LTX-2.5 Đang hoạt động

LTX-2.5 là mô hình nền tảng tạo video AI mã nguồn mở của LTX, sở hữu 22B tham số và được phát hành với trọng số mở. Mô hình hỗ trợ tạo native nhiều cảnh quay, quy trình chuyên nghiệp 4K HDR và RAW/EXR, đồng thời có thể tạo âm thanh đồng bộ và chỉnh sửa video chính xác. Trong bối cảnh các mô hình đóng ngày càng đắt đỏ, LTX-2.5 cung cấp một giải pháp mã nguồn mở cấp chuyên nghiệp cho lĩnh vực video AI với chiến lược phát triển hệ sinh thái mở.

Tạo native nhiều cảnh quay: Chỉ với một lần tạo, mô hình có thể xuất ra nhiều cảnh liên tiếp từ các góc máy và cỡ cảnh khác nhau, đồng thời duy trì tính nhất quán cao về hình ảnh nhân vật, bầu không khí môi trường, điều kiện ánh sáng và âm thanh giữa các lần chuyển cảnh, giải quyết vấn đề cốt lõi về tính liên tục của cảnh quay trong sáng tác cốt truyện bằng AI.
Kết xuất khuếch tán trung thực: Tự động phân bổ tài nguyên kết xuất theo độ phức tạp của cảnh. Các cảnh chuyển động phức tạp nhận được nhiều tài nguyên tính toán hơn, còn cảnh tĩnh hoặc đơn giản sẽ tự động tiết kiệm tài nguyên, nâng cao hiệu suất tổng thể trong khi vẫn đảm bảo chất lượng hình ảnh.
Chỉnh sửa video chính xác: Giữ nguyên quỹ đạo chuyển động và cấu trúc không gian của cảnh quay thực ban đầu, đồng thời thực hiện chuyển đổi phong cách, vẽ lại bối cảnh và thay thế nhân vật với độ chính xác cao, tạo ra quy trình sáng tác có kiểm soát theo mô hình “khung xương quay thật + phủ phong cách AI”.
Dự đoán thời lượng tự động: Tích hợp mô-đun Duration Head, đọc mô tả hành động trong prompt để tự động xác định độ dài đoạn video phù hợp nhất, giúp nhà sáng tạo không phải thử nghiệm lặp đi lặp lại.
Định dạng đầu ra cấp chuyên nghiệp: Hỗ trợ xuất native 4K HDR, RAW và EXR không nén, có thể kết nối trực tiếp với quy trình chỉnh màu, compositing hiệu ứng và dựng hậu kỳ chuyên nghiệp.
Tạo âm thanh đồng bộ: Thông qua mô-đun Audio VAE độc lập, tạo đồng thời một track âm thanh phù hợp với video.
Kiểm soát chính xác bằng IC-LoRA: Cung cấp ba chế độ điều khiển video tham chiếu gồm Canny cạnh, Depth độ sâu và Pose tư thế, giúp kết quả tạo ra tuân thủ chặt chẽ bố cục, cấu trúc không gian hoặc chuyển động nhân vật trong素材 tham chiếu.

Theo dõi WeChat và trả lời “开源” để tham gia nhóm trao đổi các dự án AI mã nguồn mở
Bộ mã hóa văn bản Gemma 4 12B: Bộ mã hóa mô hình ngôn ngữ lớn được Lightricks tùy chỉnh riêng cho LTX, có thể giữ lại đầy đủ quan hệ giữa nhiều chủ thể, chi tiết hành động, mô tả ánh sáng và hướng máy quay trong các prompt dài phức tạp, không làm mất thông tin ở các mệnh đề phụ khi prompt dài hơn.
Prompt Enhancer: Mô hình hỗ trợ nhẹ, tự động mở rộng prompt ngắn của người dùng thành chỉ dẫn chi tiết mang tính điện ảnh, hạ thấp ngưỡng kỹ thuật viết prompt với chi phí tính toán cực thấp.
Diffusion Video Decoder: Kiến trúc mới thay thế bộ giải mã VAE truyền thống, được tối ưu riêng cho các cảnh chuyển động nhanh, giảm đáng kể hiện tượng nhòe và nhiễu ảnh, giúp khuôn mặt rõ hơn và văn bản dễ đọc hơn.
Audio VAE: Bộ mã hóa không gian tiềm ẩn âm thanh độc lập, chịu trách nhiệm ánh xạ nội dung video thành biểu diễn âm thanh tương ứng, qua đó tạo hình ảnh và âm thanh đồng bộ.
Diffusion Fidelity Rendering: Áp dụng chiến lược kết xuất hai giai đoạn “cấu trúc trước, chi tiết sau”. Giai đoạn đầu xây dựng chuyển động, bố cục và khung cảnh trong không gian tiềm ẩn nén thời gian 8×, đồng thời tự động tạo các khung hình chính có độ trung thực cao; giai đoạn hai khuếch tán và kết xuất video cuối cùng dựa trên cấu trúc cùng các khung hình chính, phân tích kết cấu, chất liệu và chi tiết khuôn mặt với độ chính xác đến từng pixel.
Duration Head: Mô-đun dự đoán được triển khai trước quá trình khuếch tán. Thông qua việc hiểu ngữ nghĩa hành động trong prompt, mô-đun tự động suy luận và xuất ra thời lượng video phù hợp nhất, giúp mô hình bước đầu nhận biết nhịp điệu kể chuyện.

