Мазмұнға өту

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

Интеграциялау

Модель идентификаторы ltx23-trainer-v2/t2a
# 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/t2a?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"

Осы сұрау: 4,40 $ 4 400 API кредиті Осы бетте іске қосу

API кілтін алу
Lightricks Оқыту 1–60 с

Аудио клиптеріңізден дыбыс немесе стиль үйреніп, мәтіннен аудио жасауға арналған LoRA үйретеді

Lightricks · Файл

Алғашқы нәтижеңіз осында пайда болады

Төменде сұрау құрып, оны API кілтіңізбен іске қосыңыз. Шығыстар сақтау орнымызға көшіріліп, мәңгі немесе 7 күн тегін сақталады.

Сұрау жасау

Басқару элементтері модель схемасынан жасалады. Оларды өзгерткен сайын код пен баға жаңартылады.

resolution әдепкі medium

Оқыту ажыратымдылығы. Ажыратымдылықты арттыру жад талаптарын көбейтеді.

aspect_ratio әдепкі 1:1

Оқыту арақатынасы.

•міндетті

Таңдалған оқыту режиміне сай ұйымдастырылған оқыту деректері бар `.zip` файлына URL. Әр медиада сәйкес негізгі аты бар `.txt` тақырыптамасы болуы мүмкін.

әдепкі 2000

Оқыту қадамдарының жалпы саны.

Қосымша 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
әдепкі blurry, out of focus,...

Тексеру кезінде қолданылатын теріс нұсқау; тексеру бір кезеңді алдын ала қарау процесін пайдаланады. Бұл процесс екі кезеңді дистилляцияланған өндірістік inference-ті жуықтайтындықтан, оның нұсқауы мен алдын ала қарау сапасы соңғы нәтижелерден өзгеше.

rank әдепкі 32

LoRA бейімделу рангі; мән артқан сайын жад тұтынуы өсіп, сыйымдылығы артады.

validation_resolution әдепкі high

Тексеру кезінде пайдаланылатын ажыратымдылық.

validation_aspect_ratio әдепкі 1:1

Тексеру кезінде пайдаланылатын арақатынас.

әдепкі

LoRA стилін іске қосу тіркесі; оқыту кезінде тақырыптамалардың басына енгізіледі.

әдепкі 0.0002

Оңтайландырудың оқыту жылдамдығы.

әдепкі 89

Әр оқыту үлгісіндегі кадр саны. Санды 8-ге бөлгенде қалдық 1 болуы керек; мысалдар: 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.

әдепкі 24

Оқыту бейнесінің мақсатты кадр жиілігі, секундына кадрмен. LTX-2.3 үшін жергілікті жиілік 24.

әдепкі 30

Секундпен көрсетілетін көріністі бөлу шегі: тек шектен ұзын бейнелер бөлінеді.

әдепкі 5

Мақсатты ұзақтық ретінде секундпен көрсетілетін аудио ұзақтығының аралығы: одан ұзын клиптер қиылып сәйкестендіріледі, ал оны толтыра алмайтын клиптер өткізіледі.

әдепкі 89

Әр тексеру бейнесіндегі кадр саны.

әдепкі 24

Тексеру бейнелерінің мақсатты кадр жиілігі, секундына кадрмен; LTX-2.3 жергілікті түрде 24 жиілігімен жұмыс істейді.

әдепкі 1

Кеңістіктік-уақыттық нұсқау (STG) масштабы; 1.0 ұсынылады, ал 0.0 STG мүмкіндігін өшіреді.

әдепкі []

Әр жазба үшін аудио генерациялауға пайдаланылатын валидация нұсқауларының тізімі.

