3月6日消息,Lightricks 正式发布 LTX-2.3,这是其开源音视频生成模型 LTX-2 的重要迭代版本。作为一次"重大引擎升级",LTX-2.3 在画面细节、音频质量、竖屏支持和提示词理解等多个维度实现显著提升,模型权重已在 Hugging Face 开源发布,采用 Apache 2.0 许可证。
全新 VAE 架构:细节更锐利
LTX-2.3 最核心的升级是引入全新的变分自编码器(VAE),带来明显更锐利的输出效果。纹理、面部特征和小物体在整个画面中保持清晰度,这一改善在高分辨率下尤为显著——此前版本在高分辨率时存在细节模糊的问题。新 VAE 使 LTX-2.3 在视觉保真度上实现了质的飞跃。
音频生成更清晰
在 LTX-2 首创的音视频同步生成基础上,LTX-2.3 进一步提升了音频生成质量。音效、环境音和对话的清晰度均有改善,音视频从生成之初即保持同步。此外,新增的 audio-to-video 端点允许用户提供音频片段,由模型生成匹配的视觉内容,为音乐可视化、配音场景等应用提供了新可能。
原生竖屏支持与灵活帧率
LTX-2.3 新增原生 9:16 竖屏格式支持,分辨率最高可达 1080×1920,直接面向短视频和社交媒体内容创作场景。帧率方面,新版本提供 24FPS 和 48FPS 两档选择,创作者可根据内容类型灵活调整——静态近景适合低帧率,动态运动场景则受益于高帧率。
七大端点覆盖完整工作流
LTX-2.3 提供七个生成端点:text-to-video(文本到视频)、image-to-video(图像到视频)、audio-to-video(音频到视频)、extend-video(视频延展)和 retake-video(重新生成),其中 text-to-video 和 image-to-video 还各有一个速度优化的 fast 变体。单次生成最长支持 20 秒视频,可通过 extend-video 端点进一步延展。模型在 image-to-video 质量和提示词遵循度上也有明显增强。
新增尾帧插值与 LoRA 微调
LTX-2.3 引入 last-frame interpolation(尾帧插值)功能,支持在指定首尾帧之间生成过渡视频,增强了对视频内容的精确控制。全线支持 LoRA 微调,创作者可在不到一小时内训练出针对特定动作风格、视觉风格或角色外观(包括声音+外貌)的定制模型。
LTX Desktop:首个本地运行的视频编辑器
伴随 LTX-2.3 发布,Lightricks 同步推出 LTX Desktop,这是基于 LTX-2.3 引擎构建的完整视频编辑器,完全在本地硬件上运行,无需云端依赖,作为开源软件发布。这标志着 Lightricks"引擎为先,产品为后"的开发理念——先将模型作为基础设施开源,再在其上构建应用产品。
从 LTX Video 到 LTX-2.3:快速进化
LTX 模型家族的演进速度令人瞩目。2024 年 11 月 Lightricks 发布首个文本到视频模型 LTX Video(20 亿参数);2025 年 5 月推出 130 亿参数的 LTXV-13b;2025 年 10 月推出 LTX-2,首次实现音视频同步生成,采用非对称双流 Transformer 架构(视频 140 亿参数,音频 50 亿参数),支持原生 4K/50FPS;2026 年 1 月在 CES 正式开源发布完整权重。如今 LTX-2.3 在此基础上再次大幅提升画质和功能。
生态系统与可用性
LTX-2.3 已通过 API、Fal、Replicate、ComfyUI、OpenArt 等渠道可用,针对 NVIDIA GPU 生态深度优化,支持 NVFP8 量化(模型体积减少约 30%,性能提升最高 2 倍)。许可方面,模型对学术用途和年收入低于 1000 万美元的商业用途免费,更大规模的企业可通过商业许可获取支持。
LTX-2.3 的发布进一步巩固了 Lightricks 在开源视频生成领域的领先地位,在 Kling、Veo、Sora 等闭源模型主导的市场中,为开发者和创作者提供了一个透明、可控、可本地部署的专业级替代方案。