LTX - генерація відео - 2026

Published: 2026-08-13

LTX-2.3 — офіційне зображення моделі з відкритими вагами (репозиторій Lightricks на Hugging Face)

Про що ця стаття

LTX — це платформа відкритих генеративних моделей штучного інтелекту від компанії Lightricks, призначена для створення відео, аудіо та симуляції світів (world models). Це не просто черговий генератор роликів: LTX позиціонує себе як базис, на якому студії, розробники та дослідницькі команди будують власні продукти — від відео кіноякості до навчання роботів розуміти фізичний світ.

Головна відмінність від закритих систем OpenAI (Sora), Google (Veo), ByteDance (Seedance) і Kuaishou (Kling) — відкриті ваги. Модель можна завантажити з Hugging Face, запустити на власному залізі (достатньо GPU на 16 ГБ відеопам'яті), доналаштувати на своїх даних і розгорнути локально, на периферії мережі чи в приватній хмарі. При цьому LTX зберігає комерційні сервіси: платний API, корпоративні ліцензії та фірмові інструменти — LTX Studio, LTX Desktop, LTX Trainer, LTX Playground.

Флагман платформи на час публікації — LTX-2.5 — пропонує нативний мультишот (кілька пов'язаних сцен зі збереженням персонажів), генерацію до 4K HDR, роботу з RAW-матеріалом у професійних кольорових пайплайнах (зокрема ACES), автоматичне визначення тривалості кліпу та нову технологію рендерингу Diffusion Fidelity Rendering, що, за словами розробників, дає якість кадру, придатну для екрана кінотеатру. За власними бенчмарками LTX, модель генерує 10-секундний ролик локально за 6,8 секунди — швидше за реальний час — і показує найменшу кількість візуальних артефактів серед десяти протестованих конкурентних моделей.

Слоган платформи — «модель світу, на якій будує світ» (The world model the world builds on). Ключові принципи: відкриті ваги, відсутність обов'язкового брендування, право доналаштовувати модель на власних даних та IP, безкоштовне використання для компаній із річним доходом (ARR) менш як 10 мільйонів доларів.

Як розвивалася лінійка LTX

Компанія Lightricks

Lightricks — ізраїльська технологічна компанія, заснована 2013 року випускниками Єврейського університету в Єрусалимі. Широкому загалу вона відома споживчими застосунками для редагування фото і відео: Facetune, Videoleap, Motionleap та іншими. Цікаво, що Lightricks належить до небагатьох ІІ-компаній, які не залежать повністю від венчурного капіталу: підписки на споживчі застосунки давали стабільний прибуток, який компанія спрямувала на масштабні дослідження в галузі генеративного відео.

2024 року Lightricks запустила дослідницьку лінійку LTX (Lightricks Transformer eXperiments) — серію відкритих відеомоделей на архітектурі Diffusion Transformer (DiT). Платформа отримала власний сайт ltx.io, окремий бренд, API та екосистему інструментів: LTX Studio, LTX Desktop, LTX Trainer, LTX Playground і LTX Explore.

LTXV (2024)

Першою моделлю став LTX-Video (LTXV), випущений у листопаді 2024 року. Модель обсягом 2 мільярди параметрів стала першим у світі DiT-генератором відео, здатним працювати в реальному часі: 30 FPS при роздільній здатності 1216×704 на одному GPU класу A100/H100. LTXV підтримувала текстові промпти, генерацію «зображення у відео», керування ключовими кадрами, генерацію початку й кінця кліпу, а також латентний апскейлінг. Ваги поширювалися за відкритою ліцензією з дозволом на комерційне використання.

Архітектурно LTXV використовувала два 3D-VAE (часовий і просторовий стиск), DiT-трансформер і суперроздільні декодери. Модель миттєво стала хітом у спільноті ComfyUI та однією з найбільш завантажуваних відкритих відеомоделей 2024 року (сотні тисяч завантажень щомісяця).

