LTX Video 0.9.5

🚀 LTX-Video模型卡片

LTX-Video是首个基于DiT的视频生成模型，能够实时生成高质量视频。它可以以1216×704的分辨率、30 FPS的帧率快速生成视频，速度之快甚至超过观看速度。该模型在大规模多样化视频数据集上进行训练，能够生成具有逼真且丰富内容的高分辨率视频。我们为文本到视频以及图像+文本到视频的应用场景都提供了相应模型。

🚀 快速开始

本模型可通过以下方式快速使用：

• 在线演示：通过以下链接直接访问模型：
  • LTX-Studio图像到视频
  • Fal.ai文本到视频
  • Fal.ai图像到视频
  • Replicate文本到视频和图像到视频
• ComfyUI：若要在ComfyUI中使用我们的模型，请遵循专用ComfyUI仓库中的说明。
• 本地运行：按照以下步骤在本地运行模型。

✨ 主要特性

• 实时高质量视频生成：能够实时生成高分辨率、高质量的视频，生成速度快。
• 多样化应用场景：支持文本到视频以及图像+文本到视频两种生成模式。
• 多平台支持：可通过在线演示、ComfyUI以及本地运行等多种方式使用。

📦 安装指南

代码库在Python 3.10.5、CUDA版本12.2环境下进行了测试，支持PyTorch >= 2.1.2。

git clone https://github.com/Lightricks/LTX-Video.git
cd LTX-Video

# 创建虚拟环境
python -m venv env
source env/bin/activate
python -m pip install -e .\[inference-script\]

💻 使用示例

基础用法

文本到视频生成

python inference.py --prompt "PROMPT" --height HEIGHT --width WIDTH --num_frames NUM_FRAMES --seed SEED --pipeline_config ltxv-13b-0.9.7-dev.yaml

图像到视频生成

python inference.py --prompt "PROMPT" --input_image_path IMAGE_PATH --height HEIGHT --width WIDTH --num_frames NUM_FRAMES --seed SEED --pipeline_config ltxv-13b-0.9.7-dev.yaml

高级用法

使用Diffusers库进行文本到视频生成

import torch
from diffusers import LTXPipeline
from diffusers.utils import export_to_video

pipe = LTXPipeline.from_pretrained("Lightricks/LTX-Video", torch_dtype=torch.bfloat16)
pipe.to("cuda")

prompt = "A woman with long brown hair and light skin smiles at another woman with long blonde hair. The woman with brown hair wears a black jacket and has a small, barely noticeable mole on her right cheek. The camera angle is a close-up, focused on the woman with brown hair's face. The lighting is warm and natural, likely from the setting sun, casting a soft glow on the scene. The scene appears to be real-life footage"
negative_prompt = "worst quality, inconsistent motion, blurry, jittery, distorted"

video = pipe(
    prompt=prompt,
    negative_prompt=negative_prompt,
    width=704,
    height=480,
    num_frames=161,
    num_inference_steps=50,
).frames[0]
export_to_video(video, "output.mp4", fps=24)

使用Diffusers库进行图像到视频生成

import torch
from diffusers import LTXImageToVideoPipeline
from diffusers.utils import export_to_video, load_image

pipe = LTXImageToVideoPipeline.from_pretrained("Lightricks/LTX-Video", torch_dtype=torch.bfloat16)
pipe.to("cuda")

image = load_image(
    "https://huggingface.co/datasets/a-r-r-o-w/tiny-meme-dataset-captioned/resolve/main/images/8.png"
)
prompt = "A young girl stands calmly in the foreground, looking directly at the camera, as a house fire rages in the background. Flames engulf the structure, with smoke billowing into the air. Firefighters in protective gear rush to the scene, a fire truck labeled '38' visible behind them. The girl's neutral expression contrasts sharply with the chaos of the fire, creating a poignant and emotionally charged scene."
negative_prompt = "worst quality, inconsistent motion, blurry, jittery, distorted"

video = pipe(
    image=image,
    prompt=prompt,
    negative_prompt=negative_prompt,
    width=704,
    height=480,
    num_frames=161,
    num_inference_steps=50,
).frames[0]
export_to_video(video, "output.mp4", fps=24)