Chọn phương thức: Quyết định sử dụng dịch vụ đám mây API hoặc triển khai cục bộ bằng ComfyUI.
Tích hợp API: Đăng ký API Key trên trang web chính thức của LTX, chọn gói Fast hoặc Pro để gọi API.
Cài đặt node: Khi triển khai cục bộ, cần cập nhật ComfyUI lên phiên bản mới nhất và cài gói node ComfyUI-LTXVideo thông qua Manager.
Tải mô hình: Tìm kiếm “LTX-2.5″ trong trình duyệt template của ComfyUI, chọn workflow tương ứng rồi tải xuống toàn bộ tệp mô hình chỉ bằng một lần nhấp.
Cấu hình tham số: Đặt chiều rộng và chiều cao là bội số của 32, số khung hình là bội số của 1+8, tốc độ khung hình 24/25/48/50fps, đặt độ phân giải cơ bản bằng một nửa mục tiêu để bật phóng đại 2×.
Viết prompt: Dùng một đoạn văn mạch lạc để mô tả cỡ cảnh, ánh sáng bối cảnh, hành động nhân vật, chuyển động máy quay và âm thanh; tránh xếp chồng thẻ hoặc sử dụng cú pháp trọng số.
Thực hiện tạo: Nhấn chạy để tạo video trực tiếp từ văn bản; chế độ ảnh sang video cần tải lên khung hình đầu; chế độ khung hình đầu-cuối cần tải lên cả khung hình đầu và cuối.
Kiểm soát chính xác: Người dùng nâng cao có thể tải IC-LoRA ở chế độ Canny, Depth hoặc Pose, kết nối video tham chiếu để khóa bố cục hoặc chuyển động.
Chọn mô hình: Dùng mô hình distilled để lặp nhanh, dùng mô hình dev đầy đủ cho sản phẩm cuối nhằm đạt chi tiết tinh tế hơn.

Tính liền mạch trong kể chuyện: Khả năng tạo native nhiều cảnh Multishot, trong một lần xuất vẫn duy trì tính nhất quán cao về hình ảnh nhân vật, bầu không khí môi trường, điều kiện ánh sáng và âm thanh, giải quyết tận gốc vấn đề lớn nhất về tính liên tục của cảnh quay trong sáng tác cốt truyện bằng AI.
Khả năng kiểm soát vượt trội: Tính năng chỉnh sửa video chính xác giữ nguyên quỹ đạo chuyển động và cấu trúc không gian của cảnh quay thực ban đầu. Kết hợp với ba chế độ điều khiển IC-LoRA Canny/Depth/Pose, quy trình sản xuất chuyển từ “chọn kết quả một cách mù quáng” sang “khung xương quay thật + phủ phong cách AI” có thể kiểm soát.
Quy trình cấp công nghiệp: Đầu ra RAW/HDR/EXR native có thể kết nối trực tiếp với quy trình chỉnh màu, compositing hiệu ứng và dựng hậu kỳ chuyên nghiệp, không cần nén hoặc chuyển mã, đáp ứng nhu cầu bắt buộc về dữ liệu không nén trong ngành điện ảnh.
Hiệu suất thích ứng: Công nghệ Diffusion Fidelity Rendering phân bổ tài nguyên kết xuất động theo độ phức tạp của cảnh. Cảnh chuyển động phức tạp được kết xuất chi tiết, cảnh tĩnh đơn giản tự động tiết kiệm tài nguyên, nâng cao hiệu suất tạo tổng thể trong khi vẫn đảm bảo chất lượng hình ảnh đến từng pixel.

Trang web chính thức: https://ltx.io/model/ltx-2-5
Kho mô hình HuggingFace: https://huggingface.co/Lightricks/LTX-2.5

Hậu kỳ điện ảnh chuyên nghiệp: Đầu ra 4K HDR, RAW và EXR không nén native có thể kết nối trực tiếp với quy trình chỉnh màu, compositing hiệu ứng và dựng phim, đáp ứng nhu cầu hậu kỳ cấp rạp chiếu và nền tảng phát trực tuyến mà không phải chịu đựng những vấn đề chỉnh màu do MP4 nén gây ra.
Phim ngắn AI và phim hoạt hình AI: Tạo Multishot nhiều cảnh để xuất storyboard kể chuyện liền mạch trong một lần, trong khi tính năng chỉnh sửa video chính xác hỗ trợ “khung xương chuyển động quay người thật + thay thế nhân vật và phủ phong cách AI”, giải quyết tận gốc hai vấn đề lớn là tính liên tục của cảnh quay và khả năng kiểm soát chuyển động.
Quảng cáo và nội dung thương hiệu: Lặp nhanh các video thương mại chất lượng cao, sử dụng Prompt Enhancer để hạ thấp ngưỡng kỹ thuật viết prompt, mô hình Distilled hỗ trợ xem trước nhanh, còn mô hình đầy đủ xuất bản thành phẩm cuối, cân bằng hiệu suất và chất lượng.
Physical AI và robot: Physical AI Checkpoint cung cấp nền tảng mô hình thế giới cho các nhóm phát triển trí tuệ thể hiện, giúp hệ thống robot nhận thức thế giới vật lý và các quy luật chuyển động, vượt ra ngoài phạm vi sáng tạo nội dung thuần túy.