LTX-2 AI是由以色列公司Lightricks開發的一個開源的、可用於生產環境的AI視頻和音頻生成模型，於2025年10月正式推出。該模型基於DiT（Diffusion Transformer）架構，旨在通過單一模型生成同步的視頻和音頻，創建令人驚艷的4K視頻並實現音畫同步。LTX-2支持文本到視頻和圖像到視頻的生成，每片段可達約50幀/秒的高質量輸出，時長最長20秒。LTX-2基於Apache 2.0許可證發布，允許用戶通過ComfyUI進行本地一鍵部署或通過RESTful、WebSocket等API集成，為用戶提供對其視頻生成工作流程的完全控制和定製能力。模型對硬體要求相對親民，僅需8GB顯存即可在消費級GPU上運行，並設計了Fast、Pro、Ultra等多種工作模式以適應不同創作需求。
2026年1月6日，NVIDIA宣布為Lightricks的LTX-2模型開源權重版本做出最佳化，推出NVIDIA NVFP8量化模型，其NVFP4和NVFP8檢查點現已在ComfyUI中直接開放下載。2026年1月30日，官方發布了LTX-2的路線圖，計畫於2026年第一季度內推出新版本，將在細節保留、對齊一致性、音頻穩定、圖像到視頻行為、提示理解五大核心維度進行深度最佳化。
基本介紹
- 外文名：LTX-2 AI
- 類別：視頻和音頻生成模型
研發背景,發展歷程,核心技術,核心功能,使用方式,運營模式,重要事件,
研發背景
Lightricks於2025年10月23日發布了一個開源的AI視頻基礎模型LTX-2。該模型旨在生成長時間、連貫且符合物理規律的視頻。其設計側重於推理效率，參數量相對較小，適用於生產流程。Lightricks開源了LTX-2的模型權重、代碼、基準測試、數據集及相關工具鏈。
發展歷程
2025年10月23日/31日，Lightricks正式發布LTX-2模型。2025年11月，Lightricks宣布將模型權重、代碼、基準等於GitHub上公開。
2026年1月6日，LTX-2模型正式發布並開放下載；同日，NVIDIA在CES 2026上宣布為LTX-2的開源權重版本進行最佳化，推出NVFP8量化模型，並發布了由RTX加速的視頻生成工作流。
2026年1月7日/8日/12日，Lightricks團隊正式開源LTX-2模型，報導了其開源訊息及與ComfyUI的集成情況，用戶可在ComfyUI中下載並使用最佳化後的模型。
2026年2月，持續報導模型的技術細節，其技術論文《LTX-2: Efficient Joint Audio-Visual Foundation Model》受到關注。
核心技術
LTX-2是一種基於DiT（Diffusion Transformer）架構的音視頻基礎模型，旨在通過單一模型生成同步的視頻和音頻。其核心技術採用非對稱雙流並行架構，通過視頻流（140億參數）和音頻流（50億參數）的協同處理，實現音視頻一體化生成。
LTX-2的技術核心是對潛變空間壓縮與生成解碼的再設計，採用類似於Stable Diffusion的UNet架構，但經過重新最佳化的編碼器可在更低維度下保持圖像品質。其技術組件包括混合擴散-變壓器架構、多GPU推理堆疊、原生QHD/4K渲染與多尺度預覽、幀級精度及多關鍵影格調節。模型支持語義引導擴散，能更準確地理解文字提示。
模型支持多模態輸入，文字、圖像、視頻、音頻、深度圖等皆可作為輸入，並能夠一次同步生成視頻與配套音頻（包括對話、配樂、環境音效）。模型通過可控低秩適配增強（LoRA）技術提供了高級條件控制功能，支持用戶通過多關鍵幀進行精細化創作控制。
LTX-2強調“高效推理”而非單純追求龐大參數量，傾向於小而快的方向，專為生產流程設計。它支持從6秒片段到20秒長視頻的生成，並支持最高4K解析度、約50FPS的高幀率輸出。模型經過最佳化，可在消費級GPU上運行，大幅降低了高質量音視頻生成的門檻。
核心功能
LTX-2 AI提供開源模型（Apache 2.0 許可證），支持本地部署和ComfyUI集成。平台具備原生音畫同步功能，可生成與視覺內容匹配的對話、環境音效和音樂。系統支持高達 50 FPS 的超高清（4K）視頻生成，涵蓋文本到視頻和圖像到視頻兩種創作方式。
根據官方於2026年1月30日發布的路線圖，LTX-2計畫於2026年第一季度內推出新版本，將在細節保留、對齊一致性、音頻穩定、圖像到視頻行為、提示理解五大核心維度進行深度最佳化。具體改進包括引入新一代VAE以提升細節保留能力，強化條件對齊，最佳化音頻生成減少靜音和噪聲，改善圖像到視頻動態表現，以及更新文本編碼連線器增強提示理解。
使用方式
使用LTX-2創建視頻的步驟包括：輸入文本提示描述場景或上傳參考圖片；LTX-2處理輸入後生成帶有音頻的視頻；生成的視頻可以下載或通過API集成。
可通過ComfyUI進行可視化操作，ComfyUI Manager中內置了相關節點。需安裝ComfyUI，在custom_nodes目錄下克隆LTX-2節點，下載模型檔案後載入使用。
LTX-2可在消費級GPU上運行，最低需要8GB顯存。在支持特定量化技術的GPU上運行時，運行效率可能有所提升，顯存占用降低。
生成視頻的寬度和高度必須能被32整除，幀數必須滿足(8 + 1)的整數倍。
運營模式
LTX-2採用徹底透明的開源策略，在GitHub上提供完整的模型權重、數據集、代碼及工具鏈。該模型強調可在消費級GPU上本地運行，最低僅需8GB顯存，降低了個人創作者和研究者的使用門檻。對於希望直接調用服務而非自行部署的用戶，Lightricks提供了商業API接口。在技術生態方面，LTX-2已集成至Diffusers Python庫，並深度集成到ComfyUI等可視化工作流工具中；此外，NVIDIA為其開源權重版本推出了NVFP4/NVFP8量化模型，最佳化了在RTX系列GPU上的運行效率與顯存占用。
重要事件
2025年10月31日，Lightricks正式推出其全新AI視頻生成模型LTX-2，該模型專為內容創作者設計，可在數秒內生成高解析度、風格一致且動作流暢的短視頻，並計畫集成於其旗下套用Videoleap和Facetune Video。2025年，Lightricks團隊發布技術論文《LTX-2: Efficient Joint Audio-Visual Foundation Model》（arXiv:2601.03233, 2025），系統闡述了模型的技術原理與架構。
2026年1月6日，在CES 2026上，NVIDIA宣布為Lightricks的LTX-2音視頻生成模型開源權重版本進行最佳化，推出NVFP8量化模型，旨在提升在RTX GPU上的性能並降低顯存占用，同時LTX-2模型於當日正式發布並開放下載。2026年1月7日，Lightricks正式開源LTX-2模型，公開了全部模型權重、代碼及訓練框架，實現了長達20秒、4K解析度且音畫同步的高清視頻生成能力。2026年1月，NVIDIA推出的NVFP4和NVFP8量化檢查點（Checkpoints）已在ComfyUI中直接開放下載，與LTX-2模型集成。
