Lightricks 发布开源音视频模型 LTX-2.3：原生支持竖屏，附带本地编辑器

LTX-2.3 是 Lightricks 开源的原生音视频生成模型，能让你在本地同时生成画面与对齐音轨，还打包附带了一个开源本地视频编辑器 LTX Desktop。

如果你之前用过开源视频模型，大概率踩过两个坑：画面里的人像幻灯片一样定格，或者人物对白伴随着杂乱的机械电流声。这次 2.3 版本就是奔着解决这些麻烦来的。

它升级了什么

新版本最显眼的改变，是首次原生支持 1080×1920 竖屏输出。它不是从横屏画面硬切出来的，而是直接用竖屏素材训练，做 TikTok、Reels 或短视频时不需要二次裁切构图。

在底层架构上，开发团队重构了 VAE 潜空间。以前版本在头发纹理和边缘细节上容易发虚，新架构把画面边缘做扎实了，省去了很多后期锐化和超分辨率的步骤。

文字理解模块也换了更大的连接层。以前写复杂提示词经常遇到丢主体或者位置错乱的问题，现在给多主体、复杂空间关系的指令，模型漂移的情况少了很多。

图生视频的卡顿问题得到了修复。很多人抱怨过的定格或者慢动作平移假动作被大幅消除，画面运镜更加自然，有效出片率明显提升。

音频部分换了新的声码器，并且清洗掉了训练集里的静音和底噪。生成的对白听起来清晰干净，音画同步的咬合度也更紧密。

怎么跑起来与开放程度

LTX-2.3 本质是一个 22B 参数量的 DiT 音视频基础模型，文本编码器搭配了 Google 的 Gemma 3 12B。

官方放出了全量权重、8 步即可出片的蒸馏版本、蒸馏 LoRA，以及空间与时间潜空间放大器。代码库支持 Python 3.12 和 PyTorch 环境，Hugging Face 上可以直接下载权重，官方还提供了现成的 ComfyUI 参考工作流。

配套推出的 LTX Desktop 是一款开源桌面视频编辑器。它直接跑在你的本地显卡上，配置完成后不需要联网，也没有按次计费的成本。如果你不想折腾本地算力，它也支持调用云端 API。

在商业许可上，年营业额在 1000 万美元以下的企业和个人开发者均可免费使用，门槛非常宽松。

为什么重要

在我们看来，LTX-2.3 最聪明的地方在于把音画同步和原生竖屏当成默认标配，而不是让创作者事后到处找补丁。

对于做自媒体和独立视频创作的人来说，这套工具非常值得现在拉下来试一试。它把生成视频、配音、剪辑拼接这一整套链路打包压缩到了本地桌面里，大大降低了本地 AI 视频管线的搭建难度。

22B 的参数量加上语言编码器对本地显存依然是个考验，但随着蒸馏版和社区量化版本的跟进，它正在给闭源商业视频工具带来实打实的替代压力。