LTX-2 est le premier modèle de génération vidéo 4K synchronisé audio-vidéo au monde publié par Lightricks, générant des vidéos HD de 20 secondes à 50 images par seconde avec prise en charge de l'entrée texte/image. Il permet la synchronisation des personnages et des voix, peut être exécuté et déployé localement dans ComfyUI, et sera mis en open-source à la fin du mois de novembre. En tant qu'outil de création de qualité professionnelle, LTX-2 permet de "transformer un texte en un court métrage cinématographique".
- Ce résumé est généré par une IA qui analyse le contenu de l'article à des fins d'information uniquement.
"L'IA ne se contente plus de générer des images, elle commence à réaliser des films.
Aujourd'hui même, une avancée décisive a été réalisée dans le domaine de la vidéo d'IA - laLightricks lance officiellement le LTX-2Il s'agit d'un nouveau produit qui peut êtreGénérez des vidéos HD narratives de 20 secondes, en résolution 4K, 50 images/seconde, avec effets sonores et synchronisation labiale complets, en un seul passage.Le modèle génératif de la
Plus précisément :Il est déjà en ligne sur ComfyUIIl prend en charge la saisie de textes et d'images, produit des films en quelques secondes et fonctionne localement !
Si Sora est une bande-annonce du futur, le LTX-2 est une bande-annonce du futur.Des outils créatifs qui fonctionnent--Il fait de la formule "écrire un paragraphe → obtenir un court métrage" une réalité.
🎬 Qu'est-ce que LTX-2 ? Ce n'est pas seulement la génération de vidéos, c'est la "création au niveau du réalisateur".
LTX-2 par une société renommée de logiciels créatifs Lightricks(l'équipe à l'origine de Facetune et Videoleap), c'est actuellement l'outil le plus populaire de l'industrie.Première synchronisation de l'image et du son dans un seul processus de diffusiondu modèle vidéo.
La percée du noyau :
- ✅ Génération synchronisée d'audio et de vidéoLes personnages parlent avec des bouches qui correspondent à leurs voix, les effets sonores sont synchronisés avec les éclairs de lumière lorsqu'ils explosent, et les rythmes de marche correspondent au son de leurs pas ;
- ✅ Sortie native 4K / 50fpsLa qualité de l'image : dépasse la norme traditionnelle de 24 images par seconde pour le cinéma et la télévision, sans scintillement ni rupture structurelle de l'image ;
- ✅ Entrées multimodalesLes pilotes de texte, d'image et d'esquisse sont pris en charge ;
- ✅ Contrôle fin des directeursVous pouvez spécifier le chemin de la caméra, le mouvement des objets, le style d'éclairage et le tempo du clip ;
- ✅ L'initiative "Open Source" dans son intégralitéLes pondérations, les codes et les points de référence des modèles seront disponibles dans le site web de l'UE. Open source fin novembre 2025. ;
- ✅ opération localeLa solution de gestion de l'information de l'entreprise : RTX 4090 ou Mac Studio prêt à être déployé, pas besoin de s'appuyer sur le nuage.
Il ne s'agit pas d'un "jouet animé par l'IA".Des outils de qualité professionnelle qui peuvent être utilisés directement dans les publicités, les esquisses et les avant-premières de films..
🧪 Cas d'utilisation réel : Que peut vraiment faire le LTX-2 ?
LTX-2 n'est pas seulement un "générateur de vidéo", mais un "réalisateur IA" qui comprend vraiment la relation entre le langage de la caméra, le rythme, l'ambiance et le son. Voici cinq cas de test représentatifs, tous basés sur l'invite que vous avez fournie, générés par LTX-2 en une seule fois.Les graphiques, l'action, les dialogues, les effets sonores et les mouvements de caméra sont tous synchronisés.
✅ Cas 1 : S'échapper des rues nocturnes de New York - Une tension cinématographique qui tourne en rond
Prompt: :
L'homme dit silencieusement : "Nous devons courir" La caméra zoome sur sa bouche et crie immédiatement : "MAINTENANT". La caméra fait un zoom arrière, il se retourne et commence à courir, la caméra suit sa course. La caméra fait un zoom arrière, il se retourne et commence à s'enfuir, la caméra suit sa course à la main. La caméra fait un zoom avant et montre le jeune homme s'enfuir au loin dans la rue, dans une nuit animée de New York.
