تخطّي إلى المحتوى

LTX 2.3 Trainer (V2) - Audio+Video Reference Transformation

التكامل

معرّف النموذج ltx23-trainer-v2/av2av
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/ltx23-trainer-v2/av2av?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "training_data_url": "https://example.com/your-file.zip"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

هذا الطلب: ⁨‏13.60 $⁩ 13,600 رصيد API تشغيله في هذه الصفحة

الحصول على مفتاح API
Lightricks التدريب مدخلات مرجعية1–60 ث

يدرّب LoRA يطابق فيديو وصوت مقطع مرجعي بمقطع هدف مقترن، مع إنشاء المسارين معًا

Lightricks · ملف

ستظهر نتيجتك الأولى هنا

أنشئ طلبًا أدناه وشغّله باستخدام مفتاح API الخاص بك. تُنسخ المخرجات إلى تخزيننا، وتُحفظ إلى الأبد أو لمدة 7 أيام مجانًا.

إنشاء طلب

تُنشأ عناصر التحكم من مخطط النموذج. يتحدّث الرمز والسعر عند تغييرها.

resolution الافتراضي medium

دقة التدريب. تؤدي زيادة الدقة إلى رفع متطلبات الذاكرة.

aspect_ratio الافتراضي 1:1

نسبة العرض إلى الارتفاع للتدريب.

•مطلوب

عنوان URL لملف `.zip` يحتوي على بيانات التدريب، منظمة وفقًا لوضع التدريب المحدد. قد يكون لكل ملف وسائط ملف وصف `.txt` مرافق يحمل الاسم الأساسي نفسه.

الافتراضي 2000

إجمالي عدد خطوات التدريب.

متقدم validation_negative_prompt · rank · validation_resolution · validation_aspect_ratio · trigger_phrase · learning_rate · number_of_frames · frame_rate · split_input_duration_threshold · validation_number_of_frames · validation_frame_rate · stg_scale · reference_downscale_factor · reference_temporal_scale_factor · auto_scale_input · split_input_into_scenes · debug_dataset · audio_normalize · audio_preserve_pitch · validation
الافتراضي blurry, out of focus,...

الموجّه السلبي المطبق أثناء التحقق، الذي يستخدم عملية معاينة بمرحلة واحدة. ولأن هذه العملية تقرّب الاستدلال الإنتاجي المقطّر ذي المرحلتين، يختلف توجيهها وجودة معاينتها عن النتائج النهائية.

rank الافتراضي 32

رتبة تكييف LoRA، حيث تقابل زيادة استهلاك الذاكرة قدرة أكبر مع ارتفاع الإعداد.

validation_resolution الافتراضي high

الدقة المستخدمة أثناء التحقق.

validation_aspect_ratio الافتراضي 1:1

نسبة العرض إلى الارتفاع المستخدمة أثناء التحقق.

الافتراضي

عبارة تفعيل نمط LoRA، تُدرج في بداية الأوصاف أثناء التدريب.

الافتراضي 0.0002

معدل تعلم التحسين.

الافتراضي 89

عدد الإطارات لكل عينة تدريب. يجب أن يترك تقسيم العدد على 8 باقيًا قدره 1؛ ومن الأمثلة 1، 9، 17، 25، 33، 41، 49، 57، 65، 73، 81، 89، 97.

الافتراضي 24

معدل إطارات فيديو التدريب المستهدف بالإطارات في الثانية. المعدل الأصلي لـLTX-2.3 هو 24.

الافتراضي 30

مُشغّل تقسيم المشاهد معبرًا عنه بمدة بالثواني: لا تُقسم إلا الفيديوهات الأطول من الحد.

الافتراضي 89

عدد الإطارات لكل فيديو تحقق.

الافتراضي 24

معدل الإطارات المستهدف لفيديوهات التحقق، بالإطارات في الثانية؛ يعمل LTX-2.3 أصليًا عند 24.

