🎉 全新发布 | 首个开源 4K 视频模型
LTX-2 - 首个开源 4K AI 视频生成模型
体验革命性的 AI 视频生成技术 - 4K 分辨率、50 FPS、同步音频生成，完全开源免费使用
4K超高清
50 FPS流畅帧率
20s最长时长
19B参数量
强大的核心功能
LTX-2 结合了前沿 AI 技术与实用生产功能，为创作者和开发者提供专业级结果
🎬
4K 分辨率 @ 50 FPS
生成原生 4K (2160p) 视频，最高 50 帧每秒。首个实现真正超高清质量且流畅电影级效果的开源模型。
🎵
同步音频生成
首个联合音视频生成的开源权重模型。单次生成即可创建完美同步的音频，包括对话、环境音和音乐。
✨
文本 & 图片转视频
将文本提示词或静态图片转化为动态视频内容。支持多关键帧条件控制和高级控制技术。
⏱️
最长 20 秒视频
生成长达 20 秒的扩展视频片段，在整个序列中保持时间一致性和质量稳定性。
⚡
NVIDIA 优化
在 RTX 50 系列上使用 NVFP4 格式实现 3 倍性能提升。优化权重减少 40% 显存。ComfyUI 集成提升 40% 性能。
🔓
完全开源
在 Apache 2.0 许可证下完全访问模型权重、训练代码和推理管道。支持 LoRA 微调、自定义和任意部署。
Loading LTX-2 Demo...
使用提示
- •提示词越详细，生成效果越好。建议描述场景、动作、光线、风格等。
- •支持中文提示词，但英文效果可能更好
- •生成 4K 视频需要较长时间，请耐心等待
- •可以上传参考图片来获得更精准的结果
🎬
4K Resolution
Ultra HD Output
⚡
50 FPS
Smooth Motion
🎵
Sync Audio
Auto Generated
卓越的性能指标
基于 19B 参数 DiT 架构，提供行业领先的速度和质量优化
3 分钟
4K 视频生成
RTX 5090 生成 10 秒 4K 视频
19B
参数量
DiT (Diffusion Transformer) 架构
60%
显存优化
RTX 50 系列 NVFP4 格式
与竞品对比
LTX-2 与其他领先 AI 视频生成模型的对比
| 功能特性 | LTX-2 | Sora | Runway | Pika |
|---|---|---|---|---|
| 开源 | ✓ ✓ 完全开源 | ✗ | ✗ | ✗ |
| 最大分辨率 | ✓ 4K | 1080p | 4K | 720p |
| 音频生成 | ✓ ✓ 同步生成 | ✓ 同步生成 | 有限 | ✗ |
| 最大时长 | ✓ 20 秒 | 25 秒 | 10 秒 | 5 秒 |
| 本地部署 | ✓ ✓ 支持 | ✗ | ✗ | ✗ |
| 使用成本 | ✓ 低（显卡成本） | TBD | 高 | 中等 |
| 自定义训练 | ✓ ✓ LoRA | ✗ | ✗ | ✗ |
应用场景
从内容创作到研究开发，LTX-2 赋能各行业创作者和开发者
内容创作
- →生成素材库视频
- →社交媒体内容
- →营销推广视频
- →产品演示
- →视频模板
影视动画
- →预可视化
- →VFX 参考素材
- →概念开发
- →分镜动画
- →背景生成
教育培训
- →教学视频
- →模拟内容
- →教育材料
- →培训场景
- →电子学习资源
研发创新
- →AI 研究实验
- →计算机视觉训练数据
- →模型开发
- →合成数据生成
- →学术项目
常见问题
LTX-2 与其他 AI 视频模型有什么不同？▼
LTX-2 是首个完全开源的同步音视频生成模型，支持真正的 4K 分辨率和 50 FPS。与专有模型不同，LTX-2 在 Apache 2.0 许可证下提供完整的权重、训练代码和推理管道访问，支持本地执行和自定义微调。
运行 LTX-2 需要什么硬件？▼
推荐：NVIDIA RTX 40/50 系列显卡，16GB+ 显存，Python 3.10+，CUDA 12.7+。模型可以在 RTX 5090（3 分钟生成 4K 视频）或 RTX 4090 上运行。优化版本支持 FP8/FP4 格式以减少内存使用。也可使用云端部署选项。
LTX-2 真的免费使用吗？▼
是的，LTX-2 在 Apache 2.0 许可证下完全开源。您可以免费用于商业和非商业目的，修改代码，并微调模型。所有权重、训练代码和文档在 GitHub 上公开可用。
生成一个视频需要多长时间？▼
性能因硬件而异：RTX 5090 大约 3 分钟生成 4K 10 秒视频，720p 4 秒片段约 25 秒。使用 NVFP4 格式生成速度提升 3 倍。RTX 40 系列和云 GPU 提供不同的性能配置。
我可以在自己的数据上微调 LTX-2 吗？▼
可以，LTX-2 支持 LoRA 微调以自定义风格、动作模式或主体相似度。在 capable 硬件上可在不到 1 小时内完成训练。仓库包含用于自定义的训练代码和文档。