 0 – 4 | LoRA weight کے load ہونے پر اسے scale کرنے والا multiplier۔ |
| `resolution` |  | enum (string) | no | `720p` | `480p`, `720p` | آؤٹ پٹ ویڈیو کا ریزولوشن۔ |
| `aspect_ratio` |  | enum (string) | no | `auto` | `9:16`, `1:1`, `16:9`, `auto` | ویڈیو کا aspect ratio۔ |
| `seed` |  | integer \| null | no |  |  | تخلیق کے دوران randomness کو کنٹرول کرنے والا seed۔ |
| `num_frames` |  | integer | no | `121` | 9 – 1,441 | ویڈیو کی کل فریم count۔ |
| `first_pass_num_inference_steps` |  | integer | no | `8` | 2 – 12 | پہلے pass کے inference steps کی count۔ |
| `second_pass_num_inference_steps` |  | integer | no | `8` | 2 – 12 | دوسرے pass کے inference steps کی count۔ |
| `second_pass_skip_initial_steps` |  | integer | no | `5` | 1 – 11 | دوسرے pass کے دوران چھوڑے جانے والے ابتدائی inference-step count، جس سے یہ pass بڑی تبدیلیوں کے بجائے fine-detail کام کی طرف منتقل ہوتا ہے۔ |
| `frame_rate` |  | integer | no | `24` | 1 – 60 | ویڈیو کا فریم rate۔ |
| `expand_prompt` |  | boolean | no | `false` |  | Language ماڈل کے ذریعے پرامپٹ expansion۔ |
| `reverse_video` |  | boolean | no | `false` |  | ویڈیو کے playback order کو الٹنا۔ |
| `enable_safety_checker` |  | boolean | no | `true` |  | حفاظتی جانچ کا سوئچ؛ بند ترتیب صرف مجاز اکاؤنٹس کے لیے قابلِ قبول ہے۔ ایسی اجازت کے بغیر تمام درخواستوں کی حفاظتی جانچ ہوتی ہے۔ |
| `enable_detail_pass` |  | boolean | no | `false` |  | فعال ہونے پر ویڈیو detail بہتر کرنے والا اختیاری دوسرا refinement pass۔ |
| `temporal_adain_factor` |  | number | no | `0.5` | 0 – 1 | Adaptive instance normalization (AdaIN) strength، زیادہ سیٹنگز پر color consistency اور کم سیٹنگز پر زیادہ color variation کے درمیان توازن قائم کرتی ہے۔ یہ پہلے کے علاوہ تخلیق شدہ chunks پر کام کرتی ہے اور پوری ویڈیو میں color distributions normalize کر کے saturation یا contrast میں بتدریج اضافے کو کم کرنے میں مدد دیتی ہے۔ |
| `tone_map_compression_ratio` |  | number | no | `0` | 0 – 1 | Tone-mapping compression level، 0.0 پر compression نہ ہونے سے 1.0 پر maximum compression تک۔ اس طرح ویڈیو کی dynamic range compress کرنے سے visual quality بہتر ہوتی ہے۔ |
| `constant_rate_factor` |  | integer | no | `29` | 0 – 51 | ان پٹ compression کے لیے استعمال ہونے والا constant rate factor (CRF)، جو فراہم کردہ media کو ماڈل کے training data کے قریب لا کر motion quality بہتر کر سکتا ہے۔ |
| `images` |  | array of object {image_url, start_frame_num, strength} | no | `[]` |  | URL کے ذریعے فراہم کردہ conditioning تصاویر۔ |
| `images[].image_url` |  | string (image URL) | yes |  |  | URL کے ذریعے فراہم کردہ conditioning تصویر۔ |
| `images[].start_frame_num` |  | integer | no | `0` | 0 – 1,440 | Image-conditioning کی ابتدائی پوزیشن، 8 سے divisible فریم number کے ذریعے دی جاتی ہے۔ |
| `images[].strength` |  | number | no | `1` | 0 – 1 | Conditioning intensity: 0.0 conditioning غیر فعال کرتا ہے، جبکہ 1.0 اسے مکمل طور پر لاگو کرتا ہے۔ |
| `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 | `[]` |  | Conditioning کے لیے فراہم کردہ ویڈیوز۔ |
| `videos[].video_url` |  | string (video URL) | yes |  |  | URL کے ذریعے فراہم کردہ conditioning ویڈیو۔ |
| `videos[].conditioning_type` |  | enum (string) \| null | no | `rgb` | `rgb`, `depth`, `pose`, `canny` | ویڈیو conditioning category، preprocessing فعال ہونے پر preprocessing pipeline منتخب کرنے اور in-context LoRA weights درست طور پر لاگو کرنے کے لیے استعمال ہوتی ہے۔ |
| `videos[].preprocess` |  | boolean | no | `false` |  | ویڈیو کی conditioning type سے مطابقت رکھنے والی preprocessing فعال کرتا ہے۔ RGB conditioning کے لیے اسے فعال کرنے سے کوئی تبدیلی نہیں ہوتی۔ |
| `videos[].start_frame_num` |  | integer | no | `0` | 0 – 1,440 | ویڈیو میں conditioning کی ابتدائی پوزیشن، 8 سے divisible فریم number کے طور پر دی جاتی ہے۔ |
| `videos[].strength` |  | number | no | `1` | 0 – 1 | Conditioning intensity: 0.0 conditioning غیر فعال کرتا ہے، جبکہ 1.0 اسے مکمل طور پر لاگو کرتا ہے۔ |
| `videos[].limit_num_frames` |  | boolean | no | `false` |  | ویڈیو فریم-limit switch: فعال کرنے پر ویڈیو سے لیے جانے والے فریم کی حد `max_num_frames` بن جاتی ہے۔ |
| `videos[].max_num_frames` |  | integer | no | `1441` | 1 – 1,441 | ویڈیو فریم کے استعمال کی حد؛ None محدود فریم count کے بجائے پوری ویڈیو منتخب کرتا ہے۔ |
| `videos[].resample_fps` |  | boolean | no | `false` |  | ویڈیو frame-rate conversion switch: فعال کرنے پر ویڈیو کو `target_fps` میں مخصوص rate پر resample کرتا ہے۔ |
| `videos[].target_fps` |  | integer | no | `24` | 1 – 60 | Resampling فریم rate in FPS، صرف `resample_fps` فعال ہونے پر لاگو ہوتا ہے۔ |
| `videos[].reverse_video` |  | boolean | no | `false` |  | ویڈیو order کو الٹنا، ان tasks کے لیے جن میں conditioning کو فریم کے الٹ رخ پر چلنا ہو۔ |

