AI 视频的 DeepSeek 时刻什么时候来？没念念到吧，这就来了。

最新开源模子 LTXV-13B，免费可商用、推理速率快、游戏显卡就能跑，视觉成果也可以。身分都都了，念念不火都难。

从官方袒露的信息看，新模子在速率、质地和限制三个方面有所提高。

生成速率——同类居品的 30 倍，暴戾念念法可以赢得接近及时的响应。

视频质地——耳闻不如目见，请看 VCR。

可限制性——扶持逐帧限制，能让你按照我方念念法来打造视频，创作开脱度径直拉满。

这个 13B 参数的模子，官方确认在 24G 显存的 4090/5090 上就能跑，也难怪网友纷纷为之猖獗。

世界晒出的"买家秀"，成果比官方卖家秀看起来也绝不缩水：

开源视频生成新标杆

LTX-Video 扶持文本转图像、图像转视频、基于枢纽帧的动画、视频彭胀（正向和反向）、视频转视频，以及上述扫数这些功能的大肆胪列组合。

视觉成果爆炸

LTXV-13B 领有超 130 亿个参数，即使在快速复杂的场景，也能提供更领路的通顺、更少的伪影和更明晰的视觉成果。

那么底下再直不雅感受一下成果。

Prompt：一位有着棕色长发和洁白皮肤的女东说念主对着另一位女东说念主含笑……一位有着棕色长发、肤色洁白的女子正对着另一位有着金色长发的女子含笑。这位棕色头发的女子身穿玄色夹克，右面颊上长着一颗确凿难以察觉的小痣。镜头角度为特写镜头，聚焦于这位棕色头发女子的脸部。光芒温暖当然，似乎是落日的余光，在场景中投射出轻柔的光芒。这幅场景似乎是真确拍摄的。

还可以不断地调理奏摄角度，营造出相等当然的航拍成果。

Prompt：波浪冲击着海岸线上嶙峋的岩石……波浪拍打着海岸线上嶙峋的岩石，溅起阵阵浪花。岩石呈深灰色，边际历害，缝隙艰深。海水明白碧绿，浪花拍打岩石的场所泛起白色的泡沫。太空呈浅灰色，几朵白云点缀在地平线上。

这下谁还能分清什么是执行什么又是 AI 生成的呢？

但铭刻要在生成之前放大图片，不要像底下这位网友雷同：

生成速率提高

相较于同类居品，LTXV-13B 生成速率最先近30 倍，但质地然而少量都没打扣头，高出合适快速迭代、及时响应和大限制分娩场景。

不仅效力大幅度提高，资本也随着裁汰，用花费级 GPU 就能处罚，也可以采纳官方平台 LTX Studio 云体验。

细致创意限制

此外，LTXV 还有重大的创意限制功能，提供多枢纽帧调度（肇端帧和终端帧）、录像机限制（推拉、变焦、摇臂、轨说念等）、面部心计限制等。

LTXV-Video：及时视频潜空间扩散模子

官方袒露，LTX Video 作念到更领路的通顺和更一致的帧间连贯性，枢纽在于多模范渲染时期，即同期以多种空间永诀率分析场景，保留细致细节的同期相接大限制结构。

如底下的例子，可以看到从左到右东说念主物脸上的细节越来越丰富。

从团队几个月前发布的 2B 参数模子论文也可以看出，检修阶段就同期使用了多种永诀率和时长组合的数据。

检修时通过调理原始视频大小，使输入样本包含苟简探讨数目的 token，并采选就地丢弃 token 的政策，幸免复杂的 token 填充或打包操作，保抓数据万般性。

上一代 2B 参数的模子就以速率和效力见长，好像以最先及时的速率生成高质地视频，在 H100 GPU 上仅需2 秒就能生成 5 秒、24 帧每秒、768 × 512 永诀率的视频。

优化生成速率的诀要在于一种整口头 Latent Diffusion 要道，将 Video-VAE 和去噪 Transformer 的任务无缝交融，在它们之间分享去噪倡导。