LTX-2 (2025)

У липні 2025 року Lightricks представила LTX-2 — першу DiT-модель, що генерує синхронізовані аудіо та відео в одній моделі. Модель на 19 мільярдів параметрів описана в науковій праці «LTX-2: Efficient Joint Audio-Visual Foundation Model». Можливості LTX-2:

відео зі звуком за текстовим промптом;
режими «зображення у відео» та «зображення в аудіо»;
візуалізація аудіо («аудіо у відео»);
синхронізація губ і мовлення в діалогових сценах;
кілька контрольних кадрів (keyframes);
стилізація через LoRA та IC-LoRA;
латентний апскейлер для багатомасштабних пайплайнів;
інструменти навчання LoRA та повна інтеграція в ComfyUI.

LTX-2 стала головною точкою розвитку репозиторію Lightricks/LTX-2 на GitHub. Демонстраційні ролики (наприклад, «кіт, що співає пісню», синхронізовані діалоги, музичні кліпи) набрали мільйони переглядів.

LTX-2.3 (кінець 2025 — початок 2026)

LTX-2.3 (22 мільярди параметрів) — масштабне оновлення LTX-2: перебудований латентний простір, краща відповідність промпту, покращений рендеринг тексту, підтримка HDR, багатокадрове керування та плавніший рух. Модель поширювалася у двох варіантах: dev (повний) і distilled (дистильований, швидкий, оптимізований). На базі LTX-2.3 спільнота створила десятки LoRA-адаптерів (стилі, аватари, апскейлінг, аутпейнтинг, FPV-камери тощо), а платформи Fal і ComfyUI включили її до своїх каталогів як одну з основних відкритих моделей.

LTX-2.5 (2026)

LTX-2.5 — актуальна флагманська модель (22B), представлена 2026 року під гаслом «Розумніша. Швидша. Чіткіша. Досі відкрита». Компанія називає її «міцнішим фундаментом для того, що вже будується», наголошуючи, що це передтренована база (pretrained foundation), яку команди можуть доналаштовувати й розгортати самостійно. Наукова праця зареєстрована на arXiv (ідентифікатор 2601.03233). Основні зміни порівняно з LTX-2.3:

новий дифузійний відео-декодер — помітно чистіший рух, менше артефактів;
нативний мультишот — пов'язані сцени зі збереженням персонажа, оточення, освітлення та голосу;
текстовий енкодер Gemma 4 12B + власний покращувач промптів — значно краще виконання складних інструкцій;
автоматичне передбачення тривалості кліпу;
нативна генерація 4K HDR;
нативний RAW-workflow для професійних пайплайнів кольорокорекції;
покращена дистильована модель: більший датасет, навчання з підкріпленням (RL), покращення промптів та автодлительность;
окремий передтренований checkpoint для доналаштування на даних замовника.

Модель доступна на Hugging Face (Lightricks/LTX-2.5) у кількох варіантах: dev (22B, повна якість), distilled (швидка), квантування NVFP4 (для NVIDIA Blackwell) та INT8, а також LoRA-дистилят на 450 кроків і модель-«тривалість».

Ключові можливості LTX-2.5

Diffusion Fidelity Rendering (DFR)

Головна технологічна новинка версії 2.5. DFR — новий спосіб рендерингу, за якого обчислювальні ресурси розподіляються залежно від складності сцени (адаптивні ключові кадри високої точності). Прості ділянки кадру обробляються дешевше, складні — з максимальною якістю. Мета — «якість пікселя, яка тримається кадр за кадром, навіть на екрані кінотеатру». DFR забезпечує високу деталізацію текстур, волосся, шкіри та дрібних об'єктів, які раніше «розмазувалися» на довгих генераціях.

Чистіший рух (Cleaner Motion)

Завдяки новому дифузійному відео-декодеру усунено типові артефакти: «текучі» текстури, двоєння кінцівок, розпад об'єктів під час швидких рухів. Рух став природнішим і плавнішим.

Нативний мультишот (Native Multishot)

Одна з найпомітніших функцій. Модель генерує кілька пов'язаних сцен в одному кліпі, зберігаючи ідентичність персонажа, оточення, освітлення та голос між склейками. Це критично для сюжетної генерації: трейлерів, музичних кліпів, реклами та оповідних роликів. Мультишот позбавляє класичної проблеми «морфінгу» персонажа при склейці окремих генерацій.

