Hoppa till innehåll

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

Integrera

Modell-id 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"

Den här begäran: 4,40 $ 4 400 API-krediter Kör den på den här sidan

Hämta API-nyckel
Lightricks · Fil

Ditt första resultat visas här

Skapa en begäran nedan och kör den med din API-nyckel. Utdata kopieras till vår lagring och sparas för alltid eller 7 dagar kostnadsfritt.

Skapa en begäran

Kontrollerna genereras från modellschemat. Koden och priset uppdateras när du ändrar dem.

resolution standard medium

Träningsupplösning. Högre upplösning ökar minneskraven.

aspect_ratio standard 1:1

Träningsbildförhållande.

•obligatoriskt

URL till en `.zip` som innehåller träningsdata organiserade enligt det valda träningsläget. Varje mediefil kan ha en tillhörande `.txt`-bildtext med matchande basnamn.

standard 2000

Totalt antal träningssteg.

Avancerat 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
standard blurry, out of focus,...

Negativ prompt som tillämpas under valideringen, vilken använder en förhandsgranskningsprocess i ett steg. Eftersom processen approximerar destillerad produktionsinferens i två steg skiljer sig dess vägledning och förhandsgranskningskvalitet från slutresultaten.

rank standard 32

LoRA-anpassningsrankning, där högre inställning byter ökad minnesförbrukning mot större kapacitet.

validation_resolution standard high

Upplösning som används under valideringen.

validation_aspect_ratio standard 1:1

Bildförhållande som används under valideringen.

standard

Aktiveringsfras för LoRA-stil, infogad i början av bildtexterna under träningen.

standard 0.0002

Inlärningshastighet för optimering.

standard 89

Antal bildrutor i varje träningsprov. Division av antalet med 8 måste ge resten 1; exempel är 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.

standard 24

Målbildfrekvens för träningsvideon i bildrutor per sekund. Den inbyggda frekvensen för LTX-2.3 är 24.

standard 30

Utlösare för scenuppdelning uttryckt som en varaktighet i sekunder: endast videor som är längre än tröskeln delas upp.

standard 5

Ljudets varaktighetsintervall, angivet som en mållängd i sekunder: klipp som överskrider den trimmas för att passa, medan klipp som inte kan fylla den hoppas över.

standard 89

Antal bildrutor för varje valideringsvideo.

standard 24

Målbildfrekvens för valideringsvideor i bildrutor per sekund; LTX-2.3 körs ursprungligen vid 24.

standard 1

Skala för spatio-temporal vägledning (STG), där 1.0 rekommenderas och 0.0 stänger av STG.

standard []

Lista över valideringsprompter som används för att generera ljud för varje post.

POST /run/ltx23-trainer-v2/t2a?wait=20 pris → 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"

Kör den här begäran

Din nyckel stannar i den här webbläsaren: den skickas endast till Doitong API och sparas endast i localStorage om du markerar Kom ihåg. Hämta en API-nyckel

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

Finjusterar en LoRA från ett `.zip`-arkiv som anges i `training_data_url`, så att modellen kan generera ljud från text. Ljudspecifika alternativ omfattar `audio_duration_seconds` (0.5 till 60, standardvärde 5), `audio_normalize` och `audio_preserve_pitch`. Träningen kör som standard 2000 steg (100 till 10000) med `rank` från 8 till 128. Den returnerar LoRA-viktfilen, en konfigurationsfil och förhandsvisningar för validering.

