Scenema Audio 公開：ト書きで感情を操る LTX 2.3 ベースの音声モデル
ScenemaAI が表現力豊かな音声生成モデル「Scenema Audio」をオープンソース公開しました。LTX 2.3 から抽出した拡散モデルを基盤に、指示タグで感情変化や環境音を制御でき、ゼロショット音声クローンにも対応。16GB の VRAM から動作可能です。
LTX 2.3
Scenema Audio公開：声質と感情を分離、ト書きで演技を指示できる音声クローン
Scenema AIが音声生成モデル「Scenema Audio」をオープンソース公開しました。動画モデルLTX 2.3から抽出され、声の特徴と感情表現を分離。短い音声参照からプロンプトのト書きだけで怒りや方言の変更、台詞の途中での感情変化を表現できます。量子化版は16GB以上のVRAMでローカル実行が可能です。
DaVinci Magihuman：音声付き動画をネイティブ生成する15Bオープンソースモデル
音声付き動画をネイティブ生成できる150億パラメータのオープンソースモデル「DaVinci Magihuman」が登場しました。自己申告のブラインドテストではLTX 2.3に60%の勝率を記録し検閲もありませんが、蒸留版でも61GBあり動作環境のハードルは高めです。
Lightricks、オープンソース動画モデル「LTX-2.3」公開：縦型対応と無料ローカル編集ツールも
Lightricksはオープンソースの動画・音声生成モデル「LTX-2.3」とローカル編集ツール「LTX Desktop」を公開した。VAEとボコーダーを刷新して解像感と音質を高め、1080×1920のネイティブ縦型動画に対応した。モデルの重みはHugging Faceで公開され、年商1000万ドル未満であれば商用利用も無料。