Відповідність промпту (Prompt Adherence)

У LTX-2.5 використано текстовий енкодер Gemma 4 12B (модель Google, доопрацьована проєктором LTX) та власний покращувач промптів. Модель виконує складні творчі інструкції з коротких промптів, краще розуміє заперечення, послідовності дій і детальні описи композиції, світла й камери.

Автотривалість (Auto Duration)

Окрема голова моделі (duration head) передбачає правильну довжину кліпу для запитаної дії: «політ над лісом» отримує довгий ролик, а «чхання» — короткий. Користувачеві більше не потрібно вручну підбирати кількість кадрів.

Нативні 4K HDR і RAW

LTX-2.5 генерує відео нативно в 4K HDR (а не апскейлить 720p), що дозволяє працювати в професійних RAW-пайплайнах без втрати майстра. Підтримується кольоровий менеджмент ACES — це окремо відзначив партнер Asteria: «ACES-воркфлоу — саме те, що нас схвилювало в LTX».

Більше якості за менше обчислень

Покращена дистильована модель дає якість, близьку до повної, з меншою кількістю повторів, меншою кількістю контрольних параметрів і суттєво меншими витратами обчислень. Для локального запуску достатньо 16 ГБ VRAM, а квантовані версії FP4/INT8 працюють на скромнішому залізі.

Основа для доналаштування

Окремо постачається передтренований checkpoint, призначений для fine-tuning на власних даних і доменах. Це дозволяє студіям персоналізувати модель під свої стилі, персонажів і виробничі процеси.

Архітектура і технології

LTX-2.5 побудована на архітектурі Diffusion Transformer (DiT) — поєднання дифузійного генеративного підходу та трансформерної магістралі. Основні компоненти стека:

Текстовий енкодер — Gemma 4 12B із проєктором LTX-2.5;
Покращувач промптів — власна модель розпаковки/покращення промптів;
Відео-VAE та аудіо-VAE — окремі дифузійні автокодувальники для відео- та аудіопотоків (у 2.5 відео-декодер дифузійний, що дає чистоту руху);
Дифузійний трансформер — магістраль генерації (22B параметрів);
Latent upscalers — просторовий (x2) і часовий (x2) апскейлери латентного простору;
Duration head — передбачення тривалості;
LoRA / IC-LoRA — механізми адаптації (стилізація, керовані аватари, аутпейнтинг).

Модель підтримує багато вхідних режимів: text-to-video, image-to-video, video-to-video, image-text-to-video, audio-to-video, text-to-audio, video-to-audio, audio-to-audio. Теги пайплайнів на Hugging Face охоплюють понад дев'ять режимів, а мовна підтримка включає англійську, німецьку, іспанську, французьку, японську, корейську, китайську, італійську та португальську.

Код відкритий на GitHub (Lightricks/LTX-2), документація — на docs.ltx.video. Модель повністю інтегрована в ComfyUI «з коробки».

Швидкість генерації

Швидкість — ключова конкурентна перевага LTX. Компанія публікує власні бенчмарки (image-to-video, цільовий кліп 10 секунд, 24 FPS). Локально (on-premises, 2× NVIDIA GB200 у стабільному режимі) LTX-2.5 генерує 10-секундний ролик за 6,8 секунди — швидше за реальний час. Через API (замір «кінець у кінець» на сторонній платформі fal.run, включно з чергою, 1080p) — 23,7 секунди.

Час генерації кліпу ~10 секунд (нижче — краще)
Модель	Час, с
LTX 2.5 (on-prem)	6,8
LTX 2.5 (API)	23,7
Omni Flash	52
Grok 1.5	63
Veo 3.1	70
MiniMax H3	180
Seedance 2.0	196
FLUX 3	259
Seedance 2.5	317
Kling 3.0 Pro	398

Примітка до бенчмарку: конкуренти (Omni Flash, Grok 1.5, Veo 3.1, Seedance 2.0, FLUX 3) рендеряться в 720p; Seedance 2.5 має стелю 720p; MiniMax H3 — 768p без справжнього 720p-тира; Kling 3.0 Pro — приблизно 1080p; Veo 3.1 виміряно на кліпі 8 секунд замість 10. LTX API вважається в 1080p (у LTX немає 720p-тира) і при цьому залишається найшвидшим. Результати попередні.

