LTX 是什么
LTX 是由 Lightricks 开发的实时 AI 视频生成模型，采用 20 亿参数的 DiT（扩散变压器）架构。它能够在 2-4 秒内生成 5 秒、768x512 分辨率、24 FPS 的视频，速度快于播放速度。该模型支持文本到视频和图像到视频的生成，使创作者能够从描述性提示词生成专业内容，或为静态图像制作动画。
作为一个采用 Apache-2.0 许可证的开源项目，LTX 可与 ComfyUI 集成以实现可定制的工作流设计，并运行在消费级 GPU 和 TPU 上。其快速的迭代周期适用于电影预演、广告、社交媒体内容和教育材料等应用。输出为标准 MP4 格式，便于在各大平台直接使用。该技术优先考虑效率和可访问性，以实现无需传统生产瓶颈的快速原型制作。
LTX 如何工作
LTX 是由 Lightricks 开发的实时 AI 视频生成模型，采用 2B 参数 DiT（扩散 Transformer）架构。它通过处理文本提示或输入图像来生成短视频片段，通常为 5 秒长、768x512 分辨率、24 FPS。该系统生成输出的速度快于播放速度，在 NVIDIA H100 等兼容硬件上可在 2-4 秒内完成片段生成。它支持文本到视频和图像到视频的工作流，能够对静态输入进行动画化。作为采用 Apache-2.0 许可证的开源模型，LTX 可与 ComfyUI 等工具集成，目标应用包括快速原型制作、社交媒体内容和预可视化。
LTX 的优势
LTX 是首个实时 AI 视频生成模型，仅需 2 至 4 秒即可从文本或图像生成专业级视频。其基于 20 亿参数的 DiT 架构，能在 768x512 分辨率和 24 FPS 下实现生成速度快于实时播放。作为开源工具，LTX 与 ComfyUI 等平台集成，并支持文本到视频和图像到视频工作流。这种速度、质量和可访问性的结合，使其适用于快速原型制作、社交媒体内容以及电影预演，为创作者提供高效的高质量视频制作解决方案。
LTX 的优点和缺点
优点
- 2-4 秒内生成 5 秒视频。
- 基于 Apache-2.0 许可证完全开源。
- 支持文本生成视频和图像生成视频两种输入方式。
- 实现 768x512 专业分辨率与 24 FPS 帧率。
- 可与 ComfyUI 集成以实现可视化工作流。
缺点
- 输出分辨率固定为 768x512。
- 本地部署需要技术配置。
- 仅能生成 5 秒的短视频片段。
- 实时生成速度对 GPU 资源要求较高。
- 帧数受模型架构限制，数量有限。
