LTX-2.5 Inafanya kazi

LTX-2.5 ni modeli ya msingi ya uzalishaji wa video kwa AI iliyo wazi kutoka LTX, yenye vigezo 22B na uzani wake ukiwa wazi tangu kutolewa. Modeli hii inaauni uzalishaji asilia wa picha nyingi za kamera, 4K HDR na mtiririko wa kitaalamu wa RAW/EXR, pamoja na uzalishaji wa sauti kwa wakati mmoja, ikiwa na uwezo wa kuhariri video kwa usahihi. Katika kipindi ambacho modeli zilizofungwa zinazidi kuwa ghali, LTX-2.5 inatoa mbadala wa kiwango cha kitaalamu na wa chanzo wazi kwa nyanja ya video za AI kupitia mkakati wa mfumo wa ikolojia ulio wazi.

Uzalishaji asilia wa picha nyingi za kamera: Kwa uzalishaji mmoja, inaweza kutoa mfululizo wa picha kutoka pembe na umbali tofauti za kamera, huku ikidumisha kwa kiwango cha juu mwonekano wa wahusika, hali ya mazingira, mwangaza na sauti wakati wa mabadiliko ya picha. Hii hutatua changamoto kuu ya mwendelezo wa picha katika uundaji wa simulizi kwa AI.
Utoaji wa picha unaodumisha uaminifu kupitia diffusion: Hugawa rasilimali za uonyeshaji kulingana na utata wa tukio. Picha zenye mwendo changamano hupata rasilimali zaidi za hesabu, huku matukio tuli au rahisi yakitumia rasilimali chache kiotomatiki, hivyo kuongeza ufanisi bila kuathiri ubora wa picha.
Uhariri sahihi wa video: Huhifadhi njia ya mwendo na muundo wa anga wa video halisi, kisha huwezesha kubadilisha mtindo, kuchora upya tukio na kubadilisha wahusika kwa usahihi wa juu, hivyo kutengeneza uundaji unaodhibitika wa “muundo wa video halisi + ufunikaji wa mtindo wa AI”.
Utabiri wa muda kiotomatiki: Ina moduli ya Duration Head inayosoma maelezo ya vitendo katika maelekezo na kubaini kiotomatiki urefu unaofaa zaidi wa kipande, bila mtayarishaji kufanya majaribio mara kwa mara.
Miundo ya kitaalamu ya kutoa: Inaauni utoaji asilia wa 4K HDR, RAW na EXR zisizopoteza ubora, na inaweza kuunganishwa moja kwa moja kwenye mtiririko wa kitaalamu wa upangaji wa rangi, uunganishaji wa athari maalum na uhariri wa baada ya utengenezaji.
Uzalishaji wa sauti unaolingana: Kupitia moduli huru ya Audio VAE, huzalisha kwa wakati mmoja wimbo wa sauti unaolingana na video.
Udhibiti sahihi wa IC-LoRA: Inatoa aina tatu za udhibiti wa video ya marejeo—kingo za Canny, kina cha Depth na mkao wa Pose—ili matokeo ya uzalishaji yafuate kwa ukamilifu muundo wa picha, muundo wa anga au mienendo ya wahusika katika nyenzo ya marejeo.

Fuata akaunti ya WeChat na ujibu “开源” ili ujiunge na kundi la majadiliano la miradi ya AI ya chanzo wazi
Kisimbaji cha maandishi cha Gemma 4 12B: Kisimbaji cha modeli kubwa ya lugha kilichobinafsishwa na Lightricks kwa ajili ya LTX. Huhifadhi kikamilifu uhusiano wa wahusika wengi, maelezo ya vitendo, mwangaza na mwelekeo wa kamera katika maelekezo marefu na changamano, bila kupoteza taarifa za vifungu vidogo maelekezo yanapokuwa marefu.
Prompt Enhancer: Modeli msaidizi nyepesi inayopanua kiotomatiki maelekezo mafupi ya mtumiaji kuwa maagizo ya kina yenye kiwango cha sinema, hivyo kupunguza kizingiti cha uhandisi wa maelekezo huku gharama ya hesabu ikiwa ndogo sana.
Diffusion Video Decoder: Muundo mpya unaochukua nafasi ya dekoda ya jadi ya VAE, ulioboreshwa mahususi kwa matukio yenye mwendo wa haraka. Hupunguza kwa kiasi kikubwa kupauka kwa picha na vizalia, na kufanya nyuso ziwe wazi zaidi na maandishi yasomeke kwa urahisi.
Audio VAE: Kisimbaji huru cha nafasi fiche ya sauti kinachohusika na kubadilisha maudhui ya video kuwa uwakilishi wa sauti unaolingana, na hivyo kuwezesha uzalishaji unaosawazisha picha na sauti.
Diffusion Fidelity Rendering: Hutumia mkakati wa uonyeshaji wa hatua mbili wa “muundo kwanza, maelezo baadaye”. Katika hatua ya kwanza, hujenga mwendo, muundo wa picha na fremu ya kamera katika nafasi fiche yenye mfinyo wa muda wa 8×, huku ikizalisha kiotomatiki fremu muhimu zenye uaminifu wa juu. Katika hatua ya pili, huunganisha muundo na fremu muhimu ili kutoa video ya mwisho, ikichanganua maumbo, nyenzo na maelezo ya uso kwa usahihi wa kiwango cha pikseli.
Duration Head: Moduli ya utabiri iliyowekwa kabla ya mchakato wa diffusion. Kwa kuelewa maana ya vitendo katika maelekezo, hukisia na kutoa kiotomatiki muda unaofaa zaidi wa video, hivyo kuipa modeli ufahamu wa awali wa mdundo wa simulizi.