Якість: візуальні артефакти

За власним дослідженням LTX (текст-у-відео, 98 однакових промптів, 10 моделей, автоматична оцінка «глітчів»: плями, зламані текстури, «розплавлені» області), LTX-2.5 Pro посіла перше місце з показником 0,28 артефактів на кліп.

Видимі глітчі на кліп (нижче — краще)
Модель	Артефакти
LTX 2.5 Pro	0,28
LTX 2.5 Fast	0,39
Flux 3	0,45
MiniMax	0,46
Wan 2.6	0,65
Seedance 2.5	0,69
LTX 2.3 Pro	0,74
Kling 3 Pro	0,76
Veo 3.1	1,20

Результати попередні й уточнюватимуться з розширенням оціночної вибірки.

Порівняння з конкурентами

LTX-2.5 проти провідних відеомоделей 2026 року
Критерій	LTX-2.5	MiniMax H3	Kling 3.0 Pro	Veo 3.1	Grok 1.5
Відкриті ваги (завантаження)	Повністю відкриті	Частково; недоступна в США, ЄС, Великій Британії, Кореї	Недоступна в США та Європі	Ні	Ні
Обов'язковий брендинг	Відсутній	Потрібен «MiniMax H3»	За умовами API	За умовами API	За умовами API
Доналаштування на своїх даних та IP	Повне	Обмежене ліцензією	Недоступне	Недоступне	Недоступне
Запуск на будь-якому GPU	Так (від 16 ГБ VRAM)	Ні	Ні	Ні	Ні
Розгортання	On-prem, edge, API	Self-host + API	Лише API	Лише API	Лише API
Швидше за реальний час	Так	Ні	Ні	Ні	Ні

Варто пам'ятати: таблиця складена самим LTX і має маркетинговий характер. Незалежні огляди загалом підтверджують, що LTX-2.5 — одна з найшвидших відкритих моделей, однак за художньою «кінематографічністю» в окремих сценаріях закриті моделі (Veo, Sora, Kling) можуть бути попереду, особливо у складних фізичних взаємодіях.

Інші відкриті конкуренти: Seedance (ByteDance), Wan (Alibaba), FLUX (Black Forest Labs), Omni Flash, MiniMax. Серед них LTX вирізняється швидкістю, синхронним аудіо-відео (спадок LTX-2) і повнотою екосистеми (API + відкриті ваги + інструменти).

API і вартість

LTX надає хмарний API (консоль — console.ltx.io) із білінгом за секунду згенерованого відео:

Тарифи LTX API
Роздільна здатність	Ціна за секунду, $
720p	0,09
1080p	0,15
2K	0,19
4K	0,37

Наприклад, 10-секундний кліп 1080p через API коштує близько 1,5 долара США. Крім API діє ліцензування корпоративних розгортань (on-premises) та підписки на інструменти (LTX Studio Pricing — окремий прайс-лист).

Ліцензування

LTX-2.5 поширюється за відкритою ліцензією (ltx-2-community-license-agreement, описана в LICENSE.md репозиторію Lightricks/LTX-2). Основні умови:

відкриті ваги — можна завантажувати та запускати без обмежень;
відсутність обов'язкового брендування згенерованого контенту;
дозволено доналаштування на власних даних, зокрема на даних із правами (IP);
безкоштовне комерційне використання для компаній з ARR до 10 мільйонів доларів («Ship first, talk later»);
для компаній з ARR понад 10 мільйонів доларів — комерційна ліцензія через відділ продажів;
корпоративні програми: LTX Developer Program, академічні гранти, Physical AI Developer Program.

Такий підхід повторює модель, відпрацьовану Mistral, Meta (Llama) і DeepSeek: відкрита базова модель + платні сервіси та ліцензії для великих корпорацій.

Способи доступу та інструменти

LTX Explore

Вебзастосунок app.ltx.io для знайомства з моделлю: «від промпта до готового результату» без встановлення.

