Lightricks 開源影片模型 LTXV：消費級顯示卡 4 秒生成 5 秒影片

LTX Video（簡稱 LTXV）是剛剛開源的一個輕量級影片生成模型，能讓你在自家的消費級電腦上，幾秒鐘內跑出一段像模像樣的短影片。

現在的 AI 影片大多被鎖在各大巨頭的雲端 API 後面，不僅收費，生成一段往往還得等上好幾分鐘。LTXV 的思路完全相反，它把模型體量壓縮到了只有 20 億引數，目標就是讓普通開發者直接在本地機器上把它跑起來。

它能做什麼

LTXV 的核心看點只有一個字：快。

在頂級的 Nvidia H100 上，它能在 4 秒內生成一段 5 秒長的影片，規格是 768x512 解析度、共 121 幀。即便換到玩家常用的 Nvidia RTX 4090 這樣的消費級顯示卡上，它依然能做到近乎即時的生成速度。

在測試演示中，它生成的城市商務女士街拍能夠保持穩定的光影、地面反光和運鏡，輸入一臺老式 IBM 電腦的提示詞也能在 4 秒內完成渲染。

按照開發團隊的規劃，這個模型不僅能做短片片段，還能支援長影片擴充套件，甚至可以用於老遊戲畫面重製，或者幫電商批次渲染成千上萬條用於測試的廣告切片。

怎麼做到的與去哪試

能在普通硬體上跑得飛快，關鍵在於它的架構設計。

LTXV 採用了擴散變換器（Diffusion Transformer，簡稱 DiT）架構，重點優化了幀與幀之間的連續性與結構穩定性，在大幅壓減引數量的同時，儘量避免了畫面扭曲變形或人物動作斷層。

而且它是真正意義上的開源。Lightricks 目前沒有通過該模型收取 API 費用的計劃，而是選擇與 Hugging Face 等開源社群平臺合作，把模型完全開放出來。

如果你手頭有一臺裝了 RTX 4090 的電腦，現在就可以前往 Hugging Face 平臺下載模型權重，把它部署在本地遊戲 PC 上直接折騰，不再需要按次給雲端服務掏錢。

為什麼重要

對於獨立創作者、小團隊和學術研究者來說，LTXV 最大的價值在於拉低了試錯門檻。以前每改一次提示詞都得乾等幾分鐘甚至十幾分鍾，現在幾秒鐘就能看到反饋，創作者可以高頻迭代自己的想法。

我們認為，Lightricks 這步棋走得非常清醒。在基礎影片模型逐漸淪為通用設施的趨勢下，小團隊靠賣閉源 API 很難打得過巨頭。把模型開源推給社群和高校，換取生態採納，是挑戰巨頭封鎖最有效的方式。不過 768x512 的解析度對高精度商業成片來說依然偏低，它目前更適合作為本地預演、分鏡草稿和快速概念驗證工具。