POST /run/ltx23-trainer-v2/t2a?wait=20 бағасы → 4,40 $
# 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/t2a?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"

Осы сұрауды іске қосу

Кілтіңіз осы браузерде қалады: ол тек Doitong API-ге жіберіледі және Remember параметрін белгілеcеңіз ғана localStorage ішінде сақталады. API кілтін алу

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

`training_data_url` ішінде көрсетілген `.zip` мұрағатынан LoRA-ны қосымша үйретіп, модельге мәтіннен аудио жасауға мүмкіндік береді. Аудиоға арналған параметрлерге `audio_duration_seconds` (0.5-тен 60-қа дейін, әдепкі мәні 5), `audio_normalize` және `audio_preserve_pitch` жатады. Үйрету әдепкіде 2000 қадам орындалады (100-ден 10000-ға дейін), `rank` мәні 8-ден 128-ге дейін. Нәтижесінде LoRA салмақтары файлы, конфигурация файлы және валидацияға арналған алдын ала қараулар қайтарылады.

Параметрлер

АтауыТүрі ӘдепкіРұқсат етілген Сипаттама
training_data_urlміндетті
Түріstring
Таңдалған оқыту режиміне сай ұйымдастырылған оқыту деректері бар `.zip` файлына URL. Әр медиада сәйкес негізгі аты бар `.txt` тақырыптамасы болуы мүмкін.
rankміндетті емес
Түріenum
Әдепкі32
8163264128
LoRA бейімделу рангі; мән артқан сайын жад тұтынуы өсіп, сыйымдылығы артады.
number_of_stepsміндетті емес
Түріinteger
Әдепкі2000
100 – 10 000
Оқыту қадамдарының жалпы саны.
learning_rateміндетті емес
Түріnumber
Әдепкі0.0002
0,000001 – 1
Оңтайландырудың оқыту жылдамдығы.
number_of_framesміндетті емес
Түріinteger
Әдепкі89
9 – 121
Әр оқыту үлгісіндегі кадр саны. Санды 8-ге бөлгенде қалдық 1 болуы керек; мысалдар: 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.
frame_rateміндетті емес
Түріinteger
Әдепкі24
8 – 60
Оқыту бейнесінің мақсатты кадр жиілігі, секундына кадрмен. LTX-2.3 үшін жергілікті жиілік 24.
resolutionміндетті емес
Түріenum
Әдепкіmedium
lowmediumhigh
Оқыту ажыратымдылығы. Ажыратымдылықты арттыру жад талаптарын көбейтеді.
aspect_ratioміндетті емес
Түріenum
Әдепкі1:1
16:91:19:16
Оқыту арақатынасы.
trigger_phraseміндетті емес
Түріstring
Әдепкі
LoRA стилін іске қосу тіркесі; оқыту кезінде тақырыптамалардың басына енгізіледі.
auto_scale_inputміндетті емес
Түріboolean
Әдепкіfalse
Қосылғанда сұралған FPS пен кадр санына сәйкестендіретін бейнені автоматты реттеу; кескін деректер жинағы өзгеріссіз қалады.
split_input_into_scenesміндетті емес
Түріboolean
Әдепкіtrue
Ұзақтық шегінен асатын бейнелерді көріністерге бөлу; true болғанда қосылады.
split_input_duration_thresholdміндетті емес
Түріnumber
Әдепкі30
1 – 60
Секундпен көрсетілетін көріністі бөлу шегі: тек шектен ұзын бейнелер бөлінеді.
debug_datasetміндетті емес
Түріboolean
Әдепкіfalse
Толық оқыту іске қосылғанға дейін бейнелерді, кескіндерді және тақырыптамаларды тексеруге арналған алдын ала өңдеуді тексеру режимі. Қосылғанда жаттықтырғыш қолмен тексеруге болатын жүктеп алынатын архивте өңделген оқыту деректер жинағын қайтарады.
audio_normalizeміндетті емес
Түріboolean
Әдепкіtrue
Деректер жинағындағы деңгейлерді бірізді ұстауға арналған аудио шыңдарын қалыпқа келтіру.
audio_preserve_pitchміндетті емес
Түріboolean
Әдепкіtrue
Қиып тастау немесе толықтырудың орнына аудио ұзақтығын сәйкестендіру кезінде тонды сақтау.
audio_duration_secondsміндетті емес
Түріnumber
Әдепкі5
0,5 – 60
Мақсатты ұзақтық ретінде секундпен көрсетілетін аудио ұзақтығының аралығы: одан ұзын клиптер қиылып сәйкестендіріледі, ал оны толтыра алмайтын клиптер өткізіледі.
validationміндетті емес
Түріobject[]
Әдепкі[]
≤ 2 элемент
Әр жазба үшін аудио генерациялауға пайдаланылатын валидация нұсқауларының тізімі.
validation[].promptміндетті
Түріstring
Тексеру кезінде пайдаланылатын нұсқау.
validation_negative_promptміндетті емес
Түріstring
Әдепкіblurry, 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.
Тексеру кезінде қолданылатын теріс нұсқау; тексеру бір кезеңді алдын ала қарау процесін пайдаланады. Бұл процесс екі кезеңді дистилляцияланған өндірістік inference-ті жуықтайтындықтан, оның нұсқауы мен алдын ала қарау сапасы соңғы нәтижелерден өзгеше.
validation_number_of_framesміндетті емес
Түріinteger
Әдепкі89
9 – 121
Әр тексеру бейнесіндегі кадр саны.
validation_frame_rateміндетті емес
Түріinteger
Әдепкі24
8 – 60
Тексеру бейнелерінің мақсатты кадр жиілігі, секундына кадрмен; LTX-2.3 жергілікті түрде 24 жиілігімен жұмыс істейді.
validation_resolutionміндетті емес
Түріenum
Әдепкіhigh
lowmediumhigh
Тексеру кезінде пайдаланылатын ажыратымдылық.
validation_aspect_ratioміндетті емес
Түріenum
Әдепкі1:1
16:91:19:16
Тексеру кезінде пайдаланылатын арақатынас.
stg_scaleміндетті емес
Түріnumber
Әдепкі1
0 – 3
Кеңістіктік-уақыттық нұсқау (STG) масштабы; 1.0 ұсынылады, ал 0.0 STG мүмкіндігін өшіреді.
міндетті

