【导读】以色列公司Lightricks发布了一款名为LTX-2的音频视频生成模型。这是首个支持4K分辨率、50帧、20秒规格的DiT架构开源音视频生成模型，更重要的是，普通游戏显卡即可运行。

传统AI视频生成工具中，画面和声音往往是分离的两个系统，经常出现音画不同步的问题。LTX-2最大的亮点在于，它从底层就把音视频同步功能整合进去了，输入一段文字描述，输出的视频自带匹配的音效和配乐，口型、动作、音乐节奏都能精准对应。

官方介绍，这是一款基于DiT架构的开源音视频生成模型。参数方面，LTX-2最高支持4K分辨率、50帧每秒、单个视频最长20秒。

为满足不同用户需求，Lightricks一口气发布了五个版本：

基础版（Base）：最通用的版本，支持文生视频和图生视频，且可训练，用户可根据特定需求进行微调。

8步蒸馏版（8-step）： 加速版本，适合快速验证想法，迭代效率高。

相机控制LoRA： 允许用户精确控制镜头运动轨迹，推拉摇移跟甩等各种运镜方式均可实现。

潜在空间上采样器： 用于提升画质，用更短时间获得更高质量的画面。

IC-LoRA系列： 提供深度图、边缘检测、姿态识别三种控制方式，精确指导AI生成理想画面。

普通显卡能跑？官方配置建议如下：24GB以上显存显卡（如RTX 4090、RTX 5090）可生成720p、24帧、4秒视频，约25秒出一段，生成8秒视频需3分钟左右。8至16GB显存显卡（如RTX 3070、RTX 4060）建议将分辨率降至540p，同样4秒时长即可获得可用效果。

刚上手时，可以先用低分辨率、短时长测试效果，确定画面符合预期后再逐步提高参数追求画质，这样既省时间又省显存。

LTX-2支持两种运行方式。命令行方式适合技术用户，需具备编程基础，官方提供完整GitHub仓库，按文档操作即可安装。ComfyUI方式对普通用户更友好，无需写代码，通过拖拽节点即可搭建工作流。

Lightricks为LTX-2开发了专用插件，在ComfyUI中下载官方模板，填入描述文字、调整参数、点击运行，即可生成视频。

LTX-2的核心权重完全公开，所有人可免费下载、使用、修改。Lightricks在移动端图像处理领域深耕多年，Facetune、VideoLeap等修图修视频应用广受认可，此次开源举措格局值得肯定。

项目地址：https://github.com/Lightricks/LTX-2

参考资料：https://www.nvidia.com/en-us/geforce/news/rtx-ai-video-generation-guide/