# LTX 2.3 Trainer (V2) - Keyframe Interpolation API

> একটি LoRA প্রশিক্ষণ দেয়, যা প্রথম ও শেষ কী-ফ্রেমের মধ্যকার গতি জেনারেট করে, চাইলে মাঝের একটি কী-ফ্রেমও ব্যবহার করে

কী-ফ্রেম ইন্টারপোলেশনের জন্য একটি LoRA প্রশিক্ষণ দেয়: ইনফারেন্সের সময় আপনি প্রথম ও শেষ ফ্রেম দেন এবং মডেলটি মাঝের ভিডিও জেনারেট করে। প্রথম, মধ্যবর্তী ও শেষ ফ্রেমে প্রশিক্ষণ দিতে `include_middle_keyframe` সক্রিয় করুন; তখন প্রতিটি ভ্যালিডেশন নমুনায় `middle_image_url` দিতে হবে। `training_data_url`-এর মাধ্যমে ডেটা একটি zip হিসেবে আসে, সঙ্গে সর্বাধিক 2টি ভ্যালিডেশন এন্ট্রি থাকে।

- Model id: `ltx23-trainer-v2/interpolate`
- Made by: Lightricks
- Category: Training
- Output: file
- Price: $0.0024 / step (cheapest run $4.80 (4800 API credits))
- Run: `POST https://api.doitong.com/v1/run/ltx23-trainer-v2/interpolate`
- Quote: `POST https://api.doitong.com/v1/quote/ltx23-trainer-v2/interpolate`
- Docs page: https://doitong.com/bn/developers/models/ltx23-trainer-v2/interpolate

## Pricing

Price: **$0.0024 / step**. Billed per training step (`number_of_steps`).

The full example input below costs $4.80 = 4800 API credits (2000 steps × 2.4 API credits).