LTX Playground

Пісочниця на console.ltx.video для експериментів з API-викликами, параметрами генерації та LoRA прямо в браузері.

LTX API

REST API для вбудовування генерації у власні продукти. Документація та статус: docs.ltx.io/pricing, status.ltx.video. Інтегрований зі сторонніми платформами (fal.ai, Replicate) — на Fal уже розміщено понад 80 fine-tunes LTX.

LTX Desktop

Настільний застосунок для локальної генерації на власному обладнанні (зокрема на Apple Silicon Mac) без ручного налаштування середовища.

LTX Trainer

Інструмент навчання LoRA: дозволяє персоналізувати модель під стиль, персонажа чи предмет. Використовується як студіями, так і спільнотою (сотні опублікованих LoRA).

LTX Studio

Повноцінна студія сценарію: опис історії → розкадрування → сцени → фінальний відеоряд. Орієнтована на режисерів і контент-мейкерів; окремий тарифний план.

ComfyUI, Hugging Face, GitHub

Модель працює нативно в ComfyUI, ваги публікуються на Hugging Face (Lightricks/LTX-2.5, Lightricks/LTX-2.3, Lightricks/LTX-Video), код — на GitHub. Документація: docs.ltx.video.

Застосування в індустрії

Робототехніка та Physical AI

LTX-2.5 просувається як відкритий фундамент для навчання роботів: модель розуміє поведінку фізичного світу (фізику об'єктів, взаємодії, сцени) і може використовуватися як джерело даних і симулятор. Компанія запустила Physical AI Developer Program. Партнерський кейс — Markov Robotics: «LTX-2.5 — відкрита модель, яка найближча до того, що потрібно для навчання роботів; можливість запускати та доналаштовувати її на власному обладнанні робить її придатною для справжньої робототехніки».

Real-time аватари та інтерактивність

Завдяки швидкості генерації (швидше за реальний час локально) LTX використовується для живих аватарів та інтерактивних продуктів. Кейс Reactor: «партнерство з LTX означає, що ми можемо налаштовувати модель під власну інфраструктуру й приносити живі чуйні аватари користувачам у всьому світі».

Креативне виробництво

Студії та інструменти генеративної анімації будують на LTX повноцінні пайплайни: ComfyUI (нативна інтеграція, «ідея → прод-пайплайн за день»), Asteria (ACES-воркфлоу), Fal (80+ fine-tunes), OpenArt, RunDiffusion, ElevenLabs (спільні мультимодальні сценарії голос + відео).

Реклама та брендинг

На головній сторінці LTX перелічені клієнти з рекламної індустрії: Frito-Lays, McCann, FutureBrand, FCB, Code&Theory, Cylndr, Trapdoor, Clutch. Кейси охоплюють створення рекламних роликів і бренд-контенту з генерацією та пост-обробкою в професійних пайплайнах.

Наука та освіта

Академічні гранти (Academic Programs) дозволяють університетам використовувати моделі LTX для досліджень генеративних світів, мультимодальних моделей і world models.

Спільнота та екосистема

Спільнота LTX — одна з найактивніших серед відкритих відеомоделей. На Hugging Face і GitHub опубліковані сотні адаптацій:

LoRA-стилі: Fantasy Painterly, CRT-монітор (80-ті), анімовані повітряні кульки, ігрові стилі;
техніка: аутпейнтинг (розширення полотна), відео-інпейнтинг (перегенерація області за маскою), апскейлінг, відновлення та HD-покращення, видалення водяних знаків і субтитрів (ICEdit-Insight);
аватари: генерація аватарів, що говорять, на зеленому тлі (хромакей) із синхронізацією губ;
спецефекти: FPV-дроновий політ, гоночна «T-cam», музичні кліпи з синхронізацією сцен;
360°: аутпейнтинг в еквідистантну проєкцію для VR;
пайплайни: Music Video Creator (мультисценні кліпи з аудіо-синком).

Спілкування відбувається в Discord-спільноті, на X (Twitter) — @ltx_io — та в каталозі Community Library на сайті LTX.