الافتراضي 1

مقياس التوجيه المكاني-الزمني (STG)، مع التوصية بـ1.0، بينما يؤدي 0.0 إلى إيقاف STG.

الافتراضي 1

عامل تصغير لإنشاء وكيل تحكم مرجعي خشن منخفض الدقة للفيديو قبل الترميز مع إبقاء المخرج بالدقة الكاملة. يجب أن تكون أبعاد المرجع قابلة للقسمة على 32 قبل القسمة على العامل وبعدها؛ ويحافظ الإعداد الافتراضي 1 على الدقة الأصلية.

الافتراضي 1

عامل خفض معدل إطارات الفيديو المرجعي، مع كون 1 هو الافتراضي للحفاظ على fps. يخفض أخذ العينات الزمني معدل الإطارات بهذا العامل قبل ترميز الفيديو.

الافتراضي []

قائمة موجّهات التحقق، حيث يقترن كل موجّه بفيديو وصوت مرجعيين.

POST /run/ltx23-trainer-v2/av2av?wait=20 عرض السعر → ⁨‏13.60 $⁩
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/ltx23-trainer-v2/av2av?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "training_data_url": "https://example.com/your-file.zip"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

تشغيل هذا الطلب

يبقى مفتاحك في هذا المتصفح: لا يُرسل إلا إلى Doitong API ويُحفظ في localStorage فقط إذا فعّلت خيار التذكّر. الحصول على مفتاح API

حول LTX 2.3 Trainer (V2) - Audio+Video Reference Transformation

يدرّب LoRA على مقاطع مقترنة، بحيث يطابق كل فيديو مرجعي مع صوته مقطعًا هدفًا. قدم ملف zip عبر `training_data_url`، مع تعليقات `.txt` اختيارية. يكون تقسيم المشاهد معطلًا افتراضيًا لأنه قد يخل بتزامن أزواج البداية والنهاية، لذا قدم مقاطع مقصوصة مسبقًا. يمكن أن تتراوح Rank من 8 إلى 128، والخطوات من 100 إلى 10000، ويُسمح بما يصل إلى إدخالين للتحقق.