📚 详细文档

模型信息

模型版本

使用说明

直接使用

你可以在许可证允许的范围内使用该模型：

• 2B版本0.9：许可证
• 2B版本0.9.1：许可证
• 2B版本0.9.5：许可证
• 2B版本0.9.6-dev：许可证
• 2B版本0.9.6-distilled：许可证
• 13B版本0.9.7-dev：许可证
• 13B版本0.9.7-dev-fp8：许可证
• 时间上采样器版本0.9.7：许可证
• 空间上采样器版本0.9.7：许可证

通用提示

• 模型适用于分辨率能被32整除、帧数能被8 + 1（例如257）整除的情况。如果分辨率或帧数不能被32或8 + 1整除，输入将用 -1 填充，然后裁剪到所需的分辨率和帧数。
• 模型在分辨率低于720 x 1280、帧数少于257时效果最佳。
• 提示词应为英语，越详细越好。例如：The turquoise waves crash against the dark, jagged rocks of the shore, sending white foam spraying into the air. The scene is dominated by the stark contrast between the bright blue water and the dark, almost black rocks. The water is a clear, turquoise color, and the waves are capped with white foam. The rocks are dark and jagged, and they are covered in patches of green moss. The shore is lined with lush green vegetation, including trees and bushes. In the background, there are rolling hills covered in dense forest. The sky is cloudy, and the light is dim.

