LightricksがLTX Video更新：リアルタイム指示で最大60秒の動画生成

LTX Videoは、リアルタイムで映像をストリーミング生成しながら追加のプロンプトで演出を指示できるオープンソースの動画生成モデルだ。最新アップデートにより、最長60秒の連続動画生成に対応した。

現在の主要な動画生成AIは平均8秒程度のクリップ生成が主流で、プロンプトを入力した後は数分間のレンダリング完了を待つしかなかった。LTX Videoは今回、新たな自己回帰型（Autoregressive）映像エンジンを採用。最初の数フレームが生成された瞬間から新たな指示文を追加し、進行中のシーンをリアルタイムに微調整できるようになった。

何ができるのか

ストリーミング生成とリアルタイム指示の組み合わせにより、動画生成は一発勝負のガチャから対話的な制作へと変化する。出力中の映像を見ながらプロンプトを打ち直すことで、ストーリーの連続性を保ちながら照明やカメラワーク、キャラクターの挙動を直接コントロールできる。

Lightricksの共同創業者兼CTOのYaron Inger氏は、動画AIが単なるプロンプト入力の段階を終え、本格的に監督できる長編ストーリーテリングのツールへと進化したと語る。

具体的な応用例として、プレイヤーの操作に合わせてリアルタイムにカットシーンを生成するオンラインゲームや、人間のパフォーマーに合わせて同期して踊るARライブのバーチャルダンサー、学習者の反応に応じて内容が変化するインタラクティブな教育動画などが挙げられている。

著作権への配慮も特徴だ。学習データにはGetty ImagesやShutterstockの正規ライセンス素材のみを使用しており、生成された映像の権利関係の安全性を確保している。

動作環境とスペック

新しい自己回帰アーキテクチャは、主力となる130億パラメータ（13B）モデルと、モバイル向けに設計された20億パラメータ（2B）モデルの両方に組み込まれた。

実行に必要な計算リソースは比較的抑えられている。クラウド上の巨大クラスタを前提とするSora、Runway Gen-4、Pika AI 2.1などの商用クローズドモデルとは対照的に、LTX Videoは重みが完全に公開されている。

公式発表によると、13Bモデルは単一のNvidia H100 GPU上で高解像度動画を数秒で生成できるほか、一般的なノートパソコン上でも比較的低いレイテンシで動作可能だという。重みファイルはHugging FaceとGitHubで配布されており、編集機能はLTX Studioで提供される。

Constellation ResearchのアナリストHolger Mueller氏は、リアルタイム生成への移行を常時稼働型AIへの重要な一歩と評価する一方で、長時間のストリーミング生成に伴う推論コストの課題を指摘している。また競合を見ると、GoogleのVeo 3が音声トラックの同時生成に対応し、MoonvalleyのMareyが動きの模倣機能を持つなど、各社が異なる強みで差別化を図っている。

なぜ重要か

今回のアップデートは、動画生成AIの最大の弱点だった「生成時間の短さ」と「コントロール性の低さ」を同時に解消しにかかった点が賢い。8秒ごとの断片をパッチワークのように編集していたクリエイターにとって、途中で指示を出しながら60秒のカットを作れる利便性は極めて高い。

何より、オープンウェイトでローカル動作に対応している点がインディー開発者や中小スタジオにとって心強い。クローズドなAPIの従量課金に縛られず、ゲームエンジンやインタラクティブ展示に組み込める動画モデルを探しているなら、今すぐ試す価値のあるツールだ。