LTX-Video

📌 核心价值：开源视频生成模型里跑得最快的一个——一张消费级显卡就能把文字或图片变成电影级短片。

LTX-Video 是 Lightricks 开源的、首个基于 DiT（扩散变压器）的视频生成模型，把文生视频、图生视频、视频扩展、视频转视频和关键帧控制集成进单一模型，权重完全开放。

---

🚀 什么是 LTX-Video？

LTX-Video 由「轻颜相机」背后的公司 Lightricks 开源，是业界第一个把现代视频生成核心能力全部塞进一个模型的开源方案。它基于 DiT 架构，支持从文字、图片、视频多种输入生成新视频，并且官方承诺开放权重 + 开放推理代码，克隆下来就能本地跑，不依赖任何云服务队列。

核心定位：开源视频生成里速度最快、对显卡最友好的选择——同画质下比主流开源模型快 2–3 倍。

它的能力不只有"文生视频"一种。你可以：

• 给一张静态图，让它动起来（图生视频）；
• 把一段视频往前或往后延展，拼成更长镜头（视频扩展）；
• 对已有视频做风格迁移（视频转视频）；
• 用多张图或短视频指定关键帧，精确控制镜头走向（多关键帧条件控制）。

---

✨ 核心功能一览

模型家族分成两档：13B 全量模型负责最高画质，2B 蒸馏模型负责速度。2B 蒸馏版通过减少扩散步数并去掉 CFG/STG 引导，速度提升约 15 倍，可在消费级显卡上接近实时；FP8 量化版进一步压低显存，官方称在 H100 上能实时生成。还有 LoRA 蒸馏版（lora128）仅需约 1GB 显存，以及社区贡献的 Q8 版，在 RTX 4060（8GB）上也能一分钟出片。

---

🛠️ 快速上手：5 分钟跑通示例

安装

# 方式一：Hugging Face Diffusers（最轻量）
pip install diffusers transformers accelerate torch

# 方式二：ComfyUI 官方节点（可视化工作流，社区生态最完整）
# 安装 ComfyUI-LTXVideo，或直接在 ComfyUI 模型浏览器搜索 LTX-Video

核心代码示例（Diffusers）

import torch
from diffusers import DiffusionPipeline
from diffusers.utils import export_to_video

# 加载开放权重，bf16 省显存
pipe = DiffusionPipeline.from_pretrained(
    "Lightricks/LTX-Video", torch_dtype=torch.bfloat16
)
pipe.enable_model_cpu_offload()

# 一句话生成电影感短片
prompt = "A cinematic shot of a vintage car driving down a coastal road at golden hour."
video_frames = pipe(
    prompt,
    num_inference_steps=50,
    height=512,
    width=768,
    num_frames=240,          # 240 帧 ≈ 10 秒 @24fps
    guidance_scale=8.0,
    generator=torch.Generator("cpu").manual_seed(42),
).frames[0]

export_to_video(video_frames, "ltx_video_example.mp4", fps=24)

注意：显存门槛是分水岭——2B 蒸馏版 12GB 显存即可运行，13B 全量版需要 24GB（如 RTX 4090）；宽度和高度必须能被 32 整除。

---

📊 与竞品对比

2026 年开源视频三强——LTX-Video（Lightricks）、Wan2.2（阿里巴巴）、HunyuanVideo（腾讯）——定位各不相同：

• LTX-Video：用 1/3 到 1/2 的时间出片，最适合风格化、动画、产品动效类内容；官方公布 VBench 综合评分 89.38%，在细节保真与运动连贯维度名列前茅。
• Wan2.2：写实质感最佳，人脸、皮肤、毛发渲染最强，但最慢、最吃显存（Apache-2.0，商用最省心）。
• HunyuanVideo：运动与物理最自然，流体、布料、物体交互更真实，但全精度显存需求高。

简单说：要快、要风格化、显卡一般 → 选 LTX-Video；要照片级写实 → 选 Wan2.2；要自然物理运动 → 选 HunyuanVideo。

---

💡 适用场景（全部为官方真实演示输出）

功能一：文生视频（T2V）

只给一句提示词，模型直接生成 5–10 秒视频。下面的三张都是仓库官方的文生视频样例：

功能说明：输入自然语言描述（风格、光线、运镜、主体动作），输出连贯短视频。 输入要求：一段结构化英文提示词（建议包含视觉风格 + 主体动作 + 镜头运动）。 输出效果：480p–720p 短片，2B 蒸馏版可在 12GB 显卡上接近实时迭代。 适用场景：创意短视频草稿、广告分镜预演、社媒内容快速产出。

---

功能二：图生视频（I2V）

上传一张静态图，模型为它注入运动、镜头推移与表情变化：

功能说明：以单张图为首帧，生成带自然运镜的动态镜头。 输入要求：一张参考图（人物、产品、场景均可）。 输出效果：姿态、表情、光影随运动连贯演化，适合把静帧"盘活"。 适用场景：电商产品动效、角色动画、老照片/概念图动态化。

---

功能三：条件生成（IC2V，关键帧控制）

功能说明：通过 --conditioning_media_paths 传入一组图片或短视频片段，并指定目标帧号和强度，精确约束生成结果。 输入要求：多张关键帧图 + 目标帧位置参数。 输出效果：镜头在关键帧之间平滑过渡，构图与主体完全可控。 适用场景：分镜动画、多视角产品展示、可控广告片。

---

用户群体总结

• ✅ 短视频创作者：本地迭代、零 API 成本、风格化灵活。
• ✅ 电商/产品团队：图生视频一键出产品动效。
• ✅ 动画/风格化内容：LTX-Video 的强项区间。
• ✅ 隐私敏感场景：数据不出本机。
• ❌ 不适合：追求极致照片级写实（选 Wan2.2）、超长电影级单镜头（选 HunyuanVideo 或 LTX-2）。

---

💰 开源协议与成本

LTX-Video 采用 Lightricks 社区开源权重许可：开放权重，个人与中小团队可免费用于研究和商用；年营收超过 1000 万美元的企业需向 Lightricks 购买商业授权。其下一代 LTX-2 沿用同一许可框架。

💡 成本优势：本地生成零边际成本——除电费与显卡折旧外没有按秒计费，数据全程不上云。

官方生态入口：

• LTX-Studio 在线试玩：app.ltx.studio
• 文档站：docs.ltx.video
• 托管推理：Fal.ai / Replicate（不想本地跑可选）

---

🎯 总结

LTX-Video 把"视频生成大模型"从云 API 拉回了本地显卡。它不一定是画质最顶的那个，但一定是最快、对显卡最友好、迭代最爽的开源选择——尤其适合风格化内容、电商动效和隐私本地生成。配合 ComfyUI 生态和丰富的 LoRA/IC-LoRA 控制，普通创作者用一张 4090 就能跑起电影级短片工作流。

推荐指数： ⭐⭐⭐⭐⭐（满分 5 星）

适合人群： 短视频创作者、电商产品团队、动画/风格化内容制作者、重视数据隐私的团队。

立即体验： LTX-Video GitHub 仓库

---

数据截至 2026-09-13，最新信息请以官网为准。