另外 Video VAE 部分对时空维度进行 32 × 32 × 8 的下采样压缩，将高永诀率的视频数据移动到低永诀率的潜在空间进行处理，通过空间和时候压缩来裁汰冗余。

它杀青了1:192的压缩比，最先其时的主流开源模子如 MovieGen、CogVideoX 等的 1:48 或 1:96 的压缩比。

为杀青这种高压缩率，团队将图像块化操作（patchify）从 Transformer 的输入移到了 VAE 的输入，使每个 token 好像暗示更多的像素信息，匡助 Transformer 盘算全时空自考究力（full spatiotemporal self-attention）。

高压缩率虽好，但会限制对细节的暗示材干。为了解决这个问题，LTX-Video 还采选了多种新政策。

在检修 Video VAE 时引入 GAN，减少高压缩率下 L2 loss 产生的恍惚问题。

为此暴戾改造的 Reconstruction GAN，判别器同期采纳原始样本和重建样本，通过判断哪个是原始的、哪个是重建的，简化了判别器的任务，提高了其素质生成器的材干，使生成的视频在保抓与原始样本相似性的同期，能更灵验地均衡保真度和感知质地。

此外还有一些小的转换如下：

多层噪声注入：受 StyleGAN 启发，在 VAE 解码器的多个层注入噪声，允许生成更万般化的高频细节。

长入对数方差：使用宽潜空间（多数 channels）时，法度 KL 亏欠会导致不均匀的欺诈。团队使用了扫数潜通说念分享的单一臆想对数方差，均匀分拨 KL 亏欠的影响。

视频 DWT 亏欠：引入了 spatio-temporal Discrete Wavelet Transform ( DWT ) loss，确保高频细节的重建。

LTX-Video 同期扶持文本生成视频和图像生成视频两种材干。

关于文本条目生成，团队使用了预检修的 T5-XXL 文本编码器生成起首文本镶嵌，并采选了交叉考究力机制，而非 MM-DiT 要道。

而关于图像条目生成，他们彭胀了 Open-Sora 的要道，欺诈扩散时候步算作条目指令器，允许无缝条目化视频的任何部分。

这种要道不需要畸形的 tokens 或畸形为图像到视频任务检修的模子，大大简化了过程。

2013 年拓荒的老牌团队

LTX-Video 拓荒团队 Lightricks 拓荒于 2013 年，前大模子期间有两个牌号居品，为好意思颜相机应用 Facetune 和视频裁剪应用 Videoleap，在苹果商店于今仍排得上号。

2023 转型 AI 后，推出 LTX Studio 视频生成平台，扶持逐镜头地构建视频和时候线编订，可以细致限制每个场景，并保抓扮装一致性，主要面向影视、告白和个东说念主视频创作家。

除开源模子外，Lightricks 还提供配套的检修用具，扶持微调、预处理数据集、为视频添加字幕、分割场景等使勤恳能。

LTX Video 13B 模子推出后开源社区也相等感酷爱，一经有东说念主在一天之内就为其检修好了 LoRA，让不同类型扮装的眼睛都能冒电光殊效，引起网友围不雅。

Github：

https://github.com/Lightricks/LTX-Video

论文：

https://arxiv.org/pdf/2501.00103

参考相接：

[ 1 ] https://x.com/maxescu/status/1919801813987164527

[ 2 ] https://www.lightricks.com/ltxv-documentation

[ 3 ] https://www.reddit.com/r/StableDiffusion/comments/1kgxgtg/ive_trained_a_ltxv_13b_lora_its_insane/

—  完  —

� �  量子位 AI 主题筹划正在搜集合！接待参与专题365 行 AI 落地决策，一千零一个 AI 应用，或与咱们分享你在寻找的 AI 居品，或发现的AI 新动向。

� � 也接待你加入量子位逐日 AI 交流群，沿路来畅聊 AI 吧～

一键护理 � � 点亮星标

科技前沿发扬逐日见

一键三连「点赞」「转发」「预防心」

接待在评述区留住你的念念法！开yun体育网