模型示例

示例	详情
一位留着棕色长发、皮肤白皙的女子对着另一位留着金色长发的女子微笑... 一位留着棕色长发、皮肤白皙的女子对着另一位留着金色长发的女子微笑。留着棕色头发的女子穿着黑色夹克，右脸颊上有一颗几乎难以察觉的小痣。相机角度为特写，聚焦在留着棕色头发的女子脸上。光线温暖自然，可能来自夕阳，给场景披上了一层柔和的光芒。该场景看起来像是真实的镜头。	展示了人物微笑的场景
一名女子在夜晚从停在城市街道上的白色吉普车上走开... 一名女子在夜晚从停在城市街道上的白色吉普车上走开，然后走上楼梯并敲门。这名女子穿着深色夹克和牛仔裤，背对着相机，从停在街道左侧的吉普车上走开；她步伐平稳，手臂在身体两侧微微摆动；街道灯光昏暗，路灯在潮湿的路面上投下一片片光影；一名穿着深色夹克和牛仔裤的男子朝相反方向走过吉普车；相机从后面跟随女子走上一组楼梯，朝着一扇绿色门的建筑物走去；她走到楼梯顶部向左转，继续朝着建筑物走去；她走到门口，用右手敲门；相机保持静止，聚焦在门口；该场景是真实拍摄的镜头。	呈现了人物在夜晚街道的活动
一位梳着发髻、穿着带亮片黑色连衣裙和珍珠耳环的金发女子... 一位梳着发髻、穿着带亮片黑色连衣裙和珍珠耳环的金发女子，面带悲伤地低头。相机保持静止，聚焦在女子脸上。光线昏暗，在她脸上投下柔和的阴影。该场景似乎来自电影或电视剧。	体现了人物的悲伤情绪
相机扫过一片被雪覆盖的山脉... 相机扫过一片被雪覆盖的山脉，展现出一片广阔的雪山和山谷。山脉被厚厚的积雪覆盖，有些地方几乎呈白色，而有些地方则略带灰色调。山峰参差不齐，有的陡峭地耸立在天空中，有的则较为圆润。山谷又深又窄，陡峭的山坡也被雪覆盖。前景中的树木大多光秃秃的，只有少数树枝上还留着几片叶子。天空阴沉沉的，厚厚的云层遮住了太阳。整体给人一种宁静祥和的感觉，被雪覆盖的山脉见证了大自然的力量和美丽。	展示了雪山的壮丽景色
一位皮肤白皙、穿着蓝色夹克和带面纱黑色帽子的女子... 一位皮肤白皙、穿着蓝色夹克和带面纱黑色帽子的女子，向下看向右侧，然后在说话时又抬起头；她留着棕色发髻，浅棕色眉毛，夹克里面穿着白色领衬衫；相机在她说话时一直聚焦在她脸上；背景模糊，但可以看到树木和穿着古装的人；该场景是真实拍摄的镜头。	呈现了人物的动作和表情
一个男人在光线昏暗的房间里对着一部老式电话交谈... 一个男人在光线昏暗的房间里对着一部老式电话交谈，挂断电话后，悲伤地低下头。他用右手将黑色旋转电话贴在右耳旁，左手拿着一个装有琥珀色液体的岩石杯。他穿着棕色西装外套，里面是白色衬衫，左手无名指上戴着一枚金戒指。他的短发梳理得很整齐，皮肤白皙，眼睛周围有明显的皱纹。相机保持静止，聚焦在他的脸和上半身。房间很暗，只有左边屏幕外的一个暖光源照亮，在他身后的墙上投下阴影。该场景似乎来自电影。	体现了人物在特定环境中的状态
一名狱警打开牢房的门... 一名狱警打开牢房的门，发现一个年轻人和一个女人坐在桌旁。狱警穿着深蓝色制服，左胸上有一个徽章，用右手拿着钥匙打开牢房门并拉开；他留着棕色短发，皮肤白皙，表情平淡。年轻人穿着黑白条纹衬衫，坐在铺着白色桌布的桌子旁，面向女人；他留着棕色短发，皮肤白皙，表情平淡。女人穿着深蓝色衬衫，坐在年轻人对面，脸转向他；她留着金色短发，皮肤白皙。相机保持静止，从中间距离拍摄，位置略在狱警右侧。房间光线昏暗，一盏灯具照亮了桌子和两个人物。墙壁由巨大的灰色混凝土块构成，背景中可以看到一扇金属门。该场景是真实拍摄的镜头。	展示了特定场景下的人物互动
一位脸上有血、穿着白色背心的女子... 一位脸上有血、穿着白色背心的女子向下看向右侧，然后在说话时又抬起头。她留着深色头发，向后梳起，皮肤白皙，脸和胸部都沾满了血。相机角度为特写，聚焦在女子的脸和上半身。光线昏暗，呈蓝色调，营造出一种忧郁而紧张的氛围。该场景似乎来自电影或电视剧。	呈现了具有紧张氛围的场景
一位头发花白、留着胡须、穿着灰色衬衫的男子... 一位头发花白、留着胡须、穿着灰色衬衫的男子向下看向右侧，然后把头转向左侧。相机角度为特写，聚焦在男子脸上。光线昏暗，带有绿色色调。该场景看起来是真实的镜头。	展示了人物的动作