Установка та локальний запуск

Найпростіше запустити LTX-2.5 через ComfyUI або diffusers. Приклад типового пайплайну на Python:

# 1. Встановлення середовища
python -m venv ltx && source ltx/bin/activate
pip install -U torch torchvision diffusers transformers huggingface_hub

# 2. Завантаження моделі (потрібна авторизація на Hugging Face)
huggingface-cli download Lightricks/LTX-2.5

# 3. Запуск через ComfyUI (рекомендований спосіб)
# git clone https://github.com/comfyanonymous/ComfyUI
# cd ComfyUI && pip install -r requirements.txt
# python main.py

Мінімальні вимоги для запуску: GPU з 16 ГБ відеопам'яті (квантовані версії FP4/INT8 можуть працювати на менших обсягах); без GPU можлива генерація через хмарний API. Приклади пайплайнів у diffusers наведені в документації docs.ltx.video та в README репозиторію на GitHub.

Обмеження та критика

Маркетингова природа бенчмарків: таблиці швидкості та артефактів складені самою компанією; методологія (98 промптів, автоматична оцінка) потребує незалежної перевірки.
Художня якість: попри перемогу в «анти-артефактному» тесті, у складних фізичних сценах, реалістичній анатомії та тонкій емоційній акторській грі LTX-2.5 у низці незалежних порівнянь поступається флагманським закритим моделям (Sora 2, Veo 3.1).
Вимоги до обчислень: модель на 22B параметрів навіть у дистильованому вигляді потребує серйозного GPU; заявлені «6,8 секунди» досягнуті на кластері з двох GB200.
Етика та безпека: як будь-яка відкрита генеративна модель, LTX доступна для потенційних зловживань (діпфейки, дезінформація); за відкритих ваг модерування з боку компанії неможливе — відповідальність лягає на тих, хто розгортає модель.
Стабільність API: публічний статус-сервіс показує, що хмарна інфраструктура розвивається швидко, але в 2025–2026 роках фіксувалися періоди високого навантаження під час пікових релізів.

Перспективи та дорожня карта

LTX послідовно дотримується стратегії «world model»: від відео (LTXV) → аудіо+відео (LTX-2) → багатомасштабного контролю (LTX-2.3) → DFR-рендерингу та мультишоту (LTX-2.5). Анонсовані напрямки:

подальший розвиток Physical AI: моделі, здатні передбачати фізику та керувати ембодід-системами (роботи, автономні агенти);
real-time інтерактивні світи: генерація в реальному часі для ігор і віртуальних аватарів;
покращення кінематографічності: режисерські контролі (камера, світло, монтаж) і багатомодальна узгодженість сценарію;
розширення екосистеми: нові інструменти LTX Trainer, LTX Desktop, інтеграції з DAW/NLE-середовищами.

За збереження моделі «відкриті ваги + платні сервіси» LTX має всі шанси зайняти нішу «open-weight еталона» у відеогенерації 2026 року, подібно до ролі Llama в LLM і Stable Diffusion в зображеннях.

Резюме

LTX — рідкісний для індустрії приклад повноцінного open-source конкурента закритим відеогенераторам. Платформа Lightricks поєднує: (1) відкриті ваги актуальної моделі LTX-2.5 з можливістю локального запуску та доналаштування; (2) швидкість, вищу за реальний час (6,8 с на 10-секундний кліп на 2× GB200); (3) професійні функції — нативний мультишот, 4K HDR, RAW/ACES-пайплайни, автоматичну тривалість; (4) зрозумілу цінову політику — безкоштовно до 10 мільйонів доларів ARR, API від 0,09 долара за секунду; (5) розвинену екосистему: ComfyUI, Hugging Face, Discord, сотні LoRA-адаптерів, грантові програми.

Ключові ризики — маркетингова природа власних бенчмарків, відставання в окремих художніх сценаріях від закритих флагманів і вимоги до GPU. Тим не менш, для студій, розробників і дослідницьких команд, яким важливі контроль над моделлю, приватність даних і відсутність «орендної залежності», LTX-2.5 на початок 2026 року — одне з найзбалансованіших рішень на ринку генерації відео.

Посилання

×

← В главную