标签:

• ltx视频
• 图像转视频 置顶: 是 语言:
• 英文 许可证: 其他 管道标签: 文本转视频 库名称: diffusers

LTX视频0.9.7蒸馏版模型卡

本模型卡重点介绍与LTX视频模型相关的模型，代码库可在此处获取。

LTX视频是首个基于DiT架构的实时高质量视频生成模型。它能以1216×704分辨率、30帧/秒的速度生成视频，生成速度甚至快于播放速度。该模型通过大规模多样化视频数据集训练，可生成内容真实丰富的高清视频。 我们提供同时支持文本转视频和图文转视频两种场景的模型。

（示例表格内容保持原格式不变，此处省略具体翻译）

模型与工作流

（表格内容保持原格式不变，仅翻译表头） | 名称 | 说明 | inference.py配置 | ComfyUI工作流（推荐） |

模型详情

• 开发团队: Lightricks
• 模型类型: 基于扩散的文本转视频及图像转视频生成模型
• 支持语言: 英语

使用方式

直接使用

根据相应许可证条款可使用模型： （许可证列表保持原链接不变）

通用建议：

• 模型支持分辨率能被32整除、帧数能被8加1整除（如257帧）的输入。若不符合要求，输入将自动填充-1后裁剪至目标尺寸。
• 最佳表现分辨率在720×1280以下，帧数建议低于257帧。
• 提示词需使用英文，描述越详尽效果越好。优质提示示例："碧绿的浪涛拍打着海岸黝黑嶙峋的礁石，激起漫天白沫。画面中湛蓝海水与近乎漆黑的岩石形成强烈对比..."

在线演示

可通过以下链接即时体验：

• LTX-Studio图文转视频(13B混合版)
• LTX-Studio图文转视频(13B蒸馏版)
• Fal.ai文本转视频
• Fal.ai图文转视频
• Replicate文本/图文转视频

ComfyUI

使用ComfyUI需遵循专属仓库的指引。

本地运行

（安装及推理代码保持原格式不变，注释部分翻译如下）

文本转视频生成：

python inference.py --prompt "提示词" --height 高度 --width 宽度 --num_frames 帧数 --seed 随机种子 --pipeline_config configs/ltxv-13b-0.9.7-distilled.yaml

图文转视频生成：

python inference.py --prompt "提示词" --input_image_path 图片路径 --height 高度 --width 宽度 --num_frames 帧数 --seed 随机种子 --pipeline_config configs/ltxv-13b-0.9.7-distilled.yaml

Diffusers集成

（代码示例保持原格式不变，注释翻译如下） LTX视频兼容Diffusers库，支持文本/图文/视频转视频生成。

文本转视频示例：

# 第一部分：低分辨率生成
# 第二部分：潜在空间上采样
# 第三部分：微调上采样视频（可选但推荐）
# 第四部分：缩放至目标分辨率

图文转视频示例：

# 包含四阶段处理流程（同上）

视频转视频示例：

# 完整四阶段工作流

详细用法参阅官方文档。Diffusers还支持通过from_single_file()直接加载原始LTX检查点，详见相关章节。

局限性

• 本模型无法提供事实性信息
• 作为统计模型可能放大现有社会偏见
• 生成效果可能无法完全匹配提示词
• 提示词遵循效果受表述风格显著影响