Chagua njia: Amua kutumia huduma ya API ya wingu au kusakinisha ComfyUI ndani ya kifaa.
Kuunganisha API: Omba API Key kwenye tovuti rasmi ya LTX, kisha uchague kiwango cha Fast au Pro ili kuita kiolesura.
Kusakinisha nodi: Kwa usakinishaji wa ndani, sasisha ComfyUI hadi toleo jipya zaidi, kisha sakinisha kifurushi cha nodi cha ComfyUI-LTXVideo kupitia Manager.
Pakua modeli: Tafuta “LTX-2.5” kwenye kivinjari cha violezo cha ComfyUI, chagua mtiririko unaolingana na upakue faili zote za modeli kwa mbofyo mmoja.
Kusanidi vigezo: Weka upana na urefu kuwa vizidisho vya 32, idadi ya fremu kuwa 1+ vizidisho vya 8, kasi ya fremu kuwa 24/25/48/50fps, na azimio la msingi liwe nusu ya linalolengwa ili kuwezesha ukuzaji wa 2×.
Kuandika maelekezo: Tumia aya moja yenye mtiririko kueleza umbali wa kamera, mwangaza wa tukio, vitendo vya wahusika, mwendo wa kamera na sauti; epuka mlundikano wa lebo au sintaksia ya uzani.
Kuendesha uzalishaji: Bofya endesha. Maandishi hadi video hutengeneza video moja kwa moja, picha hadi video huhitaji kupakia fremu ya mwanzo, na hali ya fremu za mwanzo na mwisho huhitaji kupakia fremu ya mwanzo na ya mwisho.
Udhibiti sahihi: Watumiaji wa hali ya juu wanaweza kupakia IC-LoRA ya Canny, Depth au Pose, na kuunganisha video ya marejeo ili kufunga muundo wa picha au mwendo.
Uteuzi wa modeli: Tumia modeli ya distilled kwa marudio ya haraka, na modeli kamili ya dev kwa video ya mwisho ili kupata maelezo yaliyo bora zaidi.

Mwendelezo wa simulizi: Uwezo asilia wa Multishot wa kuzalisha picha nyingi za kamera hudumisha kwa wakati mmoja mwonekano wa wahusika, hali ya mazingira, mwangaza na sauti kwa kiwango cha juu, na hivyo kutatua kimsingi changamoto kubwa ya mwendelezo wa picha katika uundaji wa simulizi kwa AI.
Udhibiti ulioboreshwa: Uhariri sahihi wa video huhifadhi njia ya mwendo na muundo wa anga wa video halisi. Ukiunganishwa na aina tatu za udhibiti wa IC-LoRA za Canny/Depth/Pose, huwezesha mabadiliko kutoka “kubahatisha matokeo” hadi uzalishaji unaodhibitika wa “muundo wa video halisi + ufunikaji wa mtindo wa AI”.
Mtiririko wa kiwango cha viwanda: Utoaji asilia wa RAW/HDR/EXR unaweza kuunganishwa moja kwa moja kwenye mtiririko wa kitaalamu wa upangaji wa rangi, uunganishaji wa athari maalum na uhariri wa baada ya utengenezaji, bila kubana au kubadilisha umbizo, hivyo kukidhi hitaji la tasnia ya filamu la nyenzo zisizopoteza ubora.
Ufanisi unaojibadilisha: Teknolojia ya Diffusion Fidelity Rendering hugawa rasilimali za uonyeshaji kulingana na utata wa tukio. Picha zenye mwendo changamano huonyeshwa kwa undani, huku matukio tuli na rahisi yakitumia rasilimali chache kiotomatiki, na hivyo kuongeza ufanisi wa jumla bila kuathiri ubora wa pikseli.

Tovuti rasmi ya mradi: https://ltx.io/model/ltx-2-5
Maktaba ya modeli ya HuggingFace: https://huggingface.co/Lightricks/LTX-2.5

Baada ya utengenezaji wa filamu na televisheni wa kitaalamu: Utoaji asilia wa 4K HDR, RAW na EXR usiopoteza ubora unaweza kuunganishwa moja kwa moja kwenye mtiririko wa upangaji wa rangi, uunganishaji wa athari maalum na uhariri, hivyo kukidhi mahitaji ya utengenezaji wa kiwango cha sinema na huduma za utiririshaji bila kusumbuliwa na changamoto za upangaji wa rangi za MP4 iliyobanwa.
Drama fupi na katuni za AI: Uzalishaji wa picha nyingi wa Multishot hutoa kwa mara moja mpangilio wa picha wenye simulizi linaloendelea. Uhariri sahihi wa video huunga mkono “muundo wa mwendo wa video halisi + ubadilishaji wa wahusika na ufunikaji wa mtindo wa AI”, na hivyo kutatua kimsingi changamoto mbili kuu za mwendelezo wa picha na udhibiti wa mwendo.
Matangazo na maudhui ya chapa: Tengeneza na rudia kwa haraka video za kibiashara zenye ubora wa juu. Prompt Enhancer hupunguza kizingiti cha uhandisi wa maelekezo, modeli ya Distilled huwezesha hakikisho la haraka, na modeli kamili hutoa video ya mwisho, ikichanganya ufanisi na ubora.
AI ya kimwili na roboti: Physical AI Checkpoint huwapa timu za akili iliyomo mwilini msingi wa modeli ya dunia, na kusaidia mifumo ya roboti kutambua ulimwengu wa kimwili na kanuni za mwendo, ikivuka mipaka ya uundaji wa maudhui pekee.