LTX-2.5 運営中

LTX-2.5はLTXがオープンソースで公開するAI動画生成基盤モデルで、220億パラメータを備え、リリース時点からモデルウェイトを公開しています。ネイティブなマルチショット生成、4K HDR、RAW/EXRのプロフェッショナルワークフローに対応し、音声も同時生成できます。さらに、精密な動画編集機能も備えています。クローズドモデルの高価格化が進む中、LTX-2.5はオープンなエコシステム戦略により、AI動画分野にプロフェッショナル向けのオープンソース代替案を提供します。

ネイティブなマルチショット生成：1回の生成で、異なるカメラ位置や画角の連続ショットを複数出力できます。ショットの切り替えにおいても、キャラクターの外見、環境の雰囲気、光の条件、音声の一貫性を高いレベルで維持し、AIドラマ制作におけるショット連続性という根本的な課題を解決します。
拡散忠実度レンダリング：シーンの複雑さに応じてレンダリング計算資源を自動配分します。複雑な動きのあるショットにはより多くの計算資源を割り当て、静的または単純なシーンでは自動的に節約することで、画質を維持しながら全体の効率を高めます。
精密な動画編集：元の実写素材の動きの軌跡と空間構造を保持したまま、高精度なスタイル変更、シーン再描画、キャラクター置換を行い、「実写の骨格＋AIによるスタイル化コーティング」という制御可能な制作を実現します。
自動尺予測：内蔵のDuration Headモジュールがプロンプト内の動作記述を読み取り、最適なクリップ長を自動判断するため、クリエイターが何度も試行する必要がありません。
プロフェッショナル向け出力形式：ネイティブ4K HDR、RAW、EXRのロスレス形式での出力に対応し、プロ向け映像のカラーグレーディング、VFX合成、ポストプロダクション編集パイプラインへ直接接続できます。
音声の同期生成：独立したAudio VAEモジュールにより、動画に合った音声トラックを同期生成します。
IC-LoRAによる精密制御：Cannyエッジ、Depth深度、Pose姿勢の3種類の参照動画制御モードを提供し、生成結果を参照素材の構図、空間構造、人物の動きに厳密に従わせることができます。

WeChatでフォローして「开源」と返信すると、AIオープンソースプロジェクト交流グループに参加できます。
Gemma 4 12Bテキストエンコーダー：LightricksがLTX向けにカスタマイズした大規模言語モデルエンコーダーです。複雑で長いプロンプトに含まれる複数主体の関係、動作の詳細、照明の描写、カメラの方向を完全に保持し、プロンプトが長くなっても節の情報が失われません。
Prompt Enhancer：ユーザーが入力した短いプロンプトを、詳細な映画品質の指示へ自動拡張する軽量な補助モデルです。プロンプトエンジニアリングのハードルを下げながら、計算コストも非常に低く抑えます。
Diffusion Video Decoder：従来のVAEデコーダーに代わる新アーキテクチャで、動きの速いシーン向けに最適化されています。映像のにじみやアーティファクトを大幅に減らし、顔をより鮮明に、文字をより読みやすくします。
Audio VAE：独立した音声潜在空間エンコーダーで、動画の内容を対応する音声表現へマッピングし、映像と音声の同期生成を実現します。
Diffusion Fidelity Rendering：「構造を先に、ディテールを後に」という2段階レンダリング戦略を採用しています。第1段階では、8×時間圧縮された潜在空間で動き、構図、ショットの枠組みを構築し、高忠実度のキーフレームを適応的に生成します。第2段階では、構造とキーフレームをもとに拡散レンダリングを行って最終動画を生成し、テクスチャ、素材感、顔のディテールをピクセルレベルの精度で解析します。
Duration Head：拡散処理の前に配置された予測モジュールです。プロンプト内の動作の意味を理解し、最適な動画の長さを自動推定・出力することで、モデルに物語のテンポを初歩的に把握する能力を持たせます。

