/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
LTX-2.3
Библиотека
mlx
Опубликована
30 мар 2026

LTX-2.3-mlx-fp16

Генерация видеоТекст → видео3 профессии

MLX-конверсия диффузионной аудиовизуальной модели Lightricks для генерации коротких видео по текстовым описаниям на Apple Silicon.

124скачиваний за 30 дней3лайкавеса обновлены30 мар 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

gajesh/LTX-2.3-mlx-fp16 — конвертированная и оптимизированная для MLX версия модели LTX-2.3 от Lightricks, подготовленная для запуска на компьютерах Apple Silicon. Это диффузионный трансформер для совместной генерации видео и аудио по текстовому описанию. Основной трансформер содержит 22 млрд параметров и 48 слоёв; в комплект входят текстовый энкодер Gemma 3 12B, видеодекодер VAE и апсемплер. Веса сохранены в safetensors с точностью float16 и занимают около 66 ГБ; для работы README указывает минимум 64 ГБ оперативной памяти на Apple Silicon Mac.

Модель предназначена для создания коротких видеороликов по текстовым запросам. В README приведены замеры генерации видео длительностью до пяти секунд и описаны варианты разрешения и числа кадров; также заявлена более быстрая работа и меньшее потребление памяти по сравнению с PyTorch MPS на проверенной конфигурации M4 Max. Репозиторий содержит конверсию исходного чекпойнта Lightricks/LTX-2.3, а не отдельную разработку архитектуры. Лицензия указана как other, поэтому условия использования следует проверять в карточке исходной модели и репозитория.

Сценарии применения

  • создание коротких видеороликов по текстовому промпту
  • локальная генерация видео на компьютере Mac с Apple Silicon
  • создание видеосцен длительностью до нескольких секунд
  • эксперименты с генерацией видео на MLX

Ограничения

Для запуска версии float16 README указывает около 66 ГБ памяти и минимум 64 ГБ на Apple Silicon Mac; скорость и потребление памяти зависят от разрешения, числа кадров и конфигурации. В метаданных лицензия обозначена как other, поэтому точные условия использования требуют проверки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LTX-2.3 22B Distilled (MLX, float16)

MLX-optimized weights for Lightricks/LTX-2.3 video generation model, converted for Apple Silicon.

Model Details

  • Model: LTX-2.3 22B Distilled (joint audio-video diffusion transformer)
  • Format: MLX safetensors (float16)
  • Total Size: ~66GB (transformer: 39GB, text encoder: 22GB, VAE: 1.7GB, upsampler: 1GB)
  • Minimum RAM: 64GB Apple Silicon Mac
  • Original: Lightricks/LTX-2.3

Also available in 4-bit quantized (35GB, fits 32GB Macs).

Architecture

ComponentParametersSize (fp16)
DiT Transformer (48 layers)22B39 GB
Gemma 3 12B (text encoder)12B22 GB
Video VAE Decoder~500M777 MB
Spatial Upsampler~500M950 MB
Audio VAE + Vocoder~500M348 MB

Benchmarks (M4 Max 128GB)

Head-to-head comparison on the same machine, same config (576x1024, 121 frames, 5s video):

PyTorch MPS (BF16)MLX FP16 (Video+Audio)MLX FP16 (Video-only)
Stage 1 (8 steps, half-res)66.7s67.1s51.2s
Stage 2 (3 steps, full-res)157.9s139.2s101.3s
Total denoising264.0s206.2s152.5s
Speedup1.0x1.3x1.7x
Peak memory>60 GB46.8 GB34.2 GB

Additional configs:

ConfigResolutionFramesTimeMemory
FP16 video-only512x51249 (2s)35.1s34.2 GB
FP16 video-only320x51225 (1s)10.4s31.3 GB

Key Advantages

  • 1.7x faster than PyTorch MPS in video-only mode
  • 42% less memory (34 GB vs 60+ GB) -- runs on 64GB Macs where PyTorch can't
  • Fused Metal attention via mx.fast.scaled_dot_product_attention
  • Unified memory -- no CPU/GPU transfer overhead

Usage

pip install mlx-ltx
from mlx_ltx.pipeline import DistilledPipeline, save_video

pipeline = DistilledPipeline("path/to/mlx-weights")
video = pipeline(
    prompt="A golden retriever playing piano in a concert hall",
    height=576, width=1024, num_frames=121,
    seed=42,
)
save_video(video, "output.mp4", fps=24.0)

Conversion

Converted from the original PyTorch checkpoint using mlx-ltx:

mlx-ltx-convert \
  --checkpoint /path/to/ltx-2.3-22b-distilled.safetensors \
  --gemma-root /path/to/gemma-3-12b-it/ \
  --output-dir ./mlx-weights/

License

This model conversion follows the LTX-2 Community License.

Acknowledgments

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
b58b336

0 моделей