المعاملات

الاسمالنوع الافتراضيمسموح الوصف
training_data_urlمطلوب
النوعstring
عنوان URL لملف `.zip` يحتوي على بيانات التدريب، منظمة وفقًا لوضع التدريب المحدد. قد يكون لكل ملف وسائط ملف وصف `.txt` مرافق يحمل الاسم الأساسي نفسه.
rankاختياري
النوعenum
الافتراضي32
8163264128
رتبة تكييف LoRA، حيث تقابل زيادة استهلاك الذاكرة قدرة أكبر مع ارتفاع الإعداد.
number_of_stepsاختياري
النوعinteger
الافتراضي2000
100 – 10,000
إجمالي عدد خطوات التدريب.
learning_rateاختياري
النوعnumber
الافتراضي0.0002
0.000001 – 1
معدل تعلم التحسين.
number_of_framesاختياري
النوعinteger
الافتراضي89
9 – 121
عدد الإطارات لكل عينة تدريب. يجب أن يترك تقسيم العدد على 8 باقيًا قدره 1؛ ومن الأمثلة 1، 9، 17، 25، 33، 41، 49، 57، 65، 73، 81، 89، 97.
frame_rateاختياري
النوعinteger
الافتراضي24
8 – 60
معدل إطارات فيديو التدريب المستهدف بالإطارات في الثانية. المعدل الأصلي لـLTX-2.3 هو 24.
resolutionاختياري
النوعenum
الافتراضيmedium
lowmediumhigh
دقة التدريب. تؤدي زيادة الدقة إلى رفع متطلبات الذاكرة.
aspect_ratioاختياري
النوعenum
الافتراضي1:1
16:91:19:16
نسبة العرض إلى الارتفاع للتدريب.
trigger_phraseاختياري
النوعstring
الافتراضي
عبارة تفعيل نمط LoRA، تُدرج في بداية الأوصاف أثناء التدريب.
auto_scale_inputاختياري
النوعboolean
الافتراضيfalse
ضبط تلقائي للفيديو لمطابقة FPS وعدد الإطارات المطلوبين عند تفعيله؛ وتبقى مجموعات بيانات الصور دون تغيير.
split_input_into_scenesاختياري
النوعboolean
الافتراضيfalse
تعطيل تقسيم المشاهد في av2av للحفاظ على تزامن زوج _start/_end. يجب تقسيم المقاطع مسبقًا؛ ويتجاهل إعداد تقسيم المشاهد إعداد إعداد زوج الهدف/المرجع.
split_input_duration_thresholdاختياري
النوعnumber
الافتراضي30
1 – 60
مُشغّل تقسيم المشاهد معبرًا عنه بمدة بالثواني: لا تُقسم إلا الفيديوهات الأطول من الحد.
debug_datasetاختياري
النوعboolean
الافتراضيfalse
وضع فحص المعالجة المسبقة للتحقق من الفيديوهات والصور والأوصاف قبل تشغيل تدريب كامل. يؤدي تفعيله إلى إعادة مجموعة بيانات التدريب المعالجة في أرشيف قابل للتنزيل للمراجعة اليدوية.
audio_normalizeاختياري
النوعboolean
الافتراضيtrue
تطبيع ذروة الصوت للحفاظ على مستويات متسقة في مجموعة البيانات بأكملها.
audio_preserve_pitchاختياري
النوعboolean
الافتراضيtrue
الحفاظ على طبقة الصوت أثناء ضبط الصوت ليتطابق مع مدة الفيديو بدلًا من قصه.
validationاختياري
النوعobject[]
الافتراضي[]
≤ 2 عنصرين
قائمة موجّهات التحقق، حيث يقترن كل موجّه بفيديو وصوت مرجعيين.
validation[].promptمطلوب
النوعstring
الموجّه المستخدم أثناء التحقق.
validation[].reference_video_urlمطلوب
النوعurl · video
≥ 1 characters
عنوان URL لفيديو مرجعي يُستخدم لتهيئة توليد الصوت والفيديو. يعمل المسار الصوتي للفيديو أيضًا مرجعًا صوتيًا.
validation[].reference_audio_urlاختياري
النوعurl · audio
يمكن اختياريًا تجاوز المسار الصوتي من `reference_video_url` بتقديم عنوان URL لملف صوت مرجعي منفصل.
validation_negative_promptاختياري
النوعstring
الافتراضيblurry, out of focus, overexposed, underexposed, low contrast, washed out colors, excessive noise, grainy texture, poor lighting, flickering, motion blur, distorted proportions, unnatural skin tones, deformed facial features, asymmetrical face, missing facial features, extra limbs, disfigured hands, wrong hand count, artifacts around text, inconsistent perspective, camera shake, incorrect depth of field, background too sharp, background clutter, distracting reflections, harsh shadows, inconsistent lighting direction, color banding, cartoonish rendering, 3D CGI look, unrealistic materials, uncanny valley effect, incorrect ethnicity, wrong gender, exaggerated expressions, wrong gaze direction, mismatched lip sync, silent or muted audio, distorted voice, robotic voice, echo, background noise, off-sync audio, incorrect dialogue, added dialogue, repetitive speech, jittery movement, awkward pauses, incorrect timing, unnatural transitions, inconsistent framing, tilted camera, flat lighting, inconsistent tone, cinematic oversaturation, stylized filters, or AI artifacts.
الموجّه السلبي المطبق أثناء التحقق، الذي يستخدم عملية معاينة بمرحلة واحدة. ولأن هذه العملية تقرّب الاستدلال الإنتاجي المقطّر ذي المرحلتين، يختلف توجيهها وجودة معاينتها عن النتائج النهائية.
validation_number_of_framesاختياري
النوعinteger
الافتراضي89
9 – 121
عدد الإطارات لكل فيديو تحقق.
validation_frame_rateاختياري
النوعinteger
الافتراضي24
8 – 60
معدل الإطارات المستهدف لفيديوهات التحقق، بالإطارات في الثانية؛ يعمل LTX-2.3 أصليًا عند 24.
validation_resolutionاختياري
النوعenum
الافتراضيhigh
lowmediumhigh
الدقة المستخدمة أثناء التحقق.
validation_aspect_ratioاختياري
النوعenum
الافتراضي1:1
16:91:19:16
نسبة العرض إلى الارتفاع المستخدمة أثناء التحقق.
stg_scaleاختياري
النوعnumber
الافتراضي1
0 – 3
مقياس التوجيه المكاني-الزمني (STG)، مع التوصية بـ1.0، بينما يؤدي 0.0 إلى إيقاف STG.
reference_downscale_factorاختياري
النوعinteger
الافتراضي1
1 – 8
عامل تصغير لإنشاء وكيل تحكم مرجعي خشن منخفض الدقة للفيديو قبل الترميز مع إبقاء المخرج بالدقة الكاملة. يجب أن تكون أبعاد المرجع قابلة للقسمة على 32 قبل القسمة على العامل وبعدها؛ ويحافظ الإعداد الافتراضي 1 على الدقة الأصلية.
reference_temporal_scale_factorاختياري
النوعinteger
الافتراضي1
1 – 8
عامل خفض معدل إطارات الفيديو المرجعي، مع كون 1 هو الافتراضي للحفاظ على fps. يخفض أخذ العينات الزمني معدل الإطارات بهذا العامل قبل ترميز الفيديو.
مطلوب