à la fin: :
- L'ouverture est silencieuse, la caméra s'approche lentement des lèvres de l'homme, dont le souffle tremble légèrement ;
- "Au moment où elle éclate, les effets sonores et la caméra s'éloignent brusquement, tandis que les lampadaires clignotent et que la circulation gronde ;
- L'action de course à suivre à la main est naturelle et fluide, avec des pas qui correspondent au rythme des halètements ;
- Le dernier plan à la grue s'élève alors que la silhouette de l'homme s'estompe dans les rues éclairées de New York, avec en arrière-plan des sons d'ambiance (sirènes, klaxons, foule).
Il ne s'agit pas d'une "animation IA", mais d'une séquence de qualité cinématographique qui peut être utilisée directement dans l'ouverture d'un film d'action.
✅ Cas 2 : Monster Truck Rampage - Le flou de mouvement rencontre le suivi de l'objectif !
Prompt: :
un plan cinématographique plein d'action d'un camion monstre roulant rapidement vers la caméra, le camion passe devant la caméra qui fait un panoramique vers la gauche pour suivre la conduite imprudente du camion. Le camion dérive et fait demi-tour, puis revient vers la caméra jusqu'à ce qu'il soit vu à une distance extrême. Le camion dérive et fait demi-tour, puis revient vers la caméra jusqu'à ce qu'il soit vu en très gros plan.
à la fin: :
- Le camion fonce de face, les pneus font tourbillonner la poussière et la caméra tremble violemment pour simuler une prise de vue à main levée ;
- L'image produit naturellement un flou de mouvement et la profondeur de champ change au fur et à mesure que le véhicule passe ;
- La conduite en slalom est fluide et le rugissement du moteur est synchronisé avec le bruit du frottement des pneus ;
- Finalement, le gros plan extrême se fixe sur les phares de la voiture, reflétant une lumière et des ombres déformées, et les effets sonores s'arrêtent brusquement pour créer une tension dramatique.
La compréhension de la "vitesse" et du "retour physique" par LTX-2 est proche du niveau des équipes professionnelles d'effets spéciaux.
✅ Cas 3 : Daytime Talk Show - Tension émotionnelle et précision du rythme de montage
Prompt: :
NT. SET DE TALK-SHOW DE JOUR - APRÈS-MIDI
Le public murmure faiblement tandis que la caméra fait un panoramique pour révéler trois invités assis sur un canapé - un couple d'âge moyen et l'animateur de l'émission assis en face d'eux. un couple d'âge moyen et l'animateur de l'émission assis en face d'eux.
L'hôte se penche vers l'avant, d'une voix ferme mais pénétrante.
Animateur : "Quand avez-vous remarqué pour la première fois que votre fille, Missy, commençait à tourner en rond ?"
Le visage de la femme s'effondre, elle respire difficilement et se met à pleurer. Son mari pose une main réconfortante sur son épaule, regarde vers le bas avant de se retourner vers l'animateur. Son mari pose une main réconfortante sur son épaule, regarde vers le bas avant de se retourner vers l'hôte.
Père (calmement, avec culpabilité) : "Nous... nous ne savons pas ce que nous avons fait de mal."
Le studio reste silencieux pendant un moment. La caméra se tourne vers l'animateur, qui regarde gravement dans l'objectif.
Animateur (à la caméra) : "Jetons un coup d'œil à un court article que notre équipe a préparé - relatant la trajectoire descendante de Missy. Le chemin vers le bas."
Les lumières s'assombrissent légèrement tandis que la caméra se concentre sur le visage baigné de larmes de la mère. Les moniteurs du studio s'animent, commençant à jouer la séquence tandis que le public retient son souffle. Les moniteurs du studio s'animent et commencent à diffuser la séquence, tandis que le public retient son souffle.
