LTX-2.5 AI 模型發布：強大的開源影片生成基礎，支援多鏡頭與自架部署

探索 LTX-2.5：影音生成的新開源選項

LTX-2.5 是近期影音生成領域最受矚目的開源世界模型（world model）。它並非單純的技術迭代，而是為創作者提供了一個可在本地運行、微調，並完全掌控工作流程的強大開源基礎。

圖片來源: LTX-2.5: LTX’s Latest AI Open-Source Foundation Model | LTX

核心特色：多鏡頭生成與動態保真渲染

過去影片生成模型常見的痛點，在於剪輯切換（cuts）時多個鏡頭之間的連貫性，以及角色一致性的流失。LTX-2.5 的核心技術突破之一在於**原生「多鏡頭生成」（Multishot）功能。它允許創作者在單次生成流程中產出多個相互銜接的鏡頭畫面，同時完美維持角色、環境、光影以及聲音（voice）**的穩定性與一致性。

此外，該模型引入了獨創的**「擴散保真渲染」（Diffusion Fidelity Rendering）**技術。這項技術能根據場景的複雜度，動態分配渲染所需的運算資源。這使需要細節呈現的複雜畫面能獲得更高的像素品質，在電影大螢幕上依然經得起像素級考驗，同時在處理相對簡單的畫面時維持極佳的生成效率。

指令理解與生成技術的優化

為了改善對複雜創作指令的掌握度，LTX-2.5 進行了以下關鍵技術優化：

• 文本編碼器升級： 升級至 Gemma 4 12B 文本編碼器並結合自訂提示詞增強器（custom prompt enhancer）。這使得模型在面對更短、更簡單的提示詞時，也能展現出極強的提示詞遵循能力（better prompt adherence）。
• 新版解碼器優化： 搭載全新研發的影片擴散解碼器（diffusion video decoder），提供更乾淨、平滑且自然的運動畫面，大幅減少了影片生成中常見的動態偽影（motion artifacts）。
• 自動時長預測： 內建自動時長預測（automatic duration prediction）功能，能根據使用者輸入的指令動作自動判定並生成最合適的影片長度。

在地部署與開源自由

LTX-2.5 支援靈活的部署與高度自由度。創作者可以在本地硬件上運行模型，無須被強制加入任何浮水印（branding），也不受任何權限綁定限制。對於具有高度隱私防護需求，或需要將生成影像整合至專業 4K HDR 與原生 RAW 後製管線（Color finishing pipelines）的團隊而言，提供了無縫整合的支援。

在授權方面，LTX-2.5 的權重完全開放下載。年收入（ARR）低於 1,000 萬美元的個人或小型組織，可完全免費應用於商業生產中。開發者可將其整合進 ComfyUI 自訂工作流，或透過 Hugging Face 的開源資源，利用自己的專屬數據與 LoRA 技術進行個人化風格的微調訓練。

常見問題 (FAQ)

Q：LTX-2.5 的硬體門檻為何？
A：模型支援完全的本地部署與運行。建議系統顯示卡至少具備 16GB 的 VRAM，即可順暢運行並自行微調模型。

Q：什麼是多鏡頭生成（Multishot）？
A：這項技術能讓創作者在一次生成中建立多個連續鏡頭。它解決了傳統影片生成中常見的「鏡頭斷裂」感，並能同步維持角色、環境、光影甚至是聲音（voice）的跨鏡頭高度一致性。

Q：LTX-2.5 的生成速度表現如何？
A：

• 本地端部署（Self-hosted）： 在配備 2 台 NVIDIA GB200 GPU 的企業級硬體伺服器下，生成一段 10 秒 720p 影片僅需 6.8 秒，實現了快於即時生成的超高效能。
• API 呼叫： 在 1080p 解析度下，端到端生成（含排隊時間）同樣 10 秒的影片也僅需 23.7 秒。

Q：在文字轉影片的測試中，它的畫面瑕疵率如何？
A：在針對 10 款主流模型、98 個提示詞進行的文字轉影片（Text-to-Video）自動化視覺瑕疵（Visual Artifacts）基準測試中，LTX 2.5 Pro 每段影片的瑕疵分數僅為 0.28（分數越低越好），在所有受測模型中名列第一，遠低於其他主流閉源與開源模型的表現。

Q：初學者建議如何開始？
A：若不想進行複雜安裝，可先使用官方提供的 API Playground 或 LTX Explore 進行線上測試；若具備技術背景，可直接前往 Hugging Face 資源頁面 下載開放權重，或透過 GitHub 倉庫 獲取 ComfyUI 的官方工作流範本。

Q：商業用途有限制嗎？
A：年收入（ARR）低於一千萬美元的實體，在遵守社群授權的前提下可完全免費商用；超過此規模的企業，則需與官方聯繫授權事宜。

LTX-2.5 將影音生成的重心從雲端拉回本地，對於追求專業工作流、影像畫質與創作自主權的使用者而言，提供了一個極具彈性且性能頂尖的世界模型基底。無論是製作精緻短片或訓練專屬風格，這套系統都有極為廣闊的發揮空間。

圖片來源: Lightricks/LTX-2.5 · Hugging Face