## 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/ltxv-13b-098-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/ltxv-13b-098-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/ltxv-13b-098-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": "ltxv-13b-098-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": "ltxv-13b-098-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": 101,
    "usd": "0.101",
    "charged": 101,
    "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} | تخلیق سے تیار کردہ ویڈیو فائل۔ |
| `prompt` | string | آؤٹ پٹ تخلیق کرنے کے لیے استعمال کیا گیا پرامپٹ۔ |
| `seed` | integer | تخلیق کے دوران لاگو ہونے والی سیڈ قدر۔ |

## Related models

- [LTX-Video 13B 0.9.8 Distilled](https://doitong.com/developers/models/ltxv-13b-098-distilled.md) (`ltxv-13b-098-distilled`): from $0.02 / second of output video
- [LTX-Video 13B 0.9.8 Distilled · Image to Video](https://doitong.com/developers/models/ltxv-13b-098-distilled/image-to-video.md) (`ltxv-13b-098-distilled/image-to-video`): from $0.02 / second of output video
- [LTX-Video 13B 0.9.8 Distilled · Extend](https://doitong.com/developers/models/ltxv-13b-098-distilled/extend.md) (`ltxv-13b-098-distilled/extend`): from $0.02 / second of output 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/ltxv-13b-098-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=ltxv-13b-098-distilled/multiconditioning
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.ru/v1/models/ltxv-13b-098-distilled/multiconditioning