Parametrar

NamnTyp StandardTillåtna Beskrivning
training_data_urlobligatoriskt
Typstring
URL till en `.zip` som innehåller träningsdata organiserade enligt det valda träningsläget. Varje mediefil kan ha en tillhörande `.txt`-bildtext med matchande basnamn.
rankvalfritt
Typenum
Standard32
8163264128
LoRA-anpassningsrankning, där högre inställning byter ökad minnesförbrukning mot större kapacitet.
number_of_stepsvalfritt
Typinteger
Standard2000
100 – 10 000
Totalt antal träningssteg.
learning_ratevalfritt
Typnumber
Standard0.0002
0,000001 – 1
Inlärningshastighet för optimering.
number_of_framesvalfritt
Typinteger
Standard89
9 – 121
Antal bildrutor i varje träningsprov. Division av antalet med 8 måste ge resten 1; exempel är 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97.
frame_ratevalfritt
Typinteger
Standard24
8 – 60
Målbildfrekvens för träningsvideon i bildrutor per sekund. Den inbyggda frekvensen för LTX-2.3 är 24.
resolutionvalfritt
Typenum
Standardmedium
lowmediumhigh
Träningsupplösning. Högre upplösning ökar minneskraven.
aspect_ratiovalfritt
Typenum
Standard1:1
16:91:19:16
Träningsbildförhållande.
trigger_phrasevalfritt
Typstring
Standard
Aktiveringsfras för LoRA-stil, infogad i början av bildtexterna under träningen.
auto_scale_inputvalfritt
Typboolean
Standardfalse
Automatisk videojustering för att matcha begärd FPS och bildruteantal när den aktiveras; bilddataset förblir oförändrade.
split_input_into_scenesvalfritt
Typboolean
Standardtrue
Scenuppdelning för videor som överskrider en varaktighetströskel, aktiverad när värdet är true.
split_input_duration_thresholdvalfritt
Typnumber
Standard30
1 – 60
Utlösare för scenuppdelning uttryckt som en varaktighet i sekunder: endast videor som är längre än tröskeln delas upp.
debug_datasetvalfritt
Typboolean
Standardfalse
Inspektionsläge för förbehandling, för kontroll av videor, bilder och bildtexter före en fullständig träningskörning. När det aktiveras returnerar tränaren det bearbetade träningsdatasetet i ett nedladdningsbart arkiv för manuell granskning.
audio_normalizevalfritt
Typboolean
Standardtrue
Normalisering av ljudtoppar för konsekventa nivåer genom hela datasetet.
audio_preserve_pitchvalfritt
Typboolean
Standardtrue
Bevarande av tonhöjd när ljudets varaktighet anpassas, i stället för att klippa eller fylla ut.
audio_duration_secondsvalfritt
Typnumber
Standard5
0,5 – 60
Ljudets varaktighetsintervall, angivet som en mållängd i sekunder: klipp som överskrider den trimmas för att passa, medan klipp som inte kan fylla den hoppas över.
validationvalfritt
Typobject[]
Standard[]
≤ 2 objekt
Lista över valideringsprompter som används för att generera ljud för varje post.
validation[].promptobligatoriskt
Typstring
Prompt som används under valideringen.
validation_negative_promptvalfritt
Typstring
Standardblurry, 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.
Negativ prompt som tillämpas under valideringen, vilken använder en förhandsgranskningsprocess i ett steg. Eftersom processen approximerar destillerad produktionsinferens i två steg skiljer sig dess vägledning och förhandsgranskningskvalitet från slutresultaten.
validation_number_of_framesvalfritt
Typinteger
Standard89
9 – 121
Antal bildrutor för varje valideringsvideo.
validation_frame_ratevalfritt
Typinteger
Standard24
8 – 60
Målbildfrekvens för valideringsvideor i bildrutor per sekund; LTX-2.3 körs ursprungligen vid 24.
validation_resolutionvalfritt
Typenum
Standardhigh
lowmediumhigh
Upplösning som används under valideringen.
validation_aspect_ratiovalfritt
Typenum
Standard1:1
16:91:19:16
Bildförhållande som används under valideringen.
stg_scalevalfritt
Typnumber
Standard1
0 – 3
Skala för spatio-temporal vägledning (STG), där 1.0 rekommenderas och 0.0 stänger av STG.
obligatoriskt

Resultat

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"
  }
}
Dina filer, ditt valVarje outputs[].url är en kopia i vår lagring: sparad för alltid (debiteras per GB-månad) eller 7 dagar kostnadsfritt, enligt din kontoinställning eller ?storage=.
Samma struktur för varje modelltype, url, content_type, width, height och duration, för bilder, video och ljud. output är modellens eget resultatobjekt.
Resultatets fält
video
object {url, content_type, file_name, file_size} | nullKombinerad videoförhandsgranskning från valideringen, när den är tillgänglig för ändpunkter som producerar video.
audio
object {url, content_type, file_name, file_size} | nullKombinerat ljud från valideringen, tillhandahållet som förhandsgranskning när det är tillgängligt för dessa ljudrutter: /audio-inpaint, /audio-extend-suffix, /audio-extend-prefix, /t2a, /a2a och /v2a.
lora_file
object {url, content_type, file_name, file_size}URL till tränade LoRA-vikter i formatet .safetensors.
config_file
object {url, content_type, file_name, file_size}Konfiguration för inställning av inferensändpunkten.
debug_dataset
object {url, content_type, file_name, file_size} | nullFelsökningsutdata som är tillgängliga när `debug_dataset` är aktiverat: ett arkiv som kan laddas ned och innehåller träningsdata efter förbehandling.

Fler modeller: Träning

För AI-agenter: den här sidan som Markdown finns på https://doitong.com/sv/developers/models/ltx23-trainer-v2/t2a.md. Alla modeller och guider: https://doitong.com/developers/llms.txt