Lightricks 开源视频模型 LTXV：消费级显卡 4 秒生成 5 秒视频

LTX Video（简称 LTXV）是刚刚开源的一个轻量级视频生成模型，能让你在自家的消费级电脑上，几秒钟内跑出一段像模像样的短视频。

现在的 AI 视频大多被锁在各大巨头的云端 API 后面，不仅收费，生成一段往往还得等上好几分钟。LTXV 的思路完全相反，它把模型体量压缩到了只有 20 亿参数，目标就是让普通开发者直接在本地机器上把它跑起来。

它能做什么

LTXV 的核心看点只有一个字：快。

在顶级的 Nvidia H100 上，它能在 4 秒内生成一段 5 秒长的视频，规格是 768x512 分辨率、共 121 帧。即便换到玩家常用的 Nvidia RTX 4090 这样的消费级显卡上，它依然能做到近乎实时的生成速度。

在测试演示中，它生成的城市商务女士街拍能够保持稳定的光影、地面反光和运镜，输入一台老式 IBM 电脑的提示词也能在 4 秒内完成渲染。

按照开发团队的规划，这个模型不仅能做短片片段，还能支持长视频扩展，甚至可以用于老游戏画面重制，或者帮电商批量渲染成千上万条用于测试的广告切片。

怎么做到的与去哪试

能在普通硬件上跑得飞快，关键在于它的架构设计。

LTXV 采用了扩散变换器（Diffusion Transformer，简称 DiT）架构，重点优化了帧与帧之间的连续性与结构稳定性，在大幅压减参数量的同时，尽量避免了画面扭曲变形或人物动作断层。

而且它是真正意义上的开源。Lightricks 目前没有通过该模型收取 API 费用的计划，而是选择与 Hugging Face 等开源社区平台合作，把模型完全开放出来。

如果你手头有一台装了 RTX 4090 的电脑，现在就可以前往 Hugging Face 平台下载模型权重，把它部署在本地游戏 PC 上直接折腾，不再需要按次给云端服务掏钱。

为什么重要

对于独立创作者、小团队和学术研究者来说，LTXV 最大的价值在于拉低了试错门槛。以前每改一次提示词都得干等几分钟甚至十几分钟，现在几秒钟就能看到反馈，创作者可以高频迭代自己的想法。

我们认为，Lightricks 这步棋走得非常清醒。在基础视频模型逐渐沦为通用设施的趋势下，小团队靠卖闭源 API 很难打得过巨头。把模型开源推给社区和高校，换取生态采纳，是挑战巨头封锁最有效的方式。不过 768x512 的分辨率对高精度商业成片来说依然偏低，它目前更适合作为本地预演、分镜草稿和快速概念验证工具。