LTX はじめに

LTXは、Lightricksが開発したリアルタイムAI動画生成モデルで、20億パラメータのDiT（拡散Transformer）アーキテクチャを採用しています。768x512解像度、24FPSの5秒動画を2〜4秒で生成可能で、再生速度よりも高速です。テキスト-to-ビデオおよび画像-to-ビデオ生成をサポートし、クリエイターは説明的なプロンプトからプロフェッショナルなコンテンツを制作したり、静的画像にアニメーションを付けたりできます。

Apache-2.0ライセンスの下でオープンソースプロジェクトとして、LTXはComfyUIと統合してカスタマイズ可能なワークフロー設計を実現し、消費者向けGPUおよびTPUで実行できます。その高速な反復サイクルは、映画のプリビジュアライゼーション、広告、ソーシャルメディアコンテンツ、教材などのアプリケーションに適しています。出力は標準のMP4形式で、プラットフォーム間で直ちに使用できます。この技術は、従来の生産ボトルネックなしで迅速なプロトタイピングを実現するため、効率性とアクセシビリティを優先しています。

LTX は、Lightricks が開発したリアルタイム AI 動画生成モデルであり、2B パラメータの DiT（拡散トランジスタ）アーキテクチャを採用しています。テキストプロンプトまたは入力画像を処理することで、通常 5 秒、768x512 解像度、24 FPS の短い動画クリップを生成します。このシステムは、NVIDIA H100 などの対応ハードウェアで 2〜4 秒でクリップを完成させる、再生速度よりも高速な出力生成を実現します。テキストから動画へのワークフローと画像から動画へのワークフローの両方をサポートし、静的な入力をアニメーション化できます。Apache-2.0 ライセンスの下でオープンソースとして提供される LTX は、ComfyUI などのツールと統合され、迅速なプロトタイピング、ソーシャルメディアコンテンツ、プリビジュアライゼーションなどのユースケースを対象としています。

LTXは初のリアルタイムAI動画生成モデルであり、テキストや画像から2〜4秒でプロフェッショナル品質の動画を生成します。20億パラメータのDiTアーキテクチャにより、768x512解像度、24FPSでの再生速度を超える高速生成を実現。オープンソースツールとして、LTXはComfyUIなどのプラットフォームと統合され、テキストから動画および画像から動画のワークフローをサポートします。この速度、品質、アクセシビリティの組み合わせにより、迅速なプロトタイピング、ソーシャルメディアコンテンツ、映画のプリビジュアライゼーションに適しており、クリエイターに高品質な動画制作の効率的なソリューションを提供します。

メリット

• 5秒の動画を2〜4秒で生成。
• Apache-2.0ライセンスの下で完全にオープンソース。
• テキスト動画生成と画像動画生成の両方の入力をサポート。
• プロフェッショナルな768x512解像度と24 FPSを実現。
• ComfyUIと統合し、ビジュアルワークフローを可能に。

デメリット

• 出力解像度は768x512に固定。
• ローカルデプロイには技術的なセットアップが必要。
• 5秒の短い動画クリップのみを生成。
• リアルタイム速度には大きなGPUリソースを要求。
• モデルアーキテクチャによりフレーム数に制限あり。