Prices are the upstream price in USD, paid from the API balance in API credits (1000 API credits = 1 USD). `POST https://api.doitong.com/v1/quote/ltx23-trainer-v2/interpolate` 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 |
|---|---|---|---|---|---|---|
| `training_data_url` |  | string | yes |  |  | প্রশিক্ষণ ডেটা ধারণকারী একটি `.zip`-এর URL, নির্বাচিত প্রশিক্ষণ মোড অনুযায়ী সাজানো। প্রতিটি মিডিয়া ফাইলের সঙ্গে একই বেস নামের একটি `.txt` ক্যাপশন থাকতে পারে। |
| `rank` |  | enum (integer) | no | `32` | `8`, `16`, `32`, `64`, `128` | LoRA অ্যাডাপ্টেশনের র‍্যাঙ্ক, সেটিং বাড়লে বেশি মেমরি ব্যবহারের বিনিময়ে বেশি সক্ষমতা দেয়। |
| `number_of_steps` |  | integer | no | `2000` | 100 – 10,000 | প্রশিক্ষণ ধাপের মোট সংখ্যা। |
| `learning_rate` |  | number | no | `0.0002` | 0.000001 – 1 | অপ্টিমাইজেশনের লার্নিং রেট। |
| `number_of_frames` |  | integer | no | `89` | 9 – 121 | প্রতিটি প্রশিক্ষণ নমুনার ফ্রেম সংখ্যা। সংখ্যাটিকে 8 দিয়ে ভাগ করলে অবশিষ্ট 1 হতে হবে; উদাহরণ: 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97। |
| `frame_rate` |  | integer | no | `24` | 8 – 60 | প্রশিক্ষণ ভিডিওর লক্ষ্য ফ্রেম রেট, প্রতি সেকেন্ডে ফ্রেম হিসেবে। LTX-2.3-এর নেটিভ রেট 24। |
| `resolution` |  | enum (string) | no | `medium` | `low`, `medium`, `high` | প্রশিক্ষণ রেজোলিউশন। রেজোলিউশন বাড়ালে মেমরির প্রয়োজনীয়তা বাড়ে। |
| `aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | প্রশিক্ষণের অ্যাসপেক্ট রেশিও। |
| `trigger_phrase` |  | string | no | `` |  | LoRA স্টাইল সক্রিয়করণ বাক্যাংশ, প্রশিক্ষণের সময় ক্যাপশনের শুরুতে যোগ করা হয়। |
| `auto_scale_input` |  | boolean | no | `false` |  | সক্রিয় থাকলে অনুরোধ করা FPS ও ফ্রেম সংখ্যার সঙ্গে মিলিয়ে ভিডিওর স্বয়ংক্রিয় সমন্বয়; ছবি ডেটাসেট অপরিবর্তিত থাকে। |
| `split_input_into_scenes` |  | boolean | no | `true` |  | নির্দিষ্ট সময়সীমা অতিক্রম করা ভিডিওগুলোর জন্য দৃশ্য বিভাজন; true হলে সক্রিয়। |
| `split_input_duration_threshold` |  | number | no | `30` | 1 – 60 | সেকেন্ডে প্রকাশ করা সিন-বিভাজনের ট্রিগার: কেবল সীমার চেয়ে দীর্ঘ ভিডিও বিভক্ত হয়। |
| `debug_dataset` |  | boolean | no | `false` |  | সম্পূর্ণ প্রশিক্ষণ চালানোর আগে ভিডিও, ছবি ও ক্যাপশন পরীক্ষা করার প্রিপ্রসেসিং পরিদর্শন মোড। সক্রিয় করলে ট্রেইনার প্রক্রিয়াকৃত প্রশিক্ষণ ডেটাসেট একটি ডাউনলোডযোগ্য আর্কাইভে ফেরত দেয়, যাতে ম্যানুয়ালি পর্যালোচনা করা যায়। |
| `validation` |  | array of object {prompt, start_image_url, end_image_url, middle_image_url} | no | `[]` | ≤ 2 items | তালিকা হিসেবে সরবরাহ করা যাচাইকরণ ডেটা; একটি এন্ট্রিতে কীফ্রেম ছবি ও একটি প্রম্পট যুক্ত থাকে। |
| `validation[].prompt` |  | string | yes |  |  | ভ্যালিডেশনের সময় ব্যবহৃত প্রম্পট। |
| `validation[].start_image_url` |  | string (image URL) | yes |  | ≥ 1 characters | প্রাথমিক ফ্রেমের জন্য কীফ্রেম ছবির URL। |
| `validation[].end_image_url` |  | string (image URL) | yes |  | ≥ 1 characters | শেষ ফ্রেমের জন্য কীফ্রেম ছবির URL। |
| `validation[].middle_image_url` |  | string (image URL) \| null | no |  |  | first+middle+last ইন্টারপোলেশনের জন্য মধ্যবর্তী-কীফ্রেম ছবির URL। `include_middle_keyframe=true` দিয়ে চালালে এটি আবশ্যক; অন্যথায় ঐচ্ছিক। |
| `validation_negative_prompt` |  | string | no | `blurry, 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.` |  | ভ্যালিডেশনের সময় প্রয়োগ করা নেতিবাচক প্রম্পট, যেখানে এক-ধাপের প্রিভিউ প্রক্রিয়া ব্যবহৃত হয়। এই প্রক্রিয়া দুই ধাপের ডিস্টিলড প্রোডাকশন ইনফারেন্সকে আনুমানিকভাবে অনুসরণ করে, তাই এর গাইডেন্স ও প্রিভিউ মান চূড়ান্ত ফলাফলের থেকে ভিন্ন। |
| `validation_number_of_frames` |  | integer | no | `89` | 9 – 121 | প্রতিটি ভ্যালিডেশন ভিডিওর ফ্রেম সংখ্যা। |
| `validation_frame_rate` |  | integer | no | `24` | 8 – 60 | ভ্যালিডেশন ভিডিওগুলোর লক্ষ্য ফ্রেম রেট, প্রতি সেকেন্ডে ফ্রেম হিসেবে; LTX-2.3 নেটিভভাবে 24-এ চলে। |
| `validation_resolution` |  | enum (string) | no | `high` | `low`, `medium`, `high` | ভ্যালিডেশনের সময় ব্যবহৃত রেজোলিউশন। |
| `validation_aspect_ratio` |  | enum (string) | no | `1:1` | `16:9`, `1:1`, `9:16` | ভ্যালিডেশনের সময় ব্যবহৃত অ্যাসপেক্ট রেশিও। |
| `stg_scale` |  | number | no | `1` | 0 – 3 | Spatio-Temporal Guidance (STG) স্কেল, 1.0 প্রস্তাবিত এবং 0.0 STG বন্ধ করে। |
| `include_middle_keyframe` |  | boolean | no | `false` |  | ভিডিও জেনারেশনের জন্য মধ্যবর্তী-ফ্রেম অন্তর্ভুক্তি: true হলে প্রতিটি validation sample-এ `middle_image_url` আবশ্যক হয় এবং প্রথম ও শেষ ফ্রেমের পাশাপাশি মধ্যবর্তী ফ্রেমও রাখা হয়, শুধু প্রথম ও শেষ ফ্রেম ব্যবহার করা হয় না। |

