模型介绍
中文整理LTX-2.3 模型卡片
模型用途
LTX-2.3 是一个基于 DiT 的音视频基础模型，能够在单一模型内生成同步的视频和音频。该模型是 LTX-2 的重要更新版本，在音频和视频质量方面有所提升，并增强了提示词遵循能力。
主要能力
生成同步的视频和音频内容。采用开放权重设计，支持本地运行。提供多种模型变体，包括完整模型、蒸馏模型、LoRA 版本以及空间和时间超分辨率模型。
输入输出
输入：文本提示词
输出：同步的视频和音频内容
运行要求
Python 版本 3.12 或更高
CUDA 版本 12.7 以上
PyTorch 版本约 2.7
基本用法
推荐使用 ComfyUI 中的 LTXVideo 节点进行操作。也可按照 ltx-pipelines 包的说明进行推理。使用时需注意：宽度和高度必须能被 32 整除；帧数必须能被 8 加 1 整除。若分辨率或帧数不符合要求，应使用 -1 进行填充后再裁剪至目标尺寸。
限制
本模型不提供也无法提供事实性信息。作为统计模型，可能会放大现有的社会偏见。模型可能无法完美匹配提示词内容。提示词遵循能力受提示词风格影响较大。可能生成不当或冒犯性内容。在生成无语音的音频时，音频质量可能较低。
许可证
直接使用许可证。可在许可证允许的范围内使用完整模型、蒸馏模型、超分辨率模型及其任何衍生模型。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。