LTX-2 – Lightricks推出的电影级AI视频生成模型

LTX-2是什么

LTX-2 是 Lightricks 开发的先进 AI 视频生成模型，专为高质量视频创作设计。能以原生 4K 分辨率和 50fps 的帧率生成电影级视频，支持多模态输入，包括文字、图片和草图，同时提供精细控制功能，可调节镜头角度、物体动作、时间节奏等。LTX-2 采用混合架构，结合扩散模型和 Transformer，具备多 GPU 推理能力，生成速度极快。支持 LoRA 微调，可快速训练出符合特定风格的模型。

LTX-2的主要功能

高质量视频生成：能以原生4K分辨率和50fps帧率生成电影级视频，画面风格一致，无闪烁或结构塌陷，可直接用于专业影视制作。
多模态输入与精细控制：支持文字、图片、草图等多种输入方式，同时提供镜头角度、物体动作、时间节奏等精细控制功能，满足创作者的多样化需求。
音画同步生成：在同一个扩散过程中同时生成画面和声音，实现角色说话时嘴型和语音同步、爆炸时音效和光线同步等效果，提升视频的真实感和专业性。
多 GPU 推理与高效生成：具备多 GPU 推理能力，推理效率比前代模型快2 – 3倍，支持多线程 GPU 并行，生成速度比播放速度还快，大大提高了创作效率。
多尺度渲染与实时预览：采用多尺度渲染技术，先快速生成低分辨率预览，然后放大成高质量4K版本，既保证了生成速度，又确保了最终输出的高质量。

LTX-2的技术原理

混合架构：LTX-2采用Diffusion Transformer混合架构，结合扩散模型和Transformer架构优势，既理解内容又能生成真实画面和声音。
多 GPU 推理：支持多 GPU 并行推理，推理效率比前代模型快2 – 3倍，生成速度比播放速度还快。
多尺度渲染：先快速生成低分辨率预览，再放大成高质量4K版本，兼顾生成速度和最终输出质量。
精细控制：支持多模态输入，可调节镜头角度、物体动作、时间节奏等，还支持LoRA微调，用少量数据训练出符合特定风格的模型，保持风格一致性。
LoRA 微调与风格一致性：内置LoRA微调机制，允许用少量素材训练出“专属风格模型”，保持品牌或工作室的视觉调性，确保视频风格的一致性。