à la fin: :
- L'image restitue l'éclairage et les tons classiques des talk-shows de jour, avec une lumière jaune chaude et douce qui crée une atmosphère déprimante ;
- La mère pleure grâce à de subtiles micro-expressions faciales et aux mouvements naturels des mains du mari ;
- Le présentateur se tourne vers le "quatrième mur" de la caméra et le brise, en parlant d'un ton calme et en regardant directement le public ;
- Au fur et à mesure que la caméra se rapproche du visage en larmes de la mère, le bruit de fond s'estompe, ne laissant que le son de la respiration ;
- La conclusion est la suivante.Lorsque le présentateur dit "Regardons...", le LTX-2 génère automatiquement une transition "film dans le film" - l'écran s'allume, l'image change, le public retient son souffle - et le public reste bouche bée. -L'écran s'allume, l'image bascule, le public retient son souffle -L'ensemble du processus est réalisé en une seule fois, sans qu'il soit nécessaire d'effectuer des raccords en post-production..
Ce n'est plus la "génération vidéo", c'est la "génération de la vidéo".Construction automatique de structures narratives.
✅ Cas 4 : Drame familial absurde - Humour noir et contrastes visuels combinés
Prompt: :
La caméra fait un gros plan cinématographique sur une femme et un homme d'une trentaine d'années, qui se font face avec des expressions sérieuses. La femme, émotive et dramatique, dit doucement : "C'est ça... Papa a perdu la tête. Papa l'a perdu. Et nous avons perdu papa."
L'homme expire, légèrement agacé : "Arrête de dramatiser, Jess".
Il jette un coup d'œil de côté, puis marmonne sur la défensive : "Il s'amuse, c'est tout".
La caméra effectue un lent panoramique vers la droite, révélant le grand-père dans le jardin, portant d'énormes ailes de papillon, agitant les bras en l'air comme s'il essayait de s'envoler. comme s'il essayait de s'envoler.
Il crie "Wheeeew !" en battant des ailes avec un engagement total.
La femme se couvre le visage, au bord des larmes. Le ton est impassible, absurde et tranquillement tragique.
à la fin: :
- La scène d'ouverture montre les deux hommes face à face, dans une ambiance déprimante, tandis que la caméra effectue un lent panoramique vers la droite ;
- Le grand-père fait irruption dans le tableau en portant d'immenses ailes de papillon, ses mouvements sont exagérés mais rythmés avec précision ;
- "Wheeeew !" cria-t-il alors que les battements d'ailes provoquaient une légère brise et que les feuilles tremblaient légèrement ;
- La réaction de la fille qui se couvre le visage et du fils qui roule des yeux est réelle et naturelle ;
- La bande sonore est accompagnée d'une guitare douce, qui crée un contraste "comique à côté de la plaque" avec l'absurdité des images.
LTX-2 parvient à capter le ton subtil de "l'absurde et du tragique" - la partie la plus difficile de la comédie de haut niveau.
✅ Cas 5 : Théâtre de four de style Pixar - Anthropomorphisme + Dramatisation + Synchronisation de l'audio et de la vidéo
Prompt: :
Caméra statique à l'intérieur du four, regardant vers l'extérieur à travers la porte en verre légèrement embuée. Le visage du boulanger remplit le cadre, les yeux écarquillés, son souffle embuant la vitre alors qu'il se penche à l'intérieur. De subtils reflets se déplacent sur le verre tandis que la vapeur s'élève.
Boulanger (chuchotant dramatiquement) : "Aujourd'hui... j'atteins la perfection."
Il se penche encore plus près, son nez touchant presque le verre.
"Les dieux eux-mêmes sentiront ces biscuits et pleureront.
Baker : "Attendez..."
(beat)
"Ai-je... oublié les pépites de chocolat ?"
Vue latérale - un collègue entre dans le cadre, mâchant nonchalamment.
Collègue (bouche pleine) : "Non, tu as oublié le sucre".
