Lumaktaw sa nilalaman

LTX 2.3 Trainer (V2) - Audio-to-Audio

I-integrate

ID ng modelo ltx23-trainer-v2/a2a
# 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/a2a?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"

Kahilingang ito: $4.60 4,600 kredito ng API Patakbuhin ito sa page na ito

Kumuha ng API key
Lightricks Pagsasanay 1–60 s

Nagtetrain ng LTX 2.3 LoRA na nagmamapa ng reference audio clip sa target audio clip mula sa magkapares na halimbawa

Lightricks · file

Dito mapupunta ang iyong unang resulta

Bumuo ng kahilingan sa ibaba at patakbuhin ito gamit ang iyong API key. Kinokopya ang mga output sa aming storage, na pinananatili nang walang hanggan o 7 araw nang libre.

Bumuo ng kahilingan

Ang mga control ay binubuo mula sa schema ng modelo. Nagbabago ang code at presyo habang ina-adjust mo ang mga ito.

resolution default na medium

Training resolution. Kapag tinaasan ang resolution, tumataas ang memory requirements.

aspect_ratio default na 1:1

Training aspect ratio.

•kinakailangan

URL ng `.zip` na naglalaman ng training data, na inayos ayon sa napiling training mode. Maaaring may katumbas na `.txt` caption na may parehong base name ang bawat media file.

default na 2000

Kabuuang bilang ng training step.

advanced validation_negative_prompt · rank · validation_resolution · validation_aspect_ratio · trigger_phrase · learning_rate · number_of_frames · frame_rate · split_input_duration_threshold · audio_duration_seconds · validation_number_of_frames · validation_frame_rate · stg_scale · auto_scale_input · split_input_into_scenes · debug_dataset · audio_normalize · audio_preserve_pitch · validation
default na blurry, out of focus,...

Negative prompt na inilalapat habang nagva-validation, na gumagamit ng single-stage preview process. Dahil tinatantiya ng prosesong iyon ang distilled production inference na may dalawang stage, naiiba ang guidance at preview quality nito sa mga final result.

rank default na 32

LoRA adaptation rank, na ipinagpapalit ang mas mataas na memory consumption para sa mas malaking capacity habang tumataas ang setting.

validation_resolution default na high

Resolution na ginagamit habang nagva-validation.

validation_aspect_ratio default na 1:1

Aspect ratio na ginagamit habang nagva-validation.

default na

LoRA style activation phrase, na ipinapasok sa simula ng mga caption habang nagta-training.

default na 0.0002

Learning rate ng optimization.

default na 89

Bilang ng frame para sa bawat training sample. Kapag hinati ang bilang sa 8, dapat may remainder na 1; kabilang sa mga halimbawa ang 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.

default na 24

Target frame rate ng training video sa frames per segundo. Ang native rate para sa LTX-2.3 ay 24.

default na 30

Trigger ng paghahati ng eksena na ipinapahayag bilang duration sa segundo: ang mga video lamang na mas mahaba sa threshold ang hinahati.

default na 5

Audio duration bucket sa segundo, kinakailangan para sa audio-only mode dahil wala itong video frame count na mapagkukunan ng kalkulasyon ng haba. Tinutukoy ng target na ito ang paghawak sa clip: tina-trim ang sobrang audio, habang nilalaktawan ang mga clip na mas maikli.

default na 89

Bilang ng frame para sa bawat validation video.

default na 24

Target frame rate para sa validation video, sa frames per segundo; native na tumatakbo ang LTX-2.3 sa 24.

default na 1

Spatio-Temporal Guidance (STG) scale, kung saan inirerekomenda ang 1.0 at dini-disable ng 0.0 ang STG.

default na []

Listahan ng validation prompt na ipinapares ang bawat prompt sa reference audio clip.

POST /run/ltx23-trainer-v2/a2a?wait=20 presyo → $4.60
# 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/a2a?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"

Patakbuhin ang kahilingang ito

Nananatili ang iyong key sa browser na ito: ipinapadala lamang ito sa Doitong API at sine-save (localStorage) lamang kung pipiliin mo ang Tandaan. Kumuha ng API key

Tungkol sa LTX 2.3 Trainer (V2) - Audio-to-Audio

Fine-tune ng LoRA para sa audio-to-audio transformation mula sa `.zip` ng magkapares na halimbawa sa `training_data_url`. Ang `rank` ay 8 hanggang 128, ang `number_of_steps` ay 100 hanggang 10000, at ang `audio_duration_seconds` ay 0.5 hanggang 60. Hindi ginagamit dito ang scene splitting, kaya magbigay ng mga clip na dati nang hinati. Ibinabalik ang LoRA weights at config file.