利用方法の選択：APIクラウドサービスを使うか、ComfyUIをローカルにデプロイするかを決めます。
API接続：LTX公式サイトでAPI Keyを申請し、FastまたはProプランを選択してAPIを呼び出します。
ノードのインストール：ローカルデプロイではComfyUIを最新版に更新し、ManagerからComfyUI-LTXVideoノードパッケージをインストールします。
モデルのダウンロード：ComfyUIのテンプレートブラウザーで「LTX-2.5″」を検索し、対応するワークフローを選択してすべてのモデルファイルを一括ダウンロードします。
パラメータ設定：幅と高さを32の倍数、フレーム数を1+8の倍数、フレームレートを24/25/48/50fpsに設定します。基本解像度を目標解像度の半分に設定すると、2×アップスケールを有効にできます。
プロンプト作成：ショットの画角、シーンの照明、キャラクターの動き、カメラワーク、音声を一貫した文章で記述し、タグの羅列や重み付け構文は避けます。
生成の実行：実行をクリックすると、テキストから動画ではそのまま映像が生成されます。画像から動画では始点フレームをアップロードし、始点・終点フレームモードでは始点フレームと終点フレームをアップロードします。
精密制御：上級ユーザーはCanny、Depth、PoseのいずれかのIC-LoRAモードを読み込み、参照動画を接続して構図や動きを固定できます。
モデル選択：高速な反復にはdistilledモデルを、最終出力にはより繊細なディテールを得られる完全なdevモデルを使用します。

物語の一貫性：ネイティブなMultishotマルチショット生成により、1回の出力でキャラクターの外見、環境の雰囲気、光の条件、音声の一貫性を高いレベルで維持し、AIドラマ制作におけるショット連続性という最大の課題を根本から解決します。
制御性の飛躍的向上：精密な動画編集により、元の実写素材の動きの軌跡と空間構造を保持します。さらにCanny/Depth/Poseの3種類のIC-LoRA制御モードと組み合わせることで、「無作為な生成結果頼み」から「実写の骨格＋AIによるスタイル化コーティング」へ、制御可能な制作への転換を実現します。
業務用ワークフロー：ネイティブRAW/HDR/EXR出力をプロ向けのカラーグレーディング、VFX合成、ポストプロダクション編集パイプラインへ直接接続でき、圧縮・変換も不要です。映像制作業界が求めるロスレス素材の要件を満たします。
適応型効率：Diffusion Fidelity Rendering技術がシーンの複雑さに応じてレンダリング計算資源を動的に配分します。複雑で動きのあるショットは精密にレンダリングし、静的で単純なシーンでは自動的にリソースを節約することで、ピクセルレベルの画質を維持しながら生成効率を高めます。

公式サイト：https://ltx.io/model/ltx-2-5
HuggingFaceモデルライブラリ：https://huggingface.co/Lightricks/LTX-2.5

プロフェッショナル映像のポストプロダクション：ネイティブ4K HDR、RAW、EXRのロスレス出力をカラーグレーディング、VFX合成、編集パイプラインへ直接接続でき、劇場映画やストリーミングサービス水準のポストプロダクション要件を満たします。圧縮MP4によるカラーグレーディングの悩みも解消できます。
AIショートドラマ・アニメドラマ：Multishotマルチショット生成により、連続性のあるストーリーボードを一度に出力できます。精密な動画編集は「実写の動作骨格＋AIキャラクター置換・スタイル化コーティング」に対応し、ショット連続性と動作制御という2つの大きな課題を根本から解決します。
広告・ブランドコンテンツ：高品質な広告動画を迅速に反復制作できます。Prompt Enhancerでプロンプトエンジニアリングのハードルを下げ、Distilledモデルで高速プレビューを行い、完全なモデルで最終映像を出力することで、効率と品質を両立します。
Physical AI・ロボティクス：Physical AI Checkpointは、身体性知能に取り組むチームへワールドモデルの基盤を提供し、ロボットシステムが物理世界と運動法則を認識できるよう支援します。純粋なコンテンツ制作の範囲を超えた活用が可能です。