Zoom arrière rapide sur le visage horrifié du boulanger, pressé contre la porte du four, alors que les biscuits se dégonflent derrière la vitre. La vapeur monte au ralenti. La vapeur monte au ralenti.
jeu d'acteur et synchronisation à la Pixar
à la fin: :
- La photo est prise de l'intérieur du four, en regardant vers l'extérieur, avec des détails réalistes de brume de verre, de vapeur et de reflets ;
- L'expression du boulanger est exagérée mais pas exagérée, et ses yeux passent de la frénésie à la dévastation ;
- "Les dieux eux-mêmes sentiront ces biscuits et pleureront" sur une bande sonore solennelle ;
- Un collègue entre soudain en scène et mâche la bouche pleine : "Non, tu as oublié le sucre...".La forme de la bouche, les bruits de mastication et les mouvements de déglutition sont parfaitement synchronisés.. ;
- Le biscuit s'effondre et la vapeur s'élève au ralenti, avec un effet sonore "ding" déchirant.La synchronisation de type Pixar est reproduite avec précision..
Après la diffusion de la vidéo dans la communauté, les internautes l'ont qualifiée de "court-métrage sur l'IA le plus guérisseur et le plus déchirant de l'année".
🛠️ Comment cela fonctionne-t-il ? ComfyUI est un processus qui s'effectue en un seul clic.
Le LTX-2 a été adopté commeNœud de coopération officielIntégration dans ComfyUI avec une très faible barrière à l'utilisation :
Les étapes sont les suivantes :
- Mise à jour de ComfyUI à la dernière version (assurez-vous que le module vidéo est pris en charge) ;
- Recherche dans la bibliothèque de modèles "LTX-2. ;
- Sélectionner le mode :
- Mode rapide: 6 à 10 secondes de vidéo pour des aperçus rapides ;
- Mode ProLes résultats sont de haute qualité et conviennent aux films publicitaires et aux courts métrages ;
- Saisissez le mot-guide, par exemple :
une danseuse sous la lumière des néons, cinématique, 4K, 50fps - Paramètres de réglage : résolution (720p~4K), fréquence d'images (jusqu'à 50 images par seconde), durée (6/8/10 secondes) ;
- Cliquez sur Exécuter.Film en 10 secondes ou moins.
Les utilisateurs avancés peuvent également combiner les nœuds ControlNet et VHS pour des processus complexes tels que l'assemblage de plusieurs caméras et la migration de styles.
⚖️ Points forts et limites
Les points forts :
- synchronisation entre le son et l'imageLe "post-dubbing" : une première dans l'industrie, dites adieu au "post-dubbing" ;
- Raisonnement rapideLes vidéos de 10 secondes sont générées en un peu plus de 10 secondes ;
- Réalisme physiqueLes textures de la peau, du métal et du tissu sont réalistes ;
- Contrôle au niveau des directeursLes tirs, le tempo et le style sont tous réglables ;
- Source ouverte + fonctionnement localLes services d'information sur la vie privée : confidentialité et sécurité sans verrouillage de la plate-forme.
⚠️ limitations :
- délaiActuellement jusqu'à 10 secondes (20 secondes sur les plates-formes officielles) ;
- Niveau de référence de la polarisation audioLes effets sonores : conviennent aux effets sonores d'ambiance, et ne remplacent pas pour l'instant les bandes sonores professionnelles ;
- Exigences élevées en matière de mémoire graphiqueLa sortie 4K nécessite un GPU de classe RTX 4090 ;
- Sensibilité aux mots repèresLes descriptions vagues sont facilement "biaisées" et doivent être exprimées avec précision.
🔗 Comment s'est déroulée l'expérience ?
- Expérience en ligne: :https://ltx.video/
- Nœud ComfyUIBibliothèque de modèles : Recherche "LTX-2" dans la bibliothèque de modèles
- Plates-formes prises en charge: Fal, Replicate, RunDiffusion, ComfyUI
- programme open sourceOuverture des poids et du code du modèle fin novembre 2025
🎥 Écrire à la fin
Dans le passé, nous avons dit que la "vidéo générée par l'IA" était un gadget ;
Maintenant, la preuve LTX-2 :L'IA a pu participer au véritable processus de création.
Elle n'est peut-être pas parfaite, mais la direction est sans équivoque...
La créativité n'est plus limitée par le seuil technique, de sorte que l'idée peut être transformée en image en quelques secondes.
Si vous souhaitez "réaliser" votre propre film 4K, vous pouvez le faire vous-même.
C'est le meilleur moment pour le faire.
Ouvrez ComfyUI et saisissez votre premier mot-guide.
Le monde bougera pour vous.
评论列表 (19条)：
加载更多评论 Chargement...