Шығыс

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "ltx23-trainer-v2/t2a",
  "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": 4400,
    "usd": "4.40",
    "charged": 4400,
    "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"
  }
}
Файлдарыңыз — таңдауыңызӘр outputs[].url — сақтау орнымыздағы көшірме: мәңгі (әр GB-ай үшін ақылы) немесе аккаунт параметрі не ?storage= арқылы 7 күн тегін сақталады.
Әр модельдегі пішім бірдейtype, url, content_type, width, height және duration — кескіндерге, бейнеге және аудиоға ортақ. output — модельдің өз нәтижелер нысаны.
Шығыс өрістері
video
object {url, content_type, file_name, file_size} | nullҚолжетімді болса, бейне өндіретін соңғы нүктелер үшін тексеруден алынған біріктірілген бейне алдын ала көрінісі.
audio
object {url, content_type, file_name, file_size} | nullҚолжетімді болса, тек аудиоға арналған мына маршруттар үшін алдын ала көрініс ретінде берілетін тексерудің біріктірілген аудиосы: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a және /v2a.
lora_file
object {url, content_type, file_name, file_size}.safetensors форматындағы оқытылған LoRA салмақтарына арналған URL.
config_file
object {url, content_type, file_name, file_size}Inference соңғы нүктесін орнату конфигурациясы.
debug_dataset
object {url, content_type, file_name, file_size} | null`debug_dataset` қосылғанда қолжетімді жөндеу шығысы: алдын ала өңдеуден кейінгі оқыту деректері бар жүктеп алынатын архив.

Қосымша модельдер: Оқыту

AI агенттеріне: бұл беттің Markdown нұсқасы мына жерде: https://doitong.com/kk/developers/models/ltx23-trainer-v2/t2a.md. Барлық модельдер мен нұсқаулықтар: https://doitong.com/developers/llms.txt