Lightricks 发布 LTXV 模型更新: 图像到视频生成突破 60 秒

60 秒视频生成: 从短片到长篇叙事的飞跃

LTXV 的最新版本通过引入自回归流式架构，实现了从单一图像生成长达 60 秒的高质量视频。相较于传统模型的短时输出，LTXV 能够在生成过程中实时流式传输视频，首秒内容几乎瞬时呈现，随后持续构建场景。这种技术不仅支持更长的视频生成，还确保了动作和叙事的平滑连贯性，为创作者提供了前所未有的叙事表达空间。

用户可通过输入详细的文本提示，结合初始图像，生成分辨率为 768x512 或更高 （如 1216x704） 的视频，帧率为 24FPS。LTXV 的多尺度渲染技术先以低分辨率捕捉粗略动作，再逐步优化细节，确保视频在速度与质量之间达到最佳平衡。

实时控制与创作灵活性

LTXV 模型的更新引入了动态场景控制功能，允许用户在视频生成过程中实时调整姿势、深度或风格等元素。借助 Lightricks 的 IC-LoRA 技术，创作者可以持续应用控制信号 （如姿势检测或边缘检测），实现对视频细节的精准把控。这种 「边生成边导演」 的能力，使得 LTXV 从单一的提示生成工具，转变为真正的长篇叙事平台。

此外，LTXV 支持多种生成模式，包括文本到视频、图像到视频、关键帧动画以及视频扩展，用户甚至可以结合多个图像或短视频片段作为条件，生成复杂的视频内容。这种灵活性使其适用于从社交媒体短视频到交互式教育内容、甚至实时 AR 视觉效果的广泛场景。

高效与开源: 赋能广泛创作者

LTXV 的另一个亮点是其高效性和硬件友好性。得益于 130 亿参数的模型架构和 bfloat16 精度优化，LTXV 能在消费级 GPU（如 NVIDIARTX4090 或 5090） 上以极低的 VRAM 需求 (最低 8GB) 运行，生成 60 秒视频仅需数秒。例如，在 H100GPU 上，LTXV 可在 4 秒内生成 5 秒视频，速度快于实时播放。相比之下，竞品模型如 OpenAI 的 Sora 通常需要多 GPU 集群支持，计算成本高昂。

作为开源模型，LTXV 的代码和权重已在 GitHub 和HuggingFace上免费提供，遵循 LTXVOpenWeightsLicense，支持学术研究和社区开发。Lightricks 还发布了配套工具，如 LTX-Video-Trainer 和 ComfyUI 集成工作流，进一步降低使用门槛。

行业影响与未来前景

Lightricks 的此次更新将 AI 视频生成推向了新的高度。60 秒视频生成能力的突破，不仅为独立创作者、营销团队和游戏开发者提供了快速生成长篇内容的能力，也为实时交互式应用 （如动态 AR 视觉或玩家驱动的游戏过场动画） 奠定了基础。

社交媒体反馈显示，用户对 LTXV 的速度和质量赞不绝口。例如，有用户表示在 RTX4080 上生成 768x512 视频仅需 45 秒，而 60 秒视频的生成效果也令人惊叹，尽管部分用户提到工作流设置仍需优化。

然而，LTXV 的非商业用途限制 （仅限学术和研究） 可能对部分商业创作者构成挑战。Lightricks 表示，未来将在其旗舰平台 LTXStudio 中推出支持 60 秒视频的商业版本，进一步扩大应用场景。

AIbase 认为，LTXV 的更新重新定义了 AI 视频创作的可能性，其开源策略和高效性能将加速行业创新。未来，随着模型的进一步优化，LTXV 有望在专业影视制作和实时内容生成领域占据重要地位。