一条清澈的蓝绿色河流穿过岩石峡谷... 一条清澈的蓝绿色河流穿过岩石峡谷，从一个小瀑布上倾泻而下，在底部形成一个水池。河流是场景的主要焦点，清澈的河水倒映着周围的树木和岩石。峡谷壁陡峭多石，上面生长着一些植被。树木大多是松树，绿色的针叶与棕色和灰色的岩石形成鲜明对比。整个场景给人一种宁静祥和的感觉。	展示了自然景观的美丽
一名穿着西装的男子走进房间，与坐在沙发上的两名女子交谈... 一名穿着西装的男子走进房间，与坐在沙发上的两名女子交谈。这名男子穿着深色西装，系着金色领带，从左边走进房间，朝画面中心走去。他留着灰色短发，皮肤白皙，表情严肃。他走近沙发时，右手放在椅子背上。两名女子坐在背景中的浅色沙发上。左边的女子穿着浅蓝色毛衣，留着金色短发。右边的女子穿着白色毛衣，留着金色短发。相机保持静止，在男子走进房间时聚焦在他身上。房间光线明亮，温暖的色调从墙壁和家具上反射出来。该场景似乎来自电影或电视剧。	呈现了人物在室内的互动
海浪拍打着海岸线参差不齐的岩石... 海浪拍打着海岸线参差不齐的岩石，激起高高的浪花。岩石呈深灰色，边缘锋利，有很深的裂缝。海水是清澈的蓝绿色，海浪拍打岩石的地方泛起白色泡沫。天空是浅灰色的，地平线上点缀着几朵白云。	展示了海边的壮观景象
相机扫过一座有圆形建筑的城市景观... 相机扫过一座有圆形建筑的城市景观。相机从左向右移动，展示了建筑物的顶部和中间的圆形建筑。建筑物有各种灰色和白色的色调，圆形建筑有绿色的屋顶。相机角度较高，俯瞰着城市。光线明亮，太阳从左上方照射，建筑物投下阴影。该场景是计算机生成的图像。	展示了城市景观的画面
一名男子走向窗户，向外张望，然后转身... 一名男子走向窗户，向外张望，然后转身。他留着黑色短发，皮肤黝黑，穿着棕色外套，里面围着红灰色围巾。他从左向右走向窗户，目光盯着外面的某个东西。相机从后面以中等距离跟随他。房间光线明亮，白色墙壁，一扇大窗户被白色窗帘遮住。当他走近窗户时，他微微向左转头，然后又向右转头。然后他整个身体向右转，面向窗户。相机在他站在窗户前时保持静止。该场景是真实拍摄的镜头。	呈现了人物的动作和场景
两名穿着深蓝色制服和配套帽子的警察... 两名穿着深蓝色制服和配套帽子的警察从画面左侧的门口走进一个光线昏暗的房间。第一名警察留着棕色短发，有小胡子，先走进来，后面跟着他的搭档，搭档剃着光头，留着山羊胡。两名警察表情严肃，步伐稳健地向房间深处走去。相机保持静止，在他们走进来时从略低的角度拍摄。房间有裸露的砖墙和波纹金属天花板，背景中可以看到一扇带栅栏的窗户。光线较暗，在警察脸上投下阴影，强调了严峻的氛围。该场景似乎来自电影或电视剧。	展示了特定场景下的人物形象
一位留着棕色短发、穿着栗色无袖上衣的女子... 一位留着棕色短发、穿着栗色无袖上衣和银色项链的女子边走边说话穿过房间，然后一位留着粉色头发、穿着白色衬衫的女子出现在门口大喊。第一位女子从左向右走，表情严肃；她皮肤白皙，眉毛微微皱起。第二位女子站在门口，张着嘴大喊；她皮肤白皙，眼睛睁得很大。房间光线昏暗，背景中可以看到一个书架。相机跟随第一位女子走动，然后切换到第二位女子脸部的特写。该场景是真实拍摄的镜头。	呈现了人物的动作和互动

🔧 技术细节

本模型基于扩散模型，在大规模多样化视频数据集上进行训练，以实现高质量的视频生成。具体技术细节可参考代码库：LTX-Video。

📄 许可证

本模型使用的许可证信息如下：

• 2B版本0.9：许可证
• 2B版本0.9.1：许可证
• 2B版本0.9.5：许可证
• 2B版本0.9.6-dev：许可证
• 2B版本0.9.6-distilled：许可证
• 13B版本0.9.7-dev：许可证
• 13B版本0.9.7-dev-fp8：许可证
• 时间上采样器版本0.9.7：许可证
• 空间上采样器版本0.9.7：许可证

⚠️ 重要提示

• 本模型并非用于提供事实信息，也无法保证提供的信息准确无误。
• 作为统计模型，该检查点可能会放大现有的社会偏见。
• 模型可能无法完美生成与提示词完全匹配的视频。
• 模型对提示词的遵循程度受提示风格的影响较大。

💡 使用建议

• 确保输入的分辨率和帧数符合模型要求，以获得更好的效果。
• 使用详细的英语提示词，有助于生成更符合预期的视频。
• 在使用模型时，注意许可证的使用范围和限制。