LTX-2
官方 Python 推論與 LoRA 訓練套件,適用於 LTX-2 音訊-影片生成模型。
LTX-2 是什麼?
官方 Python 推論與 LoRA 訓練套件,適用於 LTX-2 音訊-影片生成模型。
LTX-2 概覽
這是什麼
LTX-2 是第一個基於 DiT 的音訊-影片基礎模型,在單一模型中包含現代影片生成的所有核心功能:同步音訊與影片、高保真度、多種效能模式、可投入生產的輸出、API 存取以及開放存取。此儲存庫提供 LTX-2 音訊-影片生成模型的官方 Python 推論與 LoRA 訓練套件。
主要功能
- 在單一模型中同步生成音訊與影片。
- 多種效能模式,包括快速蒸餾管線與生產品質的 DFR(擴散保真度渲染)管線。
- 支援文字轉影片與圖片轉影片生成。
- 包含具有擴散解碼器的影片 VAE,以提升品質。
- 提供 LoRA 訓練與推論功能。
- 提供空間放大模型以輸出更高解析度。
- 使用專為 LTX 微調的 Gemma 4 12B 文字編碼器。
使用情境
- 從文字提示生成同步的音訊與影片內容。
- 為媒體與娛樂產業生成生產品質的影片。
- 使用快速蒸餾管線進行快速原型設計。
- 使用 LoRA 對模型進行微調,以適應自訂風格或主題。
快速開始
請參閱儲存庫的 README 以取得詳細的安裝與使用說明。快速入門包括複製儲存庫、使用 uv sync --extra natten 安裝依賴項、從 Hugging Face 下載模型權重,以及執行生成指令。
授權與價格
此儲存庫中的程式碼根據 Apache License 2.0 開放原始碼。LTX 模型則根據其各自的授權條款發布:LTX-2.5 採用 LTX-2.x Community License,LTX-2.3 採用 LTX-2 Community License。當您使用這些模型(包括搭配此程式碼使用時)時,均適用模型授權條款。
內容整理自該專案公開的 README 與儲存庫資訊。