Mga parameter

PangalanUri defaultPinapayagan Paglalarawan
training_data_urlkinakailangan
Uristring
URL ng `.zip` na naglalaman ng training data, na inayos ayon sa napiling training mode. Maaaring may katumbas na `.txt` caption na may parehong base name ang bawat media file.
rankopsyonal
Urienum
default32
8163264128
LoRA adaptation rank, na ipinagpapalit ang mas mataas na memory consumption para sa mas malaking capacity habang tumataas ang setting.
number_of_stepsopsyonal
Uriinteger
default2000
100 – 10,000
Kabuuang bilang ng training step.
learning_rateopsyonal
Urinumber
default0.0002
0.000001 – 1
Learning rate ng optimization.
number_of_framesopsyonal
Uriinteger
default89
9 – 121
Bilang ng frame para sa bawat training sample. Kapag hinati ang bilang sa 8, dapat may remainder na 1; kabilang sa mga halimbawa ang 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.
frame_rateopsyonal
Uriinteger
default24
8 – 60
Target frame rate ng training video sa frames per segundo. Ang native rate para sa LTX-2.3 ay 24.
resolutionopsyonal
Urienum
defaultmedium
lowmediumhigh
Training resolution. Kapag tinaasan ang resolution, tumataas ang memory requirements.
aspect_ratioopsyonal
Urienum
default1:1
16:91:19:16
Training aspect ratio.
trigger_phraseopsyonal
Uristring
default
LoRA style activation phrase, na ipinapasok sa simula ng mga caption habang nagta-training.
auto_scale_inputopsyonal
Uriboolean
defaultfalse
Awtomatikong video adjustment upang tumugma sa hinihinging FPS at frame count kapag pinagana; hindi binabago ang larawan dataset.
split_input_into_scenesopsyonal
Uriboolean
defaultfalse
Control sa paghahati ng eksena, hindi pinapansin habang naghahanda ng paired target/reference audio para sa a2a dahil mawawala sa sync ang pair kapag hinati. Panatilihing naka-off para sa a2a at magbigay ng mga clip na nahati na.
split_input_duration_thresholdopsyonal
Urinumber
default30
1 – 60
Trigger ng paghahati ng eksena na ipinapahayag bilang duration sa segundo: ang mga video lamang na mas mahaba sa threshold ang hinahati.
debug_datasetopsyonal
Uriboolean
defaultfalse
Preprocessing inspection mode para suriin ang mga video, larawan, at caption bago ang buong training run. Kapag pinagana, ibinabalik ng trainer ang na-process na training dataset sa isang downloadable archive para sa manu-manong pagsusuri.
audio_normalizeopsyonal
Uriboolean
defaulttrue
Audio peak normalization upang mapanatili ang pare-parehong level sa buong dataset.
audio_preserve_pitchopsyonal
Uriboolean
defaulttrue
Pagpapanatili ng pitch habang inaangkop ang tagal ng audio, sa halip na i-trim o lagyan ng padding.
audio_duration_secondsopsyonal
Urinumber
default5
0.5 – 60
Audio duration bucket sa segundo, kinakailangan para sa audio-only mode dahil wala itong video frame count na mapagkukunan ng kalkulasyon ng haba. Tinutukoy ng target na ito ang paghawak sa clip: tina-trim ang sobrang audio, habang nilalaktawan ang mga clip na mas maikli.
validationopsyonal
Uriobject[]
default[]
≤ 2 item
Listahan ng validation prompt na ipinapares ang bawat prompt sa reference audio clip.
validation[].promptkinakailangan
Uristring
Prompt na ginagamit habang nagva-validation.
validation[].reference_audio_urlkinakailangan
Uriurl · audio
≥ 1 characters
Reference audio URL na ginagamit upang i-condition ang audio pagbuo.
validation_negative_promptopsyonal
Uristring
defaultblurry, 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.
Negative prompt na inilalapat habang nagva-validation, na gumagamit ng single-stage preview process. Dahil tinatantiya ng prosesong iyon ang distilled production inference na may dalawang stage, naiiba ang guidance at preview quality nito sa mga final result.
validation_number_of_framesopsyonal
Uriinteger
default89
9 – 121
Bilang ng frame para sa bawat validation video.
validation_frame_rateopsyonal
Uriinteger
default24
8 – 60
Target frame rate para sa validation video, sa frames per segundo; native na tumatakbo ang LTX-2.3 sa 24.
validation_resolutionopsyonal
Urienum
defaulthigh
lowmediumhigh
Resolution na ginagamit habang nagva-validation.
validation_aspect_ratioopsyonal
Urienum
default1:1
16:91:19:16
Aspect ratio na ginagamit habang nagva-validation.
stg_scaleopsyonal
Urinumber
default1
0 – 3
Spatio-Temporal Guidance (STG) scale, kung saan inirerekomenda ang 1.0 at dini-disable ng 0.0 ang STG.
kinakailangan

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ltx23-trainer-v2/a2a",
  "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": 4600,
    "usd": "4.60",
    "charged": 4600,
    "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"
  }
}
Ikaw ang pumipili para sa iyong mga fileAng bawat outputs[].url ay kopya sa aming storage: pinananatili nang walang hanggan (sinisingil bawat GB-month) o 7 araw nang libre, ayon sa setting ng iyong account o ?storage=.
Parehong shape sa bawat modelotype, url, content_type, width, height at duration, para sa mga larawan, video at audio. Ang output ay sariling result object ng modelo.
Mga field ng output
video
object {url, content_type, file_name, file_size} | nullPinagsamang video preview mula sa validation, kapag available para sa mga endpoint na gumagawa ng video.
audio
object {url, content_type, file_name, file_size} | nullPinagsamang audio mula sa validation, ibinibigay bilang preview kapag available para sa mga audio-only route na ito: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a, at /v2a.
lora_file
object {url, content_type, file_name, file_size}URL para sa trained LoRA weights sa .safetensors format.
config_file
object {url, content_type, file_name, file_size}Configuration para sa setup ng inference endpoint.
debug_dataset
object {url, content_type, file_name, file_size} | nullDebug output na available kapag naka-enable ang `debug_dataset`: isang archive na maaaring i-download at naglalaman ng training data pagkatapos ng preprocessing.

Higit pang modelo: Pagsasanay

Para sa mga AI agent: nasa Markdown ang pahinang ito sa https://doitong.com/fil/developers/models/ltx23-trainer-v2/a2a.md. Lahat ng modelo at gabay: https://doitong.com/developers/llms.txt