المخرجات

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ltx23-trainer-v2/av2av",
  "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": 13600,
    "usd": "13.60",
    "charged": 13600,
    "refunded": 0
  },
  "input": {
    "training_data_url": "https://example.com/your-file.zip"
  },
  "output": {
    "video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    },
    "audio": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    },
    "lora_file": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    },
    "config_file": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    },
    "debug_dataset": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "file",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_size": 1843200,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
ملفاتك، خيارككل outputs[].url هو نسخة على تخزيننا: تُحفظ إلى الأبد (مع الدفع لكل غيغابايت-شهر) أو لمدة 7 أيام مجانًا، وفق إعداد حسابك أو ?storage=.
البنية نفسها في كل نموذجtype وurl وcontent_type وwidth وheight وduration للصور والفيديو والصوت على حد سواء. output هو كائن النتائج الخاص بالنموذج.
حقول المخرجات
video
object {url, content_type, file_name, file_size} | nullمعاينة فيديو موحدة من التحقق، عند توفرها لنقاط النهاية التي تنتج فيديو.
audio
object {url, content_type, file_name, file_size} | nullصوت موحد من التحقق، يُقدّم كمعاينة عند توفره لمسارات الصوت فقط التالية: /audio-inpaint و/audio-extend-suffix و/audio-extend-prefix و/t2a و/a2a و/v2a.
lora_file
object {url, content_type, file_name, file_size}عنوان URL لأوزان LoRA المدرّبة بتنسيق .safetensors.
config_file
object {url, content_type, file_name, file_size}تهيئة إعداد نقطة نهاية الاستدلال.
debug_dataset
object {url, content_type, file_name, file_size} | nullمخرج تصحيح متاح عند تفعيل `debug_dataset`: أرشيف قابل للتنزيل يحتوي على بيانات التدريب بعد المعالجة المسبقة.

مزيد من النماذج: التدريب

لوكلاء الذكاء الاصطناعي: تتوفر هذه الصفحة بصيغة Markdown على https://doitong.com/ar/developers/models/ltx23-trainer-v2/av2av.md. جميع النماذج والأدلة: https://doitong.com/developers/llms.txt