## Example input

Required parameters only:

```json
{
  "training_data_url": "https://example.com/your-file.zip"
}
```

A fuller example:

```json
{
  "training_data_url": "https://example.com/your-file.zip"
}
```

## 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.com/v1/run/ltx23-trainer-v2/interpolate?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"
```

### JavaScript

```javascript
const API = "https://api.doitong.com/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/ltx23-trainer-v2/interpolate?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "training_data_url": "https://example.com/your-file.zip"
  }),
});
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.com/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "training_data_url": "https://example.com/your-file.zip",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/ltx23-trainer-v2/interpolate", 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.com/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": "ltx23-trainer-v2/interpolate",
      "input": {
        "training_data_url": "https://example.com/your-file.zip"
      },
      "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": "ltx23-trainer-v2/interpolate",
  "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": 4800,
    "usd": "4.80",
    "charged": 4800,
    "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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `video` | object {url, content_type, file_name, file_size} \| null | ভ্যালিডেশন থেকে সম্মিলিত ভিডিও প্রিভিউ, ভিডিও তৈরি করা এন্ডপয়েন্টগুলোর জন্য উপলভ্য থাকলে। |
| `audio` | object {url, content_type, file_name, file_size} \| null | ভ্যালিডেশন থেকে সম্মিলিত অডিও, এই অডিও-শুধু রুটগুলোর জন্য উপলভ্য থাকলে প্রিভিউ হিসেবে দেওয়া হয়: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a, এবং /v2a। |
| `lora_file` | object {url, content_type, file_name, file_size} | .safetensors ফরম্যাটে প্রশিক্ষিত LoRA ওজনের URL। |
| `config_file` | object {url, content_type, file_name, file_size} | ইনফারেন্স এন্ডপয়েন্ট সেটআপের কনফিগারেশন। |
| `debug_dataset` | object {url, content_type, file_name, file_size} \| null | `debug_dataset` সক্রিয় থাকলে উপলভ্য ডিবাগ আউটপুট: ডাউনলোডযোগ্য একটি আর্কাইভ, যাতে প্রিপ্রসেসিংয়ের পরের প্রশিক্ষণ ডেটা থাকে। |

## Related models

- [LTX 2.3 Trainer (V2) - Audio Inpainting](https://doitong.com/developers/models/ltx23-trainer-v2/audio-inpaint.md) (`ltx23-trainer-v2/audio-inpaint`): $0.0023 / step
- [LTX 2.3 Trainer (V2) - Audio+Video Reference IC-LoRA](https://doitong.com/developers/models/ltx23-trainer-v2/ic-lora/av2av.md) (`ltx23-trainer-v2/ic-lora/av2av`): $0.0068 / step
- [LTX 2.3 Trainer (V2) - Audio+Video Reference Transformation](https://doitong.com/developers/models/ltx23-trainer-v2/av2av.md) (`ltx23-trainer-v2/av2av`): $0.0068 / step
- [LTX 2.3 Trainer (V2) - Audio-to-Audio](https://doitong.com/developers/models/ltx23-trainer-v2/a2a.md) (`ltx23-trainer-v2/a2a`): $0.0023 / step
- [LTX 2.3 Trainer (V2) - Audio-to-Audio IC-LoRA](https://doitong.com/developers/models/ltx23-trainer-v2/ic-lora/a2a.md) (`ltx23-trainer-v2/ic-lora/a2a`): $0.0023 / step
- [LTX 2.3 Trainer (V2) - Audio-to-Video](https://doitong.com/developers/models/ltx23-trainer-v2/a2v.md) (`ltx23-trainer-v2/a2v`): $0.006 / step
- [LTX 2.3 Trainer (V2) - Backward Audio Extension](https://doitong.com/developers/models/ltx23-trainer-v2/audio-extend-suffix.md) (`ltx23-trainer-v2/audio-extend-suffix`): $0.0023 / step
- [LTX 2.3 Trainer (V2) - Backward Video Extension](https://doitong.com/developers/models/ltx23-trainer-v2/extend-suffix.md) (`ltx23-trainer-v2/extend-suffix`): $0.0061 / step

## Links

- HTML page: https://doitong.com/developers/models/ltx23-trainer-v2/interpolate
- 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=ltx23-trainer-v2/interpolate
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/